Google DeepMind 揭晓了 Genie 4，一个能够根据文本和图像提示生成具有原生音频的逼真环境的实时世界模型。该先进模型在模拟循环中集成了 Gemini 模型，用于规划和推理，通过纯文本提示实现动态交互和场景控制。Genie 4 在其前身 Genie 3 的基础上，将场景一致性提高了一倍（达到两分钟），并引入了原生音频生成，使其成为向混合世界模型迈出的重要一步，在混合世界模型中，语言模型负责叙事结构，Genie 负责视觉和听觉渲染。 AI
影响 为创意产业、游戏和机器人领域提供更具沉浸感和交互性的 AI 驱动模拟。
排序理由 前沿实验室模型发布，附带系统卡。[lever_c_从 frontier_release 降级：ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
