谷歌生成式世界模型的听觉转向与一致性边界
📊 本文共 3,790 字 ☕ 预计按 500 字/分钟速度阅读,需要 8 分钟 一、从无声画面到有声世界的发布事实 2026年10月27日,谷歌深层思维(Google DeepMind)发布了世界模型 Genie4,并将其定位为该系列首个能够原生生成音频的实时世界模型。所谓世界模型,并非一段预先渲染好的视频,也不是对文本的描述,而是一种能够根据文本提示或者参考图像即时生成可探索环境的人工智能系统,使用者可以通过键盘控制在环境中移动视角,并在运行过程中继续发出指令。根据谷歌深层思维(GoogleDeepMind)在2026年10月27日公布的信息,Genie 4...
