Google Genie 4：由生成影片走向可即時操控的模擬世界
Google DeepMind 公布世界模型 Genie 4 的研究預覽版。模型可按文字或圖像 prompt 生成可互動場景，使用者更可在模擬進行期間輸入指令，改變天氣、鏡頭角度，或加入人物及物件；系統亦會即時生成配合場景的音樂、環境聲和互動對話。
這對創作、遊戲及模擬工作的意義，在於生成內容開始由一段固定輸出的影片，變成可持續回應操作的場景。不過，Genie 4 現階段只向「trusted testers」提供研究預覽，Google 亦明言仍未確定完整產品體驗；場景運行愈久，細節和物件可能飄移，畫面內文字未必清晰，音訊與畫面的準確配對亦尚未解決。
世界模型是甚麼
從今次公布的能力看，世界模型可理解為一種嘗試模擬環境及其變化規律的生成式 AI：它不只產生一格畫面或一段片段，還要在使用者移動、加入物件或改變條件後，繼續維持場景狀態並生成下一步結果。
Google 表示，Genie 4 可把同一場景維持一致最多兩分鐘，是前代上限的兩倍，並改善物理效果及角色的擬人程度。兩分鐘仍是一個相當清楚的邊界：它或足以支援概念驗證、短流程互動和局部模擬，卻未足以證明系統能長時間可靠地維持複雜世界。對需要準確記錄狀態的遊戲製作或機械人測試而言，這個限制尤其關鍵。
與 AI 影片工具的分別，在於能否改寫過程
Google 同時提供 Veo，用文字、圖像或影片 prompt 生成帶同步音訊的高清影片。兩者的工作方式不同：Veo 的重點是把 prompt 轉成影片成品；Genie 4 則把生成延伸至場景運行當中，容許使用者在中途介入，再由系統回應新的條件。
因此，Genie 4 較適合作為前期探索工具。例如創作者可快速試驗鏡頭位置、人物配置和場景氣氛，作為分鏡或概念原型；遊戲團隊可用它摸索互動場景；教學內容可嘗試讓學生進入模擬情境再與場景互動。這些是從其即時操控能力延伸出的潛在用途，並不代表 Google 已經提供可直接用於正式製作的完整工作流程。
Google DeepMind 工程師在簡報中亦提到，快速構想及分鏡是即時操作較有價值的場景。若日後可把互動原型轉為創作素材，影片前期工作或可少一輪反覆製作靜態草圖與預覽片段；但目前相關能力仍被 Google 形容為較遙遠的方向。
機械人模擬的吸引力與門檻
Genie 4 與 Gemini 的整合，顯示另一個方向。Google 的研究實驗中，Gemini 4 Argon 先把任務拆成步驟，再由 Genie 4 即時模擬，目標是先在虛擬環境測試機械人可能面對的情況。
這種組合的吸引力，是讓規劃模型提出步驟，世界模型則提供可反覆變動的練習環境。不過，若畫面物件會飄移、物理表現仍有限，模擬結果便未必可直接推回真實世界。換言之，它可用於探索及早期測試，但要成為高可靠度機械人驗證工具，仍取決於場景一致性和準確度能否提升。
Google 指 Genie 4 未來數周會在 Project Genie 向 Google AI Ultra 訂戶推出，亦會提供予 Gemini API 和 Google AI Studio 的早期合作夥伴；報道未有提供香港的支援範圍、訂閱售價或帳戶資格，現階段不宜假定本地用戶何時可用。
下一步值得觀察的，是 Google 對一般用戶開放後，能否以實際產品展示長時間狀態維持、清晰文字和可靠音畫對應。這些細節將決定 Genie 4 是停留在吸睛的互動展示，還是能進入創作、教學、遊戲原型和模擬開發的日常流程。
延伸閱讀
AI 輔助說明： 本文由 AI 協助整理，並經兩輪獨立自動品質審核；資料及連結仍以原始來源為準。
參考來源
- TechCrunch — Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering — original report
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
