DeepMind 发布 Genie 4 实时世界模型 支持原生音频与交互编辑
原标题：> Genie 4 is Google DeepMind’s first real-time world model with native audio, generating ambient sou...
88AI 研判分
Google DeepMind 推出首个具备原生音频能力的实时世界模型 Genie 4，可生成环境音、音乐及角色对话。该模型允许用户通过文本指令实时修改模拟场景（如天气、镜头），并由 Gemini 3.8 Flash 作为“循环导演”协调目标分解与帧检查，已在 Apptronik 人形机器人仿真中验证。目前仅向受信任测试者开放。
报道正文
Rohan Paul (@rohanpaul_ai) · 2026-10-27 17
Genie 4 是 Google DeepMind 推出的首个具备原生音频功能的实时世界模型，能够生成环境音效、音乐以及角色对用户和世界内事件作出反应的实时对话。
用户可以通过输入文字来重写正在运行的模拟场景，例如改变天气、移动摄像机或添加人物，而 Gemini 会将每次编辑适配到场景中并保持其连贯性。
Gemini 3.8 Flash 充当循环内的“导演”，将目标分解为步骤并检查传入的帧；Gemini 4 Argon 利用该循环模拟了 Apptronik 的人形机器人 Apollo 下跳棋的过程。
访问权限首先向受信任测试者开放，随后面向 Google AI Ultra 订阅用户和早期 Gemini API 合作伙伴。
