Genie 4：带原生音频的实时交互世界模型
Google DeepMind 在 2026 年 10 月 27 日公布 Genie 4：用文字造世界、用键盘走进去、用一句话改天气。它原生多模态，音乐、环境音和交互对白跟画面一起生成，官方与媒体报道称单段场景可保持一致两分钟（Genie 3 的两倍）。目前只是研究预览，先给可信测试者
工具界面
交互式工具即将上线
功能特点
- ✓ 原生多模态：画面、音乐、环境音、交互对白同时生成，不用另接配音或音效模型
- ✓ 实时操控：用自然语言改天气、移机位、加新人新物，Gemini 会按场景上下文改写提示词
- ✓ 物理与人物更真：空气动力学、碰撞等真实物理场景，人物动作自然、能实时被引导
- ✓ 一致性翻倍：官方与媒体报道称单段场景可维持最多两分钟，是 Genie 3 的两倍
- ✓ 建立在 Gemini 家族上：Gemini Omni 锚定真实外观与行为，其他 Gemini 模型负责维持模拟的连贯性
使用步骤
- 先弄清可用性：目前只对可信测试者开放研究预览，普通用户还进不去
- 排队等入口：Project Genie 有公开 waitlist，之后会先给 Google AI Ultra 订阅者
- 开发侧留意 Gemini API 与 Google AI Studio 的早期访问伙伴名额
- 评估用途时按官方定位走：机器人/智能体训练环境、影视与游戏概念验证、教育与新闻场景复现
常见问题
Genie 4 什么时候发布？现在能用吗？
2026 年 10 月 27 日发布，官方原文见 https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation 。它是研究预览，目前只给一小批可信测试者，普通用户和开发者要等后续放开。
和 Genie 3 最大的差别是什么？
两点：一是原生音频，音乐、环境噪音和交互对白跟世界一起实时生成；二是可控性，能用自然语言中途改天气、移镜头、加人加物。媒体报道称单段场景可维持最多两分钟，是 Genie 3 的两倍。
什么时候能自己用上？
官方说法是先在 Project Genie 里给 Google AI Ultra 订阅者开放，同时对 Gemini API 和 Google AI Studio 的早期访问伙伴开放，Project Genie 有公开 waitlist。具体时间官方没给日期。
生成的声音是后期配的吗？
不是。官方明确写了演示里所有声音都由 Genie 4 直接生成，包括环境音、音乐和交互对白，不是外部音效库贴上去的。
能拿来做生产吗？
官方自己把它定位成 early、experimental 的研究里程碑，还在和创意、新闻、教育、游戏、工程等行业的测试者收集反馈。现阶段更适合做原型验证和训练环境探索，不适合当生产依赖。