谷歌DeepMind推出新一代世界模型Genie 4 強化AI實時互動及模擬應用

科技巨擘谷歌（Google）旗下人工智能（AI）部門DeepMind近日發布新一代世界模型Genie 4的研究預覽版，標誌著其在人工智能生成領域的又一重要突破。是次發布重點推出四項關鍵功能，並首次將即時音訊生成能力整合其中，涵蓋音樂、環境音效及角色互動對話，且能與現實世界同步進行，受市場高度關注。 據悉，Genie 4賦予使用者透過標準鍵盤控制進行導航及鏡頭調整，並可藉由文字提示引導場景演變，例如改變天氣、移動鏡頭角度，或引入全新人物及物體，同時能保持場景一致性長達兩分鐘，較上一代產品性能提升一倍。新模型亦具備更出色物理效果及更逼真角色呈現。 值得留意的是，Genie 4與谷歌旗下另一個強大模型Gemini的整合度更高。在混合運作模式下，Gemini將扮演「導演」角色，負責規劃步驟及檢查，而Genie則專注於創造視覺效果。在一項與Gemini Robotics進行的研究實驗中，Gemini 4 Argon模型成功將複雜任務分解為多個步驟，隨後由Genie 4即時模擬這些步驟，充分展示了在實際操作機械人前，透過模擬測試多種可能方法以優化流程的潛力。 谷歌研究總監Tejas Kulkarni在簡報會上指出，未來將有愈來愈多此類混合世界模型湧現，它們能結合Gemini的編寫程式碼與文字能力，以及Genie實時接收訊息並在不同層次模擬現實的功能。分析指，這些模型提出的商業應用案例前景廣闊，主要涵蓋遊戲、互動學習及機械人技術等範疇。例如，使用者可將一幅歷史場景畫作置入模型中，並與畫中人物就所描繪的事件進行對話，帶來嶄新體驗。 有「可信測試人員」指出，這項技術亦能應用於其他創新領域，如電影原型製作。谷歌DeepMind工程師Diego Rivas則強調，對於需要保持創作心流的流程而言，即時生成功能顯得尤為重要，特別是在構思及分鏡階段。 此外，谷歌亦提供另一款人工智能影片生成模型Veo，該模型可根據文字、圖像或視訊提示，生成具有內建同步音訊的高清視訊片段，目前在電影製作人中愈來愈受歡迎，進一步豐富了谷歌在生成式AI領域的佈局。