Google Genie 4：用文字即時操控、會發聲的虛擬世界

Genie 4 是 Google DeepMind 推出的新世界模型，這次生成的世界終於有了聲音。你可以用一句話描述場景，或交給它一張參考圖片；模型便會生成一個可用鍵盤探索的地方，同時播放樹梢間的風聲、海灘上的浪濤，以及身處其中的人們交談的聲音。現在，這些角色還能跟你對話，並根據你的行動作出回應。DeepMind 認為，這正是這次推出版本真正的前沿所在。

對試過早期版本的人來說，最大的改變在於操控方式。你可以輸入指令改變天氣、轉動鏡頭，或在場景中加入新人或物件；Gemini 會改寫你的要求，讓它符合眼前畫面的情況。在你下達指令的間隙，Gemini 也會持續引導模擬過程，避免這個世界崩解。這種體驗與其說是在玩電玩，不如說是在指揮一個永不喊停的片場；一些早期測試者已經開始這樣使用它。

Gemini 規劃場景，Genie 負責描繪

Genie 4 仰賴 Google 旗下其他模型。根據 DeepMind 的公告，Gemini Omni 讓每場模擬呈現貼近現實世界的外觀與行為，其他 Gemini 模型則負責推理，確保場景從一刻到下一刻都維持連貫。Gemini 3.8 Flash 則作為引導代理，參與整個過程：它一邊觀察 Genie 4 描繪世界，一邊把目標拆解成多個步驟，檢查收到的畫格、確認每一步是否成功，並在你介入時調整計畫。

推薦閱讀DeepSeek 新模型少說幾句，編碼任務成本只要 20 美分

DeepMind 表示，最大的躍進在於人物。角色的動作更自然，會對周遭環境作出反應，也能在模擬進行時接受操控；模型還能處理空氣動力學、碰撞等物理現象。公司部落格上的示範包括一顆楓樹種子旋轉著落入草地、1980 年代日本一座擠滿旅客的鄉間火車站，以及一場第一人稱視角的飛龍競速，伴隨雷鳴般的振翅聲——所有聲音都由 Genie 4 自行生成。Genie 3 只能生成無聲世界，解析度為 720p、每秒 24 格；這次 DeepMind 沒有公布解析度或影格率，因此只能根據官方提供的影片判斷改進幅度。

遊戲並非唯一目標。DeepMind 表示，模擬世界是邁向通用人工智慧的重要一步；其中一段示範將 Genie 4 與 Gemini 4 Argon 結合，模擬 Apptronik 的 Apollo 人形機器人下跳棋。Argon 會把任務拆成多個步驟，以文字說明的形式交給 Genie 4，同時由後者生成場景。長遠來看，安全且變化無窮的訓練世界，可供機器人和軟體代理練習，這才是背後的商業著眼點；距離有人販售 Genie 遊戲，還有很長一段路。

電影工作者與攝影記者率先試用

DeepMind 一直在與創意產業、新聞、教育、遊戲和工程領域的團體合作測試 Genie 4。電影工作者把它當作預覽製作的草稿模式，進入即時生成的場景，反覆拍攝多個版本，同時調整鏡頭角度、燈光、對白和動作。遊戲開發者則能在幾秒內把構想變成可探索的原型，甚至還沒寫下一行遊戲引擎程式碼。企業合作夥伴也正嘗試用它快速生成各種情境。

最需要謹慎處理的實驗涉及攝影記者。他們正在測試，能否在幾秒內把一張檔案照片轉化為該地點的模擬版本，並讓其中的人物活動起來。DeepMind 也提到，可以用它呈現暴洪或野火如何蔓延。若能在一條真實的歷史街道上漫步，街上的虛構人物還能開口交談，這同樣也會是一場足以亂真的造假。DeepMind 的應對方式是 SynthID：它會在 Genie 4 生成的所有影片和音訊中嵌入肉眼看不見的浮水印，此外還包括內部安全評估，以及逐步推廣。SynthID 只有在平台和觀眾確實使用偵測工具時才有用；而且畫面上沒有任何提示，能讓一般觀眾看出影片是合成的。

生成的世界仍會逐漸偏移

DeepMind 對這項技術的限制坦承得相當少見。Genie 4 能在短時間內維持環境連貫，但模擬時間拉長、經過多次複雜的提示詞修改，或是你在場景中四處移動時，視覺細節和物體的持續性都可能改變。複雜的物理互動、精確的即時音訊、清晰易讀的文字、空間準確度，以及長時間維持一致性，仍全是尚待解決的研究問題。簡單來說，你一分鐘前經過的書架，轉身回頭時可能已經不是同一個。

目前大多數人也還無法親自試用。Genie 4 仍是僅供受信任測試者使用的研究預覽版。Google 表示，這項服務即將透過 Project Genie 開放給 Google AI Ultra 訂閱者使用；Project Genie 是用來生成世界的網頁應用程式。此外，Gemini API 和 Google AI Studio 的早期合作夥伴也將獲得使用權，候補名單目前已開放。官方尚未公布推出日期；除了 Ultra 訂閱方案——Google 最昂貴的 AI 計畫——之外，也沒有公布其他價格，更未說明哪些國家會率先開放。Project Genie 在 2026 年 1 月 29 日推出時使用的是 Genie 3，當時僅開放給美國年滿 18 歲的 Ultra 訂閱者，且每次體驗最多 60 秒。

DeepMind 於 2026 年 10 月 27 日宣布 Genie 4，公告由萊雅·哈德塞爾（Raia Hadsell）、迭戈·里瓦斯（Diego Rivas）和齊航（Hang Qi）署名。這條發展脈絡始於 2024 年 2 月，當時的模型能把圖片轉成簡單的 2D 平台遊戲；同年 12 月，Genie 2 將場景帶進 3D；到了 2025 年 8 月，Genie 3 則實現即時探索。每一代都加入了新能力：先是第三維度，接著是即時移動，如今則有了聲音和語音。Genie 4 還得證明一件事：一個世界能不能把自己的樣貌記住，時間遠超喝完一杯咖啡的工夫。

標籤: 人工智慧, Google, Gemini, Google DeepMind, Genie 4, Project Genie

更多類似內容

《薩爾達傳說 時之笛》Switch 2重製版試玩：貓頭鷹不再囉嗦，提示改藏進任務日誌與地圖

你的手機或路由器，可能就是被偷偷出租的1700萬台裝置之一

馬克・祖克柏宣布 Muse Spark Open 可搭配 Apple 使用；雙 Mac Studio 配置仍未開賣

山姆·奧特曼：「我們現在就處於奇點之中」

Google Home轉型為開放基礎設施 — MCP讓Claude、ChatGPT和任何AI都能控制Nest裝置

Apple刪除Face ID打造最薄可折疊手機——iPhone Ultra售價2,000美元起