DeepMind 发布 Genie 4：世界模型首次原生出声，还能边走边对话，目前仅限受信任测试者
zovo约 2 分钟读完
Google DeepMind 10 月 27 日发布世界模型 Genie 4。和一年多前的 Genie 3 相比，它最大的变化是同一次生成里带出声音：环境噪声、音乐和角色对话跟画面一起实时产出，不用后期配音。目前只开放给受信任测试者，消费者和开发者入口还没开。
01变了什么
官方博客列出四项能力：用自然语言实时改动正在运行的世界（换天气、挪镜头、加人或物体）；更真实的物理和人物动作；原生音频，包括可随输入即时变化的对话；以及让 Gemini 参与复杂多步事件的模拟。
| 能力 | 官方说法 |
|---|---|
| 实时改世界 | 用文字提示调整正在演化的场景，Gemini 会结合上下文改写提示，并在两次输入之间监控、推动场景连贯发展 |
| 物理与人物 | 官方称能模拟空气动力、碰撞等物理场景，人物动作自然，可实时操控 |
| 原生音频 | 这是 DeepMind 首个原生生成音频的实时世界模型，环境声、音乐、对话都由 Genie 4 直接产出 |
| Gemini 在环 | Gemini 3.8 Flash 在循环里观察画面、拆解目标、逐帧检查每步是否完成，用户中途插手时现场改计划 |
02和 Gemini 怎么配合
官方的说法是 Genie 4 吸收了 Gemini 家族的能力：Gemini Omni 负责让画面贴近真实世界的外观和行为，其他 Gemini 模型负责推理，维持模拟的连贯。博客举的机器人例子里，Gemini 4 Argon 把“下跳棋”拆成步骤，以文字说明的形式穿插喂给 Genie 4，由它渲染 Apptronik 的 Apollo 人形机器人下棋。DeepMind 把这条路线叫作“混合世界模型”：语言和代码负责结构与叙事，Genie 负责像素级的物理现实。
03能用吗
- 现状：研究预览，仅限受信任测试者。
- 接下来：先面向 Google AI Ultra 订阅用户（在 Project Genie 里），以及 Gemini API 和 Google AI Studio 的早期访问伙伴，具体时间官方只写“即将”。
- 排队：官方放出了 Project Genie 的等候名单表单，入口在官方博客页顶部。
- 所有生成的视频和音频都带 SynthID 水印。
04官方承认的短板
官方写得比较克制：只能在较短的会话里保持环境连贯，运行越久、改提示越多、走动越多，细节和物体恒常性越容易漂移；复杂物理交互、实时音频准确度、画面里的可读文字、空间精度和长期一致性都还在研究。以上是官方自述，本站没有机会实际体验。
05对谁有意义
官方提到测试者的用法集中在影视预演（实时跑多个“镜头”）、把一张历史照片变成可探索的场景、游戏原型的快速概念验证，以及企业的场景模拟。如果你做的是这几类，值得先排队；其余人现阶段只能看演示。
提示博客里的演示视频是官方挑选的，不代表日常使用的稳定表现；等 Ultra 用户能上手后，再看长时间使用的反馈更可靠。
资料来源（2026-10-28 核对）
本文由 zovo 编辑撰写，转载请注明出处。
Claude Code
Hy-Memory
Octop