【信報財經新聞】谷歌(Google)人工智能(AI)部門DeepMind發布新一代世界模型(World Model)Genie 4研究預覽版，推出四個關鍵功能，並首次加入即時音訊生成能力，包括音樂、環境音效和角色互動對話，並與現實世界同步進行。
據介紹，透過標準鍵盤控制進行導航和鏡頭控制，藉文字提示來引導場景演變，如改變天氣、移動鏡頭角度，或引入新的人物或物體，保持場景一致性長達兩分鐘，較上一代產品增加1倍，擁有更出色物理效果和更逼真角色。
Gemini與Genie 4整合度更高，並扮演導演(director)角色，負責規劃步驟和檢查等，Genie則負責創造視覺效果。在一項與Gemini Robotics研究實驗中，Gemini 4 Argon模型將任務分解成多個步驟，Genie 4即時模擬這些步驟。該實驗展示一種在現實世界中實際操作前，透過模擬測試機械人場景可能方法。
谷歌研究總監Tejas Kulkarni簡報會上表示，未來將有愈來愈多這種混合世界模型，結合Gemini編寫程式碼和文字，及Genie實時接收訊息並在不同層次模擬現實。
目標遊戲、互動學習和機械人技術
與其他世界模型一樣，這些模型提出的商業應用案例，包括遊戲、互動學習和機械人技術。如使用者置入一幅歷史場景畫作，並與畫中人物就所描繪事件進行對話。在「可信測試人員」指，這項技術亦有其他新用途，如電影原型製作。
谷歌DeepMind工程師Diego Rivas指出，那些需要保持創作心流程，即時生成顯得尤為重要，如在構思、分鏡(Storyboarding)階段。另外，谷歌提供Veo，為AI影片生成模型，可按文字、圖像或視訊提示，生成具有內建同步音訊高清視訊片段，在電影製作人中愈來愈受歡迎。
