Genie 4 – Google DeepMind 推出的实时交互世界模型，首次支持原生音频生成

Genie 4 是 Google DeepMind 于 2026 年 10 月公布的新一代实时交互世界模型，推演中用自然语言即可移动镜头、改变天气、引入新角色，并把环境声、音乐与人物对话随画面一起生成，适用于机器人训练环境搭建、游戏关卡预演与影视分镜推演。

Genie 4 的核心能力

先看表里三处会改变用法的设置：原生音频让输出从单路画面变成画面加声音，交互方式写的是自然语言而不是键位，开放范围只到可信测试者这一层。

音频与画面同轨，不再事后配音

官方把原生音频列为本代最重要的变化：每个生成出来的世界都即时产出环境声、音乐与可交互对话，不是先出画面再补音轨。输出侧因此多一路音频流，配音、字幕与审核都要跟着改。

一句自然语言就是控制信号

推演开始后，用自然语言即可移动镜头、改变天气、引入新角色。键位要求知道动作映射，相机轨迹要求按帧对齐，自然语言只要求说清意图；代价是粒度变粗，精确复现机位仍需参数化接口。

Gemini 家族分工：一个定外观，一组保连续

官方写明 Genie 4 复用了 Gemini 家族的能力：Gemini Omni 把推演锚定在真实世界的外观与行为上，其他 Gemini 模型提供维持连贯所需的复杂推理。真实感与长程一致性由两套模型分担。

与空间重建路线不是同一件事

世界模型这个词被两类工作共用：一类把真实场景重建进三维空间，另一类从零推演可交互世界。Genie 4 属后者，交付能被干预的实时画面，不是建筑的数字化副本。站内的 Atlas 属前一类，把文本、图像、位姿与深度图锚定在同一套三维空间。

研究发布，先给测试者

官方口径是已向少量可信测试者推送，之后才进入 Google AI Ultra 订阅的 Project Genie 与 Gemini API、AI Studio 的早期访问。普通用户现在打不开，开发者也拿不到额度。

Genie 4 与同类世界模型的对比

四款都能实时推演可被干预的场景，差别在音频、控制接口、输出规格与开放程度。下表数值取自各家官方公告与参数页，同一单元格不混用口径。

差别集中在三处。控制接口决定谁在主导推演：Genie 4 只需说清意图，另外三款要下发键位、相机位姿或 Action DSL。输出规格决定能否直接进生产，表内最高两档是 1280×704 与 60 FPS，Genie 4 只写了实时。开放程度决定能否离线部署。

两点口径需注意：分辨率与帧率取自官方参数页，Genie 4 一栏按公告原文填写，未公布的项不代填；EchoWM 的「约 10 秒」是 Base 版单次时长，不是连续推演上限。另外三款的权重范围与硬件要求，站内的 EchoWM、Hy-Nomas 与 LingBot-World 2.0 有记录。

画面底座来自 Gemini 家族：官方写明由 Gemini Omni 锚定外观与行为，其余 Gemini 模型维持连贯。这条视频路线本身能做什么，站内的 Gemini Omni Flash 有单独一页。

Genie 4 的应用场景与适用人群

它的价值出现在需要边推演边改动的环节；只要固定成片，视频生成模型更直接：

• 机器人训练环境：先在可交互仿真里验证策略，把少见场景补够再上真机。
• 游戏关卡预演：用语言改天气与镜头，看过节奏再决定是否进美术生产。
• 影视与广告分镜：按语言指令推演镜头运动，适合开机前讨论方案。
• 新闻与制造可视化：把难以实拍的场景先做出来，用于脚本沟通。

适用人群：适合做具身智能与仿真的算法团队、需要快速预演关卡节奏的游戏与影视团队；只做固定成片、不需交互干预，用视频生成模型更省事。

Genie 4 的使用方法

官方给了三条路径：先读发布说明，再等 Project Genie 订阅开放，走开发者路线则申请 Gemini API 与 AI Studio 早期访问。

读发布说明：先看清能力边界

1. 打开 官方发布说明，对照原生音频、语言引导、Gemini 分工与开放范围。
2. 用本文参数表核对原文，未公布的分辨率与帧率不要自行补数。
3. 注意当前是研究发布，公告示例不代表普遍可用。

Project Genie：等订阅档位开放

1. 确认订阅档位为 Google AI Ultra，官方写明后续在该订阅内开放。
2. 开放后先用短提示词试镜头控制，再试改天气与引入角色。
3. 对话交互先测延迟与打断，再判断能否接进生产。

开发者路线：走 Gemini API 与 AI Studio 早期访问

1. 以合作方身份申请早期访问，入口是 Gemini API 与 AI Studio。
2. 接入前先定场景：训练要可控可复现，创意要能回退分支。
3. 音画同轨意味输出多一路音轨，存储与审核流程需一并调整。

三点需留意：目前没有自助开通路径，公告外没有第二份官方文档可对照；语言引导的粒度是场景级，想复现同一机位要等参数化接口；音画同步会放大存储成本。

Genie 4 的项目地址

• 产品官宣页：https://blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-genie-4/
• DeepMind 研究博客（同篇发布）：https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/

Genie 4 的价格与开源情况

官方没有为 Genie 4 单列价格，也没公布调用单价。商业入口是 AI Ultra 订阅里的 Project Genie，开发侧走 Gemini API 与 AI Studio 早期访问，档位以官方定价页为准。

权重不对外发布，没有可下载的仓库、模型卡或许可证，只能在谷歌云端使用。这与表里另三款开源模型是根本区别：那三款可自行部署，硬件与运维自担；Genie 4 的成本结构是订阅费加调用费。想在本地推演，站内的 Matrix-Game 4.0 已把单卡规格与许可写清楚。

Genie 4 的常见问题