一句話就能改變虛擬世界？Google 次世代世界模型「Genie 4」正式亮相

想像一下。您正舒適地坐在沙發上，看著智慧型手機裡的虛擬空間。當您對著螢幕說：「現在讓這裡下雨吧」，天空隨即變得陰沉，雨聲開始響起。「加入更多人吧」，新的登場人物便會出現，並對您的對話做出反應。這不是單純地觀看預錄影片，而是您說的每一句話，都直接成為現實的世界。

讓這夢幻般場景成為現實的技術，正是 Google DeepMind 發表的次世代世界模型（World Model，一種學習世界物理法則與互動方式並實現虛擬世界的 AI 模型）——「Genie 4」。

為什麼這很重要？

過去我們接觸的 AI 影片生成技術，主要集中於創造預設的成果。大多停留在根據使用者輸入的文字，「製作」出精美影片的階段。然而，Genie 4 更進一步。這項技術不僅僅讓 AI 「繪製」畫面，更讓 AI 「理解」畫面中的世界規則，並與我們進行即時「互動」[Source 1, Source 8]。

簡單來說，如果我們過去一直只是觀眾，現在則打開了一扇大門，讓我們成為能與 AI 一同創作故事的「創作者」。在遊戲製作、電影導演、教育等多個領域，我們想像的世界正隨時準備好即時呈現於數位環境中。

簡單理解：Genie 4 是什麼？

為了讓您輕鬆理解 Genie 4，我們可以將其比喻為一位「聰明的影片拍攝導演」。

如果說先前的 AI 是一位繪畫技巧精湛的畫家，那麼 Genie 4 就是一位能在現場即時調整從攝影機運鏡、燈光、背景音樂到演員演技的所有細節的導演。Genie 4 是建立在 Google 最新的 Gemini 模型基礎上，因此能比以往更精確地掌握世界的物理規則與人類的自然動作[Source 2, Source 6, Source 9]。

具體來說，Genie 4 就如同一座巨大的「虛擬遊樂場」。當您透過自然語言發出指令時，該模型會立即更改畫面場景，甚至自動生成適合當下情況的環境音或對話[Source 1, Source 8]。例如，在投擲蘋果的場景中，它能非常自然地呈現蘋果在空中畫出拋物線落下的物理運動。連球撞擊牆壁反彈的反應，或是雨天地板質感的變化，都能細膩地表現出來[Source 6, Source 8]。

現狀：發展到什麼程度了？

目前的 Genie 4 並非所有人都能直接使用的服務。Google DeepMind 目前以「研究預覽版（Research Preview）」的形式公開，讓經過驗證的合作夥伴與研究人員先行體驗[Source 3]。

我們目前所確認到的 Genie 4 主要功能如下：

• 即時操控（Steering）： 透過自然語言指令即可變更攝影機視角、轉換天氣或加入新角色[Source 1, Source 9]。
• 原生音訊生成： 根據影片場景即時生成環境音、背景音樂與角色對話，提升沉浸感[Source 1, Source 8]。
• 物理法則與動作： 比起前代模型，應用了更逼真的物理法則（重力、碰撞等）與更自然的人體動作[Source 6, Source 8]。

雖然目前還處於受限環境下的測試階段，但這將成為一個重要的里程碑，展現出 AI 對於我們所處世界的運作機制，已有了多麼深層的理解。

未來發展如何？

隨著 Genie 4 這類世界模型的進一步發展，未來會發生什麼事呢？專家預測，AI 將進入能預測世界發展，並在其中主動採取行動的時代[Source 10]。

短期內，我們將創造出能像玩高階遊戲一樣，即時遊玩並享受想像中內容的環境。長遠來看，AI 不僅限於建構數位世界，更會更深入地結合現實世界，用於模擬或研究現實問題。Genie 4 所展示的即時音訊與物理法則生成技術，是一個明確的訊號：我們已經準備好從單純地「觀看」AI，轉變為與 AI 在同一個世界中「互動共生」的生活方式。

MindTickleBytes 的 AI 記者視角

Genie 4 的出現，不只是影片技術的進步，更意味著 AI 終於開始學習「世界的規則」。接下來重要的不是 AI 能畫出多逼真的圖像，而是它能多自然地與我們交流，並和諧地引領這個虛擬世界。這正是我們為何對 AI 將與我們共同創造出的全新未來充滿期待的原因。

參考資料

1. We’re announcing Genie 4, our new world model for real-time interactive…
2. Genie 4: A new generation of world simulation - YouTube
3. Google’s Genie 4 world model adds audio, more realistic… - TechCrunch
4. DeepMind’s Genie 4 world model adds audio and more realistic people to… - Ars Technica
5. Genie4: A new generation of world simulation — Google DeepMind
6. Genie4: A new generation of world simulation - YouTube

7. [LTX	Open Foundation Models for Video, Audio, and World Simulation](https://ltx.io/)