DeepMind发布Genie 4，支持实时探索和修改生成的世界，并新增原生音频与互动对话。 核心特征： • 实时控制：用键鼠移动视角，用文字改变天气、添加… · @bitbiz_bruce · TwKit

@bitbiz_bruce

DeepMind发布Genie 4，支持实时探索和修改生成的世界，并新增原生音频与互动对话。 核心特征： • 实时控制：用键鼠移动视角，用文字改变天气、添加人物和物体、调整场景。 • 原生音频：同步生成环境声、音乐、背景噪声和人物对白。角色可对用户输入及场景事件作出回应。 • 视觉与物理：结合Gemini Omni，增强画面细节、碰撞、空气动力学及人物动作表现。 • 推理协同：Gemini 3.8 Flash持续观察画面、拆解目标、检查执行结果，并根据变化调整计划。 • 机器人研究：官方展示Gemini 4 Argon与Genie 4协同，模拟Apollo人形机器人下跳棋。属于仿真演示，不是实体机器人测试成绩。 已披露的限制： 连续交互为数分钟级。长时间运行、复杂修改和持续移动可能导致细节与物体一致性漂移。复杂物理、空间准确性、文字显示和实时音频仍在改进。 开放进度： 目前向受信任测试者提供研究预览。后续计划面向Project Genie中的Google AI Ultra订阅用户，以及Gemini API和Google AI Studio早期合作伙伴开放，具体日期未公布。 所核对官方资料尚未公布明确帧率、分辨率、响应延迟及API价格。生成的视频和音频均将加入SynthID隐式水印。

曝光 29 · 评论 0 · 点赞 0 · 书签 0