Google DeepMind 发布了 Genie 4,一个能够实时生成交互式视频和音频的新型世界模型。该模型建立在 Gemini 系列 AI 的基础上,集成了多模态能力,可生成逼真的视觉效果、环境声音、音乐和角色对话。Genie 4 允许用户通过自然语言提示来引导世界,更准确地模拟物理,并使用 Gemini 3.8 Flash 作为引导代理来链接多步事件。虽然目前处于研究预览阶段,但它旨在推进 AGI 研究,并作为机器人技术的训练场,在电影制作和游戏开发方面具有潜在应用。 AI
影响 为实时视听世界模拟设定了新的 SOTA,可能加速 AGI 研究和机器人技术培训。
排序理由 前沿实验室模型发布,带有系统卡 [lever_c 从 frontier_release 降级:ic=1 ai=1.0]
- Delaware
- Gemini
- Gemini 3.8 Flash
- Gemini 4 Argon
- Gemini API
- Google AI Studio
- Google DeepMind
- Meta
- Microsoft
- SynthID
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →