![文章封面](https://developer.qcloudimg.com/http-save/10106350/97e1d8ff4d6ffeb93c4ef0c23617ff27.jpg)

DeepMind发布了新一代世界模型Genie 4。相比此前版本，这次最大的变化是加入了原生音频生成能力，官方称其为"DeepMind首个原生生成音频的实时世界模型"。

![](https://developer.qcloudimg.com/http-save/10106350/81829ccc47e36bd0bc99c99ea70748c4.jpg)

## 音频生成是怎么加进去的

世界模型（world model，指能模拟环境变化并预测后续状态的AI模型）此前主要生成画面，声音通常靠后期叠加或单独处理。Genie 4的做法不同，官方博客写道，它"原生支持多模态，能够在生成世界画面的同时，同步生成类似音频的音乐、环境噪音和交互式对话"。也就是说，画面、音乐、环境声和对话在同一个生成过程里产出，不是分开渲染再合成。

这套能力建立在Gemini系列模型基础上。官方表示，Genie 4模型"整合并扩展了Gemini家族的能力"。具体分工上，Gemini Omni负责把模拟结果锚定到真实世界的外观和行为上;Gemini 3.8 Flash则在交互循环中充当实时引导代理（agent，指能自主执行任务的AI程序），实时调整模拟过程中的内容生成。

官方博客给出的一个演示场景是：用户骑着一条巨大的黑龙，以每小时140公里的速度穿越一条多山的龙族竞速赛道。这类场景展示了实时生成画面与配套音效同步输出的效果。

## 开放范围和获取方式

目前Genie 4已经开始作为研究预览版，向受信任的测试者推出。面向消费者和开发者的发布会分批进行，第一批是Google AI Ultra订阅用户（通过Project Genie），以及Gemini API和Google AI Studio的早期访问合作伙伴。

普通用户和多数开发者目前还接触不到这个模型，开放节奏和具体功能边界官方没有给出更详细的时间表。

## 适用人群与待观察问题

这次更新主要值得关注的是两类人：一是做游戏、影视预演（previz）或模拟训练内容的开发者，他们关心的是画面与音效同步生成能否减少后期合成的工作量;二是关注AI生成内容质量的研究者，关心原生音频生成在真实感和一致性上能到什么水平。

官方博客没有公开具体的性能对比数据或与前代Genie模型的量化差异，音频生成的延迟、音质和长时程稳定性目前还缺乏第三方测试结果，这些留待后续观察。

DeepMind发布新一代世界模型Genie 4，首次实现实时原生音频生成，并由Gemini系列模型提供多模态能力和实时引导，目前仅向受信任测试者开放预览。

Genie 4新增原生音频,实时世界模型加入声音生成

人工智能

音视频

开发工具

DeepMind推出Genie4世界模型，实现原生同步生成画面与音频（音乐、环境声、对话），基于Gemini系列模型整合。面向信任测试者及Ultra订阅用户开放，聚焦游戏与影视预演场景，但性能数据未公开，音频质量待第三方验证。

世界模型

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Genie 4新增原生音频,实时世界模型加入声音生成-腾讯云开发者社区-腾讯云

Genie 4新增原生音频,实时世界模型加入声音生成

Genie 4新增原生音频,实时世界模型加入声音生成

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐