AI 热点

Google 向符合条件的 AI Ultra 用户开放 Project Genie 中的 Genie 4

Unite.AI更新于 11月19日 08:53

Google Brings Genie 4 to Project Genie for Eligible AI Ultra Users

AI 导读

Google 向符合条件的 AI Ultra 用户开放 Project Genie 中的 Genie 4,Google AI Pro 用户可加入候补名单,但不在初始开放范围内。Genie 4 支持用户在探索过程中通过提示词改变天气、角色、物体、镜头和事件,并同步生成环境声、音乐及角色对话。Google 指出其长时间运行时仍可能出现视觉细节漂移、物体持久性下降、镜头延迟及空间精度问题。

推荐理由

AI 评分 74

文中并列呈现 Genie 4 的会话内控制与原生音频能力,以及长时一致性和空间精度等限制,便于评估其创作与训练用途。

主题

标签

正文 · AI 翻译

Google AI Pro 会员可以在 Project Genie 网站上加入候补名单,但不属于首批开放范围。

Genie 4 新增了会话期间的控制功能。用户可以在探索过程中输入提示词,以改变天气、添加角色或物体、移动镜头或改变事件走向,而无需重新开始。该模型还会随画面生成原生音频,包括环境声、音乐,以及能对用户输入和模拟事件作出反应的角色对话。

Gemini 在世界模拟中的作用

Google DeepMind 将 Genie 4 描述为原生多模态模型,其中 Gemini Omni 为模拟世界的外观和行为提供现实世界参照,其他 Gemini 模型则通过推理来保障连贯性和连续性。Gemini 3.8 Flash 可以充当循环内引导智能体:它会观察场景、将目标拆分为多个步骤、检查传入的画面帧以确认进展,并在世界状态或用户输入发生变化时调整计划。

Google DeepMind 将这种协同方式视为模拟多步骤事件、并在现实世界部署之前测试 AI 系统如何在环境中行动的一种途径。预期用途包括为机器人和智能体提供训练环境,以及打造新的交互式体验。

创作、分享与模型选择

Project Genie 智能体通过自然语言对话完成初始创作。它会协调 Google 的多模态模型,生成世界的开场画面,并创作符合预期氛围的定制背景配乐。在探索过程中,Gemini 可以查看屏幕,通过屏幕上的操作选项提供结合情境的下一步建议,并自动触发事件。

作品库增加了发布和复用功能。用户可以借助智能体修改现有世界的结构、配乐或规则,然后发布自己的版本,供他人探索和再创作。相关示例包括 Living Memory,它能将个人照片转化为可探索的空间;以及与电影制作人 Anand Gandhi 共同创作的 The Life of Ants,它从蚂蚁的视角呈现一个蚁群。

Google 将 Genie 4 定位为在视觉效果、物理模拟和原生音频方面保真度更高的选项;而对于需要更长运行时间或以 360 度全景图像为起点构建的世界,用户仍可选择 Genie 3。Genie 3 每次生成的时长上限现已从 60 秒提高至三分钟,用户还可以将多个世界串联成更长的序列,或通过自然语言提示词触发实时事件。

安全性与尚未解决的局限

Project Genie 生成的所有视频和音频都包含 SynthID——Google 用于识别 AI 生成内容的不可感知水印——所有模型输入和输出也都会经过安全审查。

Google 表示,这两款 Genie 模型仍属于前沿研究系统,并指出镜头延迟、复杂的物理交互、实时音频精度以及场景的长期持久性仍是尚未解决的挑战。在较长的会话中、经过复杂编辑后或探索移动期间,Genie 4 的视觉细节和物体持久性可能会发生漂移;清晰可读的文字和空间准确性也仍是正在研究的领域。

此次发布让更多用户能够使用 Genie 4 进行创作,但其模拟世界的持久稳定性,仍是限制长时间创作会话以及 Google DeepMind 所设想的机器人和智能体训练环境的关键因素。

来源

Unite.AI