Google DeepMind 发布 Genie 4 世界模型，新增实时音频与场景控制

Google DeepMind 周二以研究预览形式发布 Genie 4 世界模型，可生成实时音频，并允许用户在模拟过程中输入提示词改变场景。Genie 4 可维持最长两分钟的场景，提供更逼真的画面、物理表现和自由编辑，并由 Gemini 规划步骤和检查帧；官方仍承认长时间模拟会出现细节漂移，音频准确性和场景文字清晰度也未完全解决。