Google 于 2026 年 11 月 18 日(美国时间)在官方博客宣布,世界模型“Genie 4”已可在实验性服务“Project Genie”中使用。适用对象为符合条件的“Google AI Ultra”订阅用户,目前正在分批推送。用户用文字描述一个世界后,即可在生成的画面中自由走动、亲身探索。

Genie 4 支持在探索中改写世界,并实时生成音频

世界模型是指根据用户操作,实时持续生成下一个场景的 AI 模型。Google DeepMind 将 Genie 4 定位为该公司迄今最逼真、交互性最强的世界模型。用户通过标准键盘控制移动和视角,再用文字指令推动场景发展。

此次更新后,Project Genie 用户可以在探索世界的过程中输入新的指令,改变自己创建的世界。Google 举出的例子包括切换天气、加入角色以及改变情节走向。

另一大亮点是音频。Genie 4 会配合画面,实时生成从环境音到角色对白的各类声音。Google DeepMind 表示,Genie 4 是该公司首个能够原生生成音频的实时世界模型。

新增通过对话构建世界的“Project Genie agent”和社区画廊

Project Genie 还新增了“Project Genie agent”,用户可以通过自然对话来构建世界。该智能体会调用 Google 的多个多模态模型,生成初始画面以及契合氛围的背景音乐。Google 表示,这让创作不再局限于单条文字或图片提示。

探索过程中,Gemini 会观察屏幕上的情况,推荐下一步可去的地方,或自动触发世界中的事件。用户可以把作品发布到社区画廊,供其他用户探索,或修改世界的结构、配乐和规则进行二次创作。画廊中的示例包括把个人照片变成可探索空间的“Living Memory”,以及由 Gemini 担任裁判的“Rock Paper Scissors”等。

上一代 Genie 3 单次生成最长可探索 3 分钟

原有的 Genie 3 仍可在模型选择器中继续使用。Google 表示,它适合需要长时间探索,或以全景图片为起点构建空间的场景。主要区别见下表。

项目Genie 4Genie 3(本次更新后)
探索中通过指令改变世界支持支持
音频实时生成环境音和对白未说明
单次生成可探索时长未说明最长 3 分钟(此前为 60 秒)
其他功能―串联多个世界/基于 360 度全景图片生成

值得关注的是探索时长的延长。Genie 3 单次生成的可探索时长从 60 秒延长到最长 3 分钟。另一方面,Google 并未公布 Genie 4 的分辨率、帧率以及单次探索时长。

先向 Ultra 用户开放,Pro 用户可加入候补名单

截至发稿时,Project Genie 正在向符合条件的 Google AI Ultra 订阅用户推出。Project Genie 网站将适用对象设定为 18 岁以上,并说明该服务本身是实验性的研究原型。“Google AI Pro”用户则可以加入候补名单。

对于提供的国家和地区、日本能否使用,以及何时向 Pro 用户开放,Google 在此次公告中均未说明。Project Genie 也没有列出单独的价格。

安全方面,Google 表示在 Project Genie 中生成的所有视频和音频都会加入数字水印“SynthID”。所有模型的输入和输出也都会经过安全审查。

笔者观点

Google DeepMind 曾于 2026 年 10 月 27 日,以研究预览形式向部分测试者提供 Genie 4。约 3 周后便交到付费订阅用户手中,可以看出 Google 正在加快这一领域的产品化。能够与画面同步生成音频,对于想用它来构思游戏或视频作品草稿的人来说,是相当大的进步。

不过,Google 自己也将镜头延迟、复杂的物理交互、实时音频的精确度,以及长时间保持场景一致性列为有待解决的课题。Genie 4 单次能探索多久也仍不清楚。尽管如此,随着 Ultra 用户已能实际上手,它到底有多实用,应该很快就会见分晓。

总结

Google 已在 Project Genie 中开放世界模型 Genie 4,该模型可在探索过程中通过指令改变世界,并同步生成音频。适用对象为符合条件的 Google AI Ultra 订阅用户,Pro 用户则可加入候补名单。包括日本在内的提供地区,以及向 Pro 用户开放的时间,截至发稿时仍未公布。

延伸阅读:Google DeepMind 对 Genie 4 的介绍(英文)