Google 於 2026 年 11 月 18 日(美國時間)在官方部落格宣布,世界模型「Genie 4」已可在實驗性服務「Project Genie」中使用。適用對象為符合資格的「Google AI Ultra」訂閱者,目前正逐步推出。使用者以文字描述一個世界後,就能在生成的影像中四處走動、親身探索。
Genie 4 可在探索途中改寫世界,並即時生成音訊
所謂世界模型,是依照使用者的操作,即時持續生成下一個場景的 AI 模型。Google DeepMind 將 Genie 4 定位為該公司至今最寫實、互動性最高的世界模型。移動與視角操作使用標準鍵盤控制,再透過文字指令推動場景發展。
此次更新後,Project Genie 使用者可在探索世界的過程中輸入新的指令,改變自己建立的世界。Google 舉出的例子包括改變天氣、加入角色,以及改變劇情走向。
另一大亮點是音訊。Genie 4 會配合影像,即時生成從環境音到角色對白的各種聲音。Google DeepMind 表示,Genie 4 是該公司第一個能原生生成音訊的即時世界模型。
新增以對話打造世界的「Project Genie agent」與社群展示區
Project Genie 也新增了「Project Genie agent」,讓使用者透過自然對話打造世界。這個代理會整合 Google 的多個多模態模型,生成初始畫面與符合氛圍的背景音樂。Google 表示,這讓創作不再侷限於單一的文字或圖片指令。
探索過程中,Gemini 會觀察畫面情況,建議下一步可前往的地方,或自動觸發世界中的事件。使用者可將作品發布到社群展示區,供其他使用者探索,或修改世界的結構、配樂與規則進行重新混搭。展示區中的範例包括將個人照片變成可探索空間的「Living Memory」,以及由 Gemini 擔任裁判的「Rock Paper Scissors」等。
前代 Genie 3 單次生成可探索最長 3 分鐘
既有的 Genie 3 仍可從模型選單中繼續使用。Google 表示,它適合想要長時間探索,或以全景圖片為起點建立空間的情境。主要差異如下表。
| 項目 | Genie 4 | Genie 3(本次更新後) |
|---|---|---|
| 探索途中以指令改變世界 | 支援 | 支援 |
| 音訊 | 即時生成環境音與對白 | 未載明 |
| 單次生成可探索時間 | 未載明 | 最長 3 分鐘(原為 60 秒) |
| 其他功能 | ― | 串連多個世界/以 360 度全景圖片生成 |
值得注意的是探索時間的延長。Genie 3 單次生成可探索的時間,從 60 秒延長至最長 3 分鐘。另一方面,Google 並未公布 Genie 4 的解析度、影格率及單次探索時間。
先開放 Ultra 訂閱者,Pro 會員可登記候補名單
截至撰稿時,Project Genie 正向符合資格的 Google AI Ultra 訂閱者推出。Project Genie 網站將適用對象設為 18 歲以上,並說明這項服務本身是實驗性的研究原型。「Google AI Pro」會員則可登記候補名單。
對於提供的國家與地區、日本是否可使用,以及何時開放給 Pro 會員,Google 在此次公告中皆未說明。Project Genie 也未列出單獨的價格。
安全方面,Google 表示在 Project Genie 中生成的所有影像與音訊,都會加入數位浮水印「SynthID」。所有模型的輸入與輸出也都會經過安全審查。
筆者觀點
Google DeepMind 曾於 2026 年 10 月 27 日,將 Genie 4 以研究預覽形式提供給部分測試者。約 3 週後便送到付費方案訂閱者手中,可見 Google 正加速將這個領域產品化。能與影像同步生成音訊,對想用它來構思遊戲或影像作品草稿的人而言,是相當大的進展。
不過,Google 自己也將鏡頭延遲、複雜的物理互動、即時音訊的精確度,以及長時間維持場景一致性列為待解決的課題。Genie 4 單次能探索多久也仍不明。儘管如此,隨著 Ultra 訂閱者已能實際上手,它究竟有多實用,應該很快就會見分曉。
總結
Google 已讓可在探索途中以指令改變世界、並同步生成音訊的世界模型 Genie 4,在 Project Genie 中開放使用。對象為符合資格的 Google AI Ultra 訂閱者,Pro 會員則可登記候補名單。包括日本在內的提供地區,以及開放給 Pro 會員的時間,截至撰稿時仍未公布。