Genie 4 是 Google DeepMind 首个带原生音频的实时世界模型，可生成环境音、音乐和角色实时对话
Google DeepMind 发布 Genie 4，称其为首个带原生音频的实时世界模型，可生成环境音、音乐，以及角色对用户和世界内事件作出反应的实时对话。用户可用文字改写运行中的模拟，如改变天气、移动镜头、添加人物，Gemini 负责把编辑适配进场景并保持连贯。Gemini 3.8 Flash 在循环中充当导演，拆解目标并检查帧；Gemini 4 Argon 借此模拟了 Apptronik 的 Apollo 人形机器人下跳棋。访问先从可信测试者开始，之后开放给 Google AI Ultra 订阅者和早期 Gemini API 合作伙伴。
发布于 10-29 00:19来源：Rohan Paul
转载 · 官方发布原文：Rohan Paul ·《> Genie 4 is Google DeepMind’s first real-time world model with native audio, generating ambient sound, music and live d》查看原链
Genie 4 是 Google DeepMind 首个实时世界模型，具备原生音频能力，能生成环境音、音乐，以及角色根据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改写正在运行的模拟，例如改变天气、移动镜头或添加人物，Gemini 会把每次编辑适配到场景中并保持连贯。
Gemini 3.8 Flash 充当循环内的导演，把目标拆解成步骤并检查传入的帧；Gemini 4 Argon 用这一循环模拟了 Apptronik 的 Apollo 人形机器人下跳棋。 访问权限先从可信测试者开始，随后开放给 Google AI Ultra 订阅者和早期 Gemini API 合作伙伴。