谷歌推出世界模型可中途编辑场景

一、世界模型开放中途编辑与原生音频

北京时间 2026 年 11 月 18 日,谷歌(Google)通过 Project Genie 向符合条件的 Google AI Ultra 订阅用户开放了世界模型 Genie 4。用户可以在会话中途用提示词编辑正在生成的世界,改变场景、物体与走向,生成内容还会配上随场景变化的原生音频。Genie 4 是谷歌世界模型路线的最新成果,此前一代 Genie 3 已经展示了用提示词生成可探索交互世界的可能,新一代把编辑自由度与音频表现推向了新的高度。谷歌表示,生成内容的输入与输出都会经过安全筛查,生成的视频与音频将带有 SynthID 水印,用于标识人工智能生成内容。

二、交互方式升级与安全边界并行

Genie 4 的关键变化在于交互方式。过去的生成式视频多是一次成型,提示词只能在生成之前发挥作用,生成之后如果不满意,只能重新生成。Genie 4 允许用户在会话中途介入,用新的提示词修改已经生成的世界,场景可以在对话过程中不断演变。原生音频是另一处升级,声音不再是后期贴上去的配乐,而是随场景变化而生成的环境音与效果音,让生成的世界在听觉上也保持连贯。谷歌同时为 Genie 4 划定了边界:输入与输出都要经过安全筛查,生成的视频与音频带有 SynthID 水印,谷歌希望借此减少伪造内容的滥用风险。谷歌也坦言,Genie 3 与 Genie 4 仍然属于前沿研究模型,在延迟、物理交互与音频精度上存在局限,生成的世界在物理规律与细节一致性上仍会出错。研究模型的定位意味着 Genie 4 更像是一次公开试验,谷歌在收集真实用户反馈的同时,继续打磨世界模型的稳定性。

三、世界模型走向创作工具与模拟训练

世界模型正在成为人工智能竞争的新方向,谷歌、初创公司与游戏厂商都在尝试用生成式模型创造可交互的虚拟世界。Genie 4 把编辑与音频结合起来,让普通用户也能像导演一样调整生成世界,降低了创作门槛。对游戏开发、影视前期制作与模拟训练而言,能够中途编辑的世界模型可以缩短试错周期,创作者不必每次都从头生成。局限同样明显,延迟与物理交互的短板决定了 Genie 4 目前更适合创意探索,而不是对精度要求严格的工业仿真。谷歌选择先向 Google AI Ultra 订阅用户开放,既控制了使用规模,也让高价值用户先行验证。世界模型要真正进入生产环节,还需要在一致性、响应速度与成本上继续突破,Genie 4 是这条路上的重要一步。

信源跟踪: 谷歌官方博客、The IT Guys | 数据时间: 北京时间 2026-11-18

类似文章

发表回复