輸入一段文字，AI 就生成一個可以用鍵盤走進去、有聲音、還能隨時改天氣的立體世界。Google DeepMind 在美國時間 10 月 27 日發布新一代世界模型 Genie 4，展示影片看起來接近電玩遊戲，但它並不是預先做好的場景，而是即時運算生成的。目前仍是研究預覽階段，而且有一個明確的限制：一個場景大約只能維持兩分鐘。
重點摘要
- Genie 4 可依文字描述即時生成可互動的立體環境，並同步產生環境音、音樂與角色對話
- 使用者能在互動過程中用自然語言改變場景，例如換天氣、移動鏡頭、加入人物
- 場景一致性約可維持兩分鐘，是前一代的兩倍，但時間拉長後畫面細節仍會漂移
- 目前僅開放受信任測試者，未來數週將開放給 Google AI Ultra 訂閱者
即時運算的「世界模型」
一般的影片生成 AI，是先產出一段固定的影片，拍完就是那樣。世界模型不同，它生成的是一個可以互動的環境：使用者操作鍵盤移動視角，模型就即時運算出下一個畫面，等於一邊走、一邊生成。
Genie 4 是 Google DeepMind 在這條路線上的新一代成果，前一代 Genie 3 約在一年前發布。這類技術被視為訓練機器人與 AI 代理人的重要基礎，因為它能提供大量而且安全的虛擬環境，讓 AI 在裡面反覆嘗試，不必冒著在現實世界損壞設備的風險。
Genie 4 新增5項功能
-
原生音訊
這是 Google 第一個能原生生成音訊的即時世界模型。環境音、音樂與角色的互動對話會跟著畫面一起產生，而不是事後配上去的。
-
互動中即時改場景
在探索的過程中，可以用自然語言下指令，例如換成下雨、移動鏡頭角度，或加入新的人物與物件，Gemini 會讓新加入的內容與原本的場景互相搭配。
-
更接近真實的物理與角色
模型能模擬空氣動力學、碰撞等物理現象，生成的人物也能自然移動並回應環境變化。
-
場景維持時間加倍
一個場景的一致性約可維持兩分鐘，是前一代約一分鐘的兩倍。這是目前公開資訊中唯一具體的量化指標。
-
與 Gemini 深度整合
運作過程中由 Gemini 模型負責推理與規劃，持續觀察場景、拆解目標，並檢查畫面是否達成每個步驟，藉此維持場景的連貫性。
實際運用場景
Google 在公告中列出幾個方向：影視與遊戲的前期製作，可以當成快速的「草稿模式」來預演分鏡與構思；把單張歷史照片轉成可走動的環境；模擬洪水、野火等事件的發展過程；以及為機器人和 AI 代理人提供訓練場景。官方展示中就有一段是讓人形機器人在模擬環境中下西洋棋。
目前的技術限制
Google 在公告中主動列出了幾項尚未解決的問題，這部分值得和亮眼的展示影片一起看：
- 模擬時間拉長後，畫面細節與物件的存在狀態可能會漂移，複雜的編輯指令或大幅移動場景時更明顯
- 複雜的物理互動仍在研究中
- 即時音訊的準確度還不夠
- 場景中的文字難以清楚呈現
- 空間準確性與長時間的一致性仍是待解課題
TechCrunch 的報導也引述團隊說法，表示產品的完整體驗該長什麼樣，目前仍不明確，整體還處於早期階段。
目前僅開放特定人士使用
Genie 4 目前是研究預覽版，僅開放給一小群受信任的測試者。Google 表示未來數週內會開放給 Google AI Ultra 訂閱者，透過 Project Genie 使用，另外也會提供給 Gemini API 與 Google AI Studio 的早期合作夥伴。官方尚未公布正式公開發布的日期與定價。
安全方面，Google 表示發布前已進行內部安全評估，所有由 Genie 4 生成的影片與音訊都會嵌入 SynthID 浮水印，用來辨識 AI 生成的內容。
常見問題
Genie 4 和一般的 AI 影片生成有什麼不同？
一般影片生成產出的是固定的影片，Genie 4 生成的是可以即時互動的環境。使用者操作鍵盤移動視角時，模型會即時運算出接下來的畫面。
台灣現在可以使用嗎？
目前還不行。Genie 4 僅開放給受信任的測試者，未來數週會開放給 Google AI Ultra 訂閱者，官方尚未公布各地區的開放時程。
為什麼只能維持兩分鐘？
世界模型必須即時維持場景中所有元素的一致性，時間越長，畫面細節與物件狀態越容易漂移。長時間的一致性是這類模型目前的主要研究課題。
只有 Google 在做這件事嗎？
不是。世界模型是目前競爭激烈的領域，Runway 已推出具備音訊生成的互動世界模型，相關新創公司也陸續傳出被大型企業收購的消息。
結語：技術很驚人，但距離實用還有一段路
Genie 4 的展示影片確實很有說服力，也讓人看見「用一句話生出一個世界」不再只是想像。不過兩分鐘的限制、畫面漂移與文字無法清楚呈現這些問題，都說明它目前比較接近研究成果，而非可以直接投入工作的工具。
對一般讀者來說，現階段值得關注的不是它能不能馬上用，而是這條技術路線的進展速度。從前一代到這一代約一年的時間，場景維持時間就翻了一倍，並且多了原生音訊。照這個節奏，下一代會走到哪裡，值得持續觀察。
優吉兒網頁設計持續關注 AI 與網頁技術的最新發展，並致力於落實在專案中，讓您的網站與世界接軌。若您正在規劃公司網站或改版升級，歡迎了解我們的網站作品與網站開發服務，或直接聯絡我們，我們提供免費的線上諮詢。
本文初稿由 AI 編寫