谷歌DeepMind发布Genie 4研究预览版，首次实现原生音视频同步生成，连贯模拟时长提升至2分钟

2026年10月27日，谷歌DeepMind正式对外推出新一代世界模型Genie 4研究预览版。这款模型迎来两大标志性升级，不仅第一次做到原生音视频同步生成，单次连贯虚拟场景模拟时长也实现翻倍，最长可以持续约2分钟，交互式虚拟世界的真实感得到明显提升。

Genie 4最核心的突破就是原生音视频同步。模型在渲染画面的同时，同步输出配套环境音效、背景音乐，虚拟角色还可以根据场景变化，生成实时交互对话，不再是画面和音频后期拼接。用户在虚拟场景运行的过程中，可以用自然语言实时下达指令，随时修改天气、调整镜头角度，或者往场景内新增人物、物体，无需重启整个模拟流程。

在物理仿真与人物拟真层面，模型对空气动力学、物体碰撞等物理规则模拟精度进一步优化。虚拟人物的肢体动作、面部表情更加贴近真人表现，虚拟世界的真实感更强。

这套世界模型依托Gemini系列大模型协同工作，Gemini承担“导演”角色，负责场景规划、画面逻辑校验，保证长时间模拟过程里场景逻辑连贯。上一代Genie单次连贯模拟大约1分钟，Genie4直接翻倍至2分钟，可支撑更长的连续交互场景。

官方将Genie 4的落地场景锁定三大方向：游戏快速开发、影视前期原型制作、交互式学习以及机器人仿真训练。不过现阶段模型依旧存在明显短板，长时间持续模拟运行后，容易出现物体细节漂移的问题，音频准确度、画面文字清晰度还有待持续优化。

目前Genie 4仅对可信测试人员开放体验。按照计划，未来几周会逐步向AI Ultra订阅用户，以及API早期合作方开放访问权限。

业内分析，传统AI视频模型大多是一次性生成固定片段，而世界模型可以持续动态推演可交互虚拟环境。Genie4补齐原生音频短板，代表交互式AI虚拟世界迈出重要一步，但想要直接用于制作完整大型开放世界游戏，仍要攻克长时间场景一致性等技术难题。谷歌AI战略 AI全模态 AI定位系统 AI4硬件 aigpt4 ai版crm 谷歌TPUv8 谷歌cloud