Google DeepMind 发布 Genie 4 世界模型，文字提示可生成可探索的交互世界
🌎 Google’s Genie 4 turns short text prompts into interactive worlds you can explore with your keyboard. It generates visuals and sound together, while Gemini helps guide events and maintain continuity. Beyond creative experiments, Google is researching whether these worlds could provide more varied training environments for robots and AI agents. Robots already learn in simulations, but generating new scenarios could expand where they practice. The challenge is reliability, however, as objects can drift, details can change, and complex physics can fail. Creating a convincing world is one important step. Making its lessons useful in the real world is the bigger test ahead.
Google DeepMind 发布 Genie 4 世界模型，输入短文字提示即可生成可用键盘探索的交互环境，并同步生成环境音、音乐和随场景变化的角色对白。Gemini 3.8 Flash 会逐帧检查生成画面、把目标拆成步骤并随场景变化调整计划，Genie 4 还改进了人物动作以及碰撞、空气动力学等物理交互。
粉丝 8.6万
The latest in AI and robotics, explained Founder & CEO of @The Rundown AI Zurich 🇨🇭 / NYC 🇺🇸
- 浏览
- 594
- 点赞
- 14
- 评论
- 1
- 分享
- 0
- 收藏
- 4
平台标注：AI 生成内容
数字来自平台，为最近一次抓取时的数据。
同一新闻，精选展示《Google DeepMind 发布世界模型 Genie 4，支持实时交互与原生音频生成》
以下是视频口播的自动转写，可能有错字。
那么，看看我输入一座水下城市，然后点击这个按钮会发生什么。我一直在测试谷歌 DeepMind 的新 Genie 4 世界模型，它能生成环境。
你可以用键盘进行探索，身处其中时，你可以做诸如改变天气、放入一个角色或物体，或者，嗯，几乎任何事，只需输入文字即可。
很酷的是，它还会在生成画面的同时生成声音，包括环境噪音、音乐，以及对话会根据实际发生的情况而变化的角色。
下一班列车将在两分钟后出发。但如果我们退后一步来看，这就是谷歌试图防止这个世界崩溃的方式。
基本上，另一个名为 Gemini 3.8 Flash 的 AI 会在 Genie 生成画面时监视传入的帧。它把目标拆解成步骤，检查每一步是否发生，并在你实际改变场景时调整其计划。
谷歌表示，Genie 4 还改进了人体运动和物理交互，包括碰撞和空气动力学。但需要明确的是，它仍处于非常实验性的阶段。
物体可能意外变化，视觉细节会漂移，复杂的物理效果也可能失效。但总体而言，这对谷歌更大的雄心非常重要。
那就是创造环境，让机器人和 AI 智能体在真实世界行动之前进行练习。如果你想持续了解 AI 和机器人领域的最新动态，请关注以获取更多内容。
来源：TikTok · Rowan Cheung · tiktok.com