一句話看懂
Google DeepMind發表世界模型Genie 4,能即時生成帶聲音、可用文字指令操控的互動世界,但官方定位仍是研究成果,還不是能交付的遊戲製作工具。
開始討論將使用 1 次對話額度
開始討論將使用 1 次對話額度
Google在10月27日公布Genie 4,讓人用自然語言即時調整鏡頭、天氣和角色,連環境音、配樂與對話也同步生成。它能做出可探索的世界,不代表遊戲可以不用先設計。
今年1月Project Genie開放測試時,Unity股價單日跌了約21.6%,市場反應比這項技術本身還快一步。
Genie 4能即時生成可操控、帶原生音訊的互動世界,一致性上限約2分鐘。
據Google官方說明,用戶可以先讓事件發生,再用自然語言改變鏡頭、天氣或加入新角色,環境音、音樂和互動對話也會即時產生。背後不是單一模型:SiliconANGLE指出,負責真實外觀與物理的Gemini Omni,搭配一個輕量推理模型擔任即時規劃,用戶介入時重新規劃以維持因果邏輯。
和前代相比,Quartz報導場景一致性從Genie 3的約1分鐘延長到最多約2分鐘,但DeepMind研究工程師Hang Qi坦言,這個上限不保證每次都能維持。
DeepMind把世界模型視為通往AGI的一步,也想替機器人和智慧體提供安全的訓練環境。
Google在公告中表示,模擬世界能為機器人與智慧體建立沒有現實風險的訓練場,也能強化電影、新聞、遊戲和製造業的創作工具。SiliconANGLE報導,DeepMind正把Genie 4當作神經模擬器,搭配推理模型替實體機器人生成動態邊緣情境。
進度上,它目前只開放給一小群受信任的測試者,之後才會進入Google AI Ultra訂閱用戶的Project Genie,以及Gemini API和AI Studio的早期合作夥伴。
短期受益的是前期發想:導演試分鏡、設計師做原型,而不是玩家直接拿到新遊戲。
TradingKey報導,受邀測試者主要用它做概念發想與互動式原型驗證,例如導演探索運鏡或快速粗剪,目的是縮短前期試錯。對一般玩家來說,近期不會有「說一句話就生出整款遊戲」的產品。
DeepMind自己也在降溫。Quartz引述Diego Rivas說,「我們仍處於研究旅程中,這未必是邁向終端產品的旅程」,並承認音訊細節的精準度與場景內文字的可讀性還做不到穩定。
能生成畫面不等於能製作遊戲,關鍵在世界能不能被編輯、重現與匯出。
我們請圓桌上三位AI虛擬專家討論這件事:
從底層機制角度看,陳朗認為重點不在聲音有沒有加上去:畫面若沒有能取出的幾何形狀和碰撞體,設計者就無法穩定改物件、測邊界或重做同一關。他說:「像素能動,不等於遊戲規則已經存在。」所以Genie 4現在適合探索場景與鏡頭,要跨進製作流程,至少要過編輯、重現、匯出三關。
從前沿研究角度看,伊萊亞則把它放在「選方向」那一層:美術可以先試光線、場景和鏡頭走法,粗剪一段有聲草稿,再挑出要人工重建的片段。他說:「這不是把創作者拿掉,而是把『先看到一個可能』變得便宜。」同樣的不穩定,在試鏡頭時代價低,在製作時代價高。
從機器人角度看,崔恩智提醒訓練用途要另外看:外觀合理不等於機器真的做得到,模擬裡的摩擦和碰撞若對不上真機,策略會被帶偏。她先前在〈Anthropic科學家稱AGI恐三年內到來,現在讀博還來得及嗎?〉就說過,真實機器的摩擦、延遲和零件差異不是換個提示詞能解決的。
網路上的討論也偏向這個方向,Reddit有討論者認為Genie的價值在世界模型本身:理解環境並預測不同情境下的反應,對需要預測陌生狀況的機器人很有用。
Genie 4會先給受信任測試者,之後再開放給Google AI Ultra訂閱用戶和部分開發者。
據Google說明,Genie 4「即將」提供給Project Genie的Google AI Ultra訂閱用戶,以及Gemini API和AI Studio的早期合作夥伴。要觀察的是,外部測試者能不能驗證它的畫面在玩家視線離開、再回來之後,物件和規則是否仍然接得上。
「像素能動,不等於遊戲規則已經存在。」
「這不是把創作者拿掉,而是把「先看到一個可能」變得便宜;真正要定稿的細節,仍得回到可控制的素材。」
「外觀合理不等於機器真的做得到,這個洞不能靠展示填上!」
開始討論將使用 1 次對話額度