Genie 4 给世界模型加上声音：改天气、加角色，还能实时生成对话

新增的不只是音频

Genie 4 是 DeepMind 第一个原生带音频的世界模型：环境声、音乐和角色对话随场景一起生成。官方演示里，你可以用自然语言移动镜头、改变天气、引入新角色，模型会推演接下来发生什么、听起来是什么样、人物怎么动、怎么回应。物理方面，DeepMind 称空气动力学和碰撞的表现比上一代更接近真实，人物动作也没那么「恐怖谷」。

它靠什么保持连贯

模型建立在 Gemini 家族上：Gemini Omni 负责把模拟锚定在真实世界的外观与行为，其他 Gemini 模型提供推理能力，维持场景的连贯与连续。这也是它更像「可交互模拟器」而不是「一段生成视频」的原因——同一个世界可以持续被操控，而不是每次重新生成。

谁能用、什么时候

目前只向一小批可信测试者开放。接下来会进入 Google AI Ultra 订阅者的 Project Genie，以及 Gemini API 和 AI Studio 的早期访问伙伴，需要排队。价格没有公布。作为参照，Genie 3 当年也没有走出 Project Genie 这个小范围，AI Ultra 的起售价是每月 100 美元。

现实一点的判断

世界模型最现实的用途是给机器人和 agent 造训练环境，其次是影视预演和游戏原型。但「研究预览」意味着延迟、并发、稳定性和计费方式都还没有答案。现在能做的评估是物理一致性和可控性：同一个提示重复几次，场景会不会漂移；镜头移动后，物体还在不在原来的位置；声音和画面是否对得上。这些比 demo 好不好看更能决定它能不能进工作流。

如果世界模型只能演示，它是个昂贵的视频生成器；如果能稳定复现同一场景，它才是仿真基础设施。