Genie 4

凤凰网科技讯 北京时候10月28日，据科技网站TechCrunch报谈，谷歌DeepMind在周二发布了其最新天下模子Genie 4的酌量预览版。这一最新模子能够生成迄今最传神、最具交互性的天下，允许用户在模拟历程中输入教唆词来改革场景。该模子还能生成与模拟天下相匹配的及时音频，包括音乐、环境音效和交互式对话。

Genie 4是谷歌为了在竞争热烈的天下模子限制保握卓著地位而领受的最新举措。就在Genie 4发布的几个月前，AI视频创业公司Runway推出了其第二款天下模子GWM Worlds 2。这是一款可交互的模子，能够说明用户输入动态作出反应，并具备音频生见遵循。与此同期，天下模子行业驱动出现整合趋势。李飞飞的World Labs正被AMD收购，亚马逊正在洽谈收购Decart，而Rivian刚刚收购了Third Dimension，以将模拟才能引入里面用于自动驾驶测试。

和谷歌一年前发布的上一代天下模子Genie 3比较，除了画面愈加传神并加入音频功能外，Genie 4还撑握解放裁剪，举例及时改革天气或录像机角度，以及添加新东谈主物或物体。它能够将一致的场景保管长达两分钟，是上一代模子的两倍，同期还具备更出色的物理模拟后果和更接近真东谈主的变装。

Genie 4生成画面更传神

谷歌AI模子Gemini也与Genie 4终显着更致密的整合。Gemini充任“导演”，讲求估计门径并查抄画面，而Genie则讲求生成视觉实质。在一项与Gemini Robotics干系的酌量实验中，Gemini 4 Argon模子将任务看法为多个门径，再由Genie 4进行及时模拟。这项实验展示了一种潜在的次第，即在机器东谈主实施践诺天下中的任务之前，先通过模拟环境测试干系场景。

“昔时，咱们将越来越多地看到这种夹杂式天下模子，将Gemini编写代码和文本的才能与Genie及时汲取这些实质、并在不同详细档次上模拟践诺的才能集合起来。”谷歌酌量总监特贾斯·库尔卡尼(Tejas Kulkarni)在一次媒体吹风会上暗意。

与其他天下模子同样，Genie 4所对准的贸易哄骗场景包括游戏、交互式学习和机器东谈主技艺。交互式学习的一种假想是，用户不错插足一幅态状历史场景的画作，与画中东谈主物交谈，了解画作所呈现的历史事件。

不外，首批获准体验谷歌前沿居品的“受信任测试东谈主员”指出了另一种潜在用途：制作电影原型。

谷歌DeepMind工程师迭戈·里瓦斯(Diego Rivas)在媒体吹风会上暗意：“及时功能最大的价值在于，它能让创作家保握教悔的创作情状。举例，在创意构念念和故事板制作阶段，或者任何需要快速产生创意的场景中，这项功能齐极度有效。”

谷歌还提供AI视频生成模子Veo，不错说明文本、图像或视频教唆词生成带有同步音频的高清视频片断。这款用具正越来越受到电影制作主谈主的迎接。

里瓦斯补充说，昔时用户大致不错借助Gemini Omni，将这些原型回荡为可用于创作的素材。Gemini Omni是一款多模态大言语模子，能够说明图像、音频和文本生成视频。不外，他暗意，终了这些功能仍需要一段时候。

在整场媒体吹风会上，里瓦斯反复强调，Genie 4仍处于早期发展阶段，最终的端到端居品体验会是什么形状，当今还不显着。团队也承认，Genie 4仍存在一些不及：跟着模拟运行时候蔓延，细节和物体可能出现偏移或变化。此外，团队尚未统统责罚何如确保音频准确，以及凭空天下中的笔墨贯通可读等问题。

Genie 4现已面向受信任的测试东谈主员推出酌量预览版。昔时几周，该模子将通过Project Genie向Google AI Ultra订阅用户绽开，同期也将向Gemini API和Google AI Studio的早期勾通伙伴提供。Project Genie是谷歌推出的一款AI用具，不错说明文本或图像教唆词生成可交互的凭空天下。(作家/箫雨)

更多一手新闻开云官方，迎接下载凤凰新闻客户端订阅凤凰网科技。想看深度报谈，请微信搜索“凤凰网科技”。