|

Genie 4 怎么用 AI 造世界:边走边改场景,声音跟着出来

Genie 4 怎么用 AI 造世界:边走边改场景,声音跟着出来

作者注:按日期拆解 Genie 4 的研究博文、产品公告和产品页。它不是生成一段成片,而是一个能用键盘走进去、边走边用文字改场景并自带声音的世界。本文讲清楚现在谁能试、怎么做、做完能发到哪。

2026 年 11 月 18 日,Google 把 Genie 4 放进了 Project Genie。玩法是 用一句话或一张图开场,用键盘走进去,走着走着再用文字改天气、人物和声音。同一天,Google 官方帖、Google 博客和 DeepMind 模型卡一起发布。11 月 19 日打开的产品页也已经改成“现在可用”的状态。

这不是又一个“输入提示词、等一段视频”的成片模型。Genie 4 生成的是一个你能操控、能中途改写的世界,画面和声音会跟着你的动作实时变化。本文把 10 月 27 日的研究博文、11 月 18 日的产品公告和 11 月 19 日的产品页分开讲。哪些是现行规格,哪些只是早期说法,会逐条标清楚。

核心价值:3 分钟弄懂 Genie 4 是什么、今天在哪能用,以及自己动手时先做哪三步。

genie-4-ai-world-building-guide-image-0


Genie 4 核心信息速览

先用一张表把最关键的事实摆出来。表里每一项都对应官方资料,日期以各自的发布时间为准。

信息项 详情
发布方 Google DeepMind
产品上线 2026-11-18,放进 Project Genie(入口 labs.google/projectgenie)
一句话定位 官方称其为目前最逼真、可互动的世界模型
输入方式 文字、图像、实时键盘鼠标操作(据 11-18 模型卡)
输出规格 实时 720p 视频,最高 24 帧每秒,带同步音频(据 11-18 模型卡)
连续互动时长 大约一分钟(据 11-19 产品页)
底层模型 建在 Gemini Omni Flash 上(据 11-18 模型卡)
谁能试 符合条件的 Google AI Ultra 订阅用户现在可用;Google AI Pro 从 11-18 起可加入候补
水印 生成的视频和音频都带 SynthID

Genie 4 和“生成一段成片”有什么不一样

很多人第一次听到 Genie 4,会把它当成又一个文生视频工具。两者的区别在于结束点。成片视频模型交给你一段固定长度的视频,看完就结束了。Genie 4 交给你的是一个正在运行的世界,你按键盘它就往前走,你输入一句话它就改天气、加人物或换镜头。

声音是这次最直观的新变化。Google 博客写的是,Genie 4 第一次把画面和实时原生音频放在一起,从环境声到角色对话都会随场景变化。也就是说,你把晴天改成暴雨,雨声会跟着出来,而不是事后再配一轨音乐。

genie-4-ai-world-building-guide-image-1


Genie 4 怎么用:三步走进一个 AI 世界

产品页给出的提示方法很简单:先用一段文字或一张图定场景,再用简短的现场提示改事件、镜头和声音。拆开来,就是下面三步。

  1. 先用一句话或一张图定场景。比如“傍晚的雪山滑雪道,远处有缆车”,或者直接上传一张照片。产品页提醒,清晰可认的文字往往只有写进开场描述里才会出现,所以想让招牌、路牌上有字,要在第一句就写进去。
  2. 用键盘走进去。模型卡写明输入包括实时键盘鼠标操作,画面会跟着你的移动实时生成。这一步就是你和成片视频拉开差距的地方,你不是在看,而是在走。
  3. 中途用短提示改天气、人物、镜头或声音。Google 博客的说法是,走动时可以再输入提示,实时改天气、加人物、改动作。提示越短越具体越好,例如“开始下大雪”“镜头拉远”“远处传来狗叫”。

genie-4-ai-world-building-guide-image-2

Genie 4 里的 Project Genie agent 和 Gemini 能帮什么

开场之前,你可以先跟 Project Genie agent 聊。官方帖说,可以用对话定下世界的外观和配乐。Google 博客补充,这个 agent 会编排多个多模态模型,先做出这个世界的标志性画面,再配上符合气氛的背景音乐。

进入世界之后,还能把 Gemini 带进会话。它会看屏幕上正在发生的事,弹出和当下相关的建议,或者直接在世界里触发事件。官方画廊里有一个例子叫 Rock Paper Scissors,就是让 Gemini 当实时裁判。

Genie 4 现在谁能试

开放范围在 11 月 18 日的官方帖和 Google 博客里写得很清楚。符合条件的 Google AI Ultra 订阅用户可以直接进 Project Genie 使用。Google AI Pro 用户从 11 月 18 日起,可以在同一个页面加入候补名单排队。

用 Genie 4 做完的世界可以发布、可以改编

做完的世界可以发到新的社区画廊,别人能走进去再改。官方举的例子是把白天的滑雪道改成夜间灯光赛道。反过来,你也可以从画廊里任何一个已有世界出发,改它的景观、配乐或规则。

Google 博客点名了几个画廊作品(只是举例,不是排名)。Living Memory 把个人照片变成可探索的空间;Dino Field Guide 用 360 度全景图做史前栖息地。早期合作方面,Google 和创意技术人 Will(BLVCKL!GHT)做了哥特庄园密室“Villa Giallo”,和电影人 Anand Gandhi 做了从蚂蚁视角穿过蚁群的“The Life of Ants”。

Genie 4 和 Genie 3 怎么选

Genie 3 没有下架,仍然留在 Project Genie 的模型选择器里,而且这次也有更新。Google 博客的分工很明确:要最高的画面、物理和原生音频选 Genie 4;想玩得更久、或者用全景图起步,选 Genie 3。

需求 选哪个 依据(11-18 官方帖与博客)
画面、物理更逼真 Genie 4 官方称其为目前最逼真的世界模型
需要声音和角色对话 Genie 4 第一次把画面和实时原生音频放在一起
单次想玩更久 Genie 3 单次探索从 60 秒提高到最多 3 分钟
多个世界串成长路程 Genie 3 支持把多个世界串起来
用 360 度全景图起步 Genie 3 可用全景图作为新世界起点
探索时用文字改环境 两者都可以 Genie 3 本次也加入了自然语言改环境

Genie 4 的三个时间节点:别把早期说法当现行规格

Genie 4 的信息分了三次发布,内容并不完全一样。读新闻时最容易混的,就是把 10 月的研究预览当成 11 月的产品规格。

日期 来源 性质 关键内容
2026-10-27 DeepMind 研究博文 研究预览 先给受信任测试者;四项新能力;Gemini 负责多步事件;机器人实验
2026-10-27 TechCrunch 等媒体简报 媒体转述 写过“场景大约能保持两分钟,约是前代两倍”
2026-11-18 官方帖、Google 博客、模型卡 产品上线 进入 Project Genie;Ultra 可用、Pro 候补;社区画廊;Genie 3 更新
2026-11-19 产品页(检索日终态) 现行说明 连续互动目前大约一分钟;六条已知限制

这里最需要注意的是时长。“大约两分钟”来自 10 月的媒体简报,并不是 11 月 18 日模型卡或 11 月 19 日产品页上的数字。现行产品页写的是:连续互动目前大约一分钟,而不是长会话。

Genie 4 相关的三个 Gemini 名字

资料里出现了三个 Gemini 名字,它们各管一件事,不是同一个模型。

名字 出现在哪 做什么
Gemini 3.8 Flash 10-27 研究博文 多步事件里的引导代理:看画面、拆步骤、逐帧检查是否做成,用户插手或世界变化时改计划
Gemini 4 Argon 10-27 研究博文的机器人实验 把任务拆成步骤交给 Genie 4 渲染,例子是 Apptronik 人形机器人 Apollo 下国际跳棋,没有真机器人上场
Gemini Omni Flash 11-18 模型卡 Genie 4 的底层模型

模型卡还写了一段前沿安全评估:Genie 4 被归在 Gemini 3 系列里评估,结论是它不大可能达到受跟踪的风险能力等级。这是安全评估的结论,不是创作能力的排名,看的时候别弄混。

Genie 4 官方承认的限制

产品页和模型卡都没有回避缺点。下面这几条是动手前最好心里有数的:

  • 环境会漂:玩得越久、改得越复杂、在场景里走得越远,视觉细节和物体恒存越容易跑偏。
  • 多角色互动难:多个独立角色和共享环境之间的复杂互动,仍是研究难题。
  • 真实地点不精确:目前不能完美模拟真实存在的地点。
  • 文字要提前写:清晰的文字往往只有写进开场描述才会出现。
  • 会话偏短:连续互动大约一分钟;实时音频精度也还在改进。

Google 博客也把 Genie 3 和 Genie 4 都放在前沿研究的范畴里,正在处理的问题包括镜头延迟、复杂物理互动和场景长期保持。模型卡提到有人工和自动评测,并称相对 Genie 3 在照片真实感、动作流畅和实时转向上显著提升。但它没有公开分数、样本数或胜率,所以这只能算官方表述。


Genie 4 影响分析

对创作者:先试风格,再决定要不要做

研究博文转述了受信任测试者的用法(官方转述,不是我们的实测)。影视团队拿它做现场预演,改镜头、光线、对白和动作。游戏团队在写引擎代码之前,先用它试风格和玩法。也有人把一张旧照片变成可以走进去的历史场景。

这些用法的共同点是“先走一遍看看感觉”。因为会话大约一分钟、环境会漂,它目前更像一个快速试错的草稿台,而不是最终交付工具。画廊和改编功能又让一个好点子可以被别人接着往下做。

对开发者:Genie 4 现在还没有公开接口

这一点要说清楚:Genie 4 目前的分发渠道是 Project Genie,模型卡写的也是“计划通过 Project Genie 分发”。10 月 27 日的研究博文提到过,之后会面向开发者,起点包括 Gemini API 和 Google AI Studio 的早期合作伙伴。但这是研究预览时的计划,不代表今天已经有可以公开调用的 Genie 4 接口。

如果你的需求是“用接口自己做”,比如在自己的应用里批量生成短视频或配图,那要先分清楚两件事。第一,这类生成本身要花生成额度,按次或按量计费都有,先估好成本。第二,你需要的可能其实是成片视频模型或图像模型,而不是世界模型,它们是不同的工具。

我们在 2026-11-19 核对了 API易 的型号总表 docs.apiyi.com/models 和实时价目接口,里面都没有 Genie、Genie 4 或 Gemini Omni Flash 的条目。暂未上架,我们会尽快上架这个模型;型号与价格以平台型号列表为准。也因此,本文不给 Genie 4 写任何价格。

想换成今天就能调用的接口,可以按下面的顺序核对:

核对项 做法 可调用平台
查型号 在型号列表里确认当前在架的视频、图像、对话型号 API易 apiyi.com
对价格 以实时价目为准,按型号查输入价、输出价或按次价 API易 apiyi.com
对协议 OpenAI 兼容接口,把 base_url 换成 https://api.apiyi.com/v1 即可接入 API易 apiyi.com
世界模型 Genie 4 目前只在 Project Genie 里可用 暂未上架

🚀 接入建议:如果你要的是可调用的生成接口,可以先在 API易 apiyi.com 用一个 API Key 测试 OpenAI、Claude、Gemini 等主流模型。平台是 OpenAI 兼容接口,按量计费,新用户有免费测试额度,适合先小量跑通再决定方案。

对行业:世界模型开始从演示走向产品

从 10 月的研究预览到 11 月进入订阅产品,只隔了三周左右。加上社区画廊和改编功能,Genie 4 已经不只是论文演示,而是一个可以分享、可以被二次创作的产品形态。

同时,SynthID 水印覆盖视频和音频,输入和输出也经过安全筛查。随着世界模型能生成越来越逼真的场景和声音,这类标记和筛查会是平台层面必须配套的部分。


Genie 4 常见问题 FAQ

Q1:Genie 4 是什么?

Genie 4 是 Google DeepMind 的世界模型,官方称其为目前最逼真、可互动的一款。你用文字或图片开场,用键盘在里面走动,中途用文字改场景,画面和声音会实时跟着变。

Q2:Genie 4 和普通的 AI 视频生成有什么区别?

成片视频模型生成一段固定视频,看完就结束。Genie 4 生成的是一个可以操控、可以中途改写的世界,并带实时原生音频。两者用途不同,不能互相替代。

Q3:Genie 4 什么时候能用?我能用吗?

2026 年 11 月 18 日起,符合条件的 Google AI Ultra 订阅用户可以在 Project Genie 使用。Google AI Pro 用户从同日起可以加入候补名单。入口是 `labs.google/projectgenie`。

Q4:Genie 4 一次能玩多久?不是说有两分钟吗?

“大约两分钟”是 10 月 27 日媒体简报里的转述,不是现行规格。11 月 19 日产品页写的是连续互动目前大约一分钟。想单次玩更久,官方建议选 Genie 3,它现在最多 3 分钟。

Q5:能通过 API 调用 Genie 4 吗?

目前没有公开可调用的 Genie 4 接口,模型卡写的分发渠道是 Project Genie。2026-11-19 核对时,API易 apiyi.com 的型号列表和价目里也还没有 Genie 4。暂未上架,我们会尽快上架这个模型;型号与价格以平台型号列表为准。

Q6:如果我只是想在自己的应用里调用生成模型,该怎么开始?

先分清你要的是成片、图像还是对话能力,再去型号列表里找对应的在架模型。用 OpenAI 兼容的 SDK,把 base_url 设为 `https://api.apiyi.com/v1`,就能用一个 API Key 接入多个主流模型,新用户的免费额度可以先拿来跑通流程。


Genie 4 核心要点 Key Takeaways

  • 它是世界,不是成片:Genie 4 让你用键盘走进去,边走边用文字改场景。
  • 声音跟着出来:第一次把画面和实时原生音频放在一起,含环境声和对话。
  • 三步上手:一句话或一张图开场,键盘走进去,短提示改天气、人物、镜头、声音。
  • 谁能试:符合条件的 Google AI Ultra 现在可用,Google AI Pro 从 11-18 起排队。
  • 现行时长约一分钟:两分钟是 10 月简报说法,不是现在的规格。
  • 能分享能改编:作品可发到社区画廊,也能改别人世界的景观、配乐和规则。
  • 想用接口先查型号:Genie 4 暂无公开接口,可调用的模型以 API易 apiyi.com 型号列表为准。

总结

Genie 4 怎么用 AI 造世界,归结起来是三点:

  1. 定位:它是一个能走进去、边走边改、声音实时跟随的世界,不是生成一段看完就结束的成片。
  2. 上手:先用一句话或一张图定场景,再用键盘走进去,中途用短提示改天气、人物、镜头或声音;做完可以发到社区画廊,也可以改编别人的世界。
  3. 现状:符合条件的 Google AI Ultra 现在可以在 Project Genie 使用,Google AI Pro 在排队;连续互动大约一分钟,环境漂移等限制官方也写得很清楚。

如果你是 Ultra 用户,最直接的做法就是打开 Project Genie,从一张自己的照片开始走一遍。如果你更关心的是在自己的产品里调用生成能力,可以先在 API易 apiyi.com 用免费额度试一试当前在架的主流模型,Genie 4 上架后也会出现在同一份型号列表里。


📚 参考资料

  1. Google 官方帖线程(2026-11-18):Genie 4 进入 Project Genie 的首发说明

    • 链接: x.com/Google/status/2123117819948638448
    • 说明: 开放范围、社区画廊、Genie 3 的三项更新
  2. Google 博客(2026-11-18):Project Genie update featuring Genie 4

    • 链接: blog.google/innovation-and-ai/models-and-research/google-deepmind/genie-4-now-available-project-genie
    • 说明: 实时改场景、原生音频、画廊示例与早期合作作品
  3. DeepMind 研究博文(2026-10-27):Genie 4 研究预览

    • 链接: deepmind.google/blog/genie-4-a-new-generation-of-world-simulation
    • 说明: 四项能力、Gemini 3.8 Flash 引导代理、机器人实验、已知限制
  4. Genie 4 模型卡(2026-11-18):输入输出规格与评测说明

    • 链接: deepmind.google/models/model-cards/genie-4
    • 说明: 底层为 Gemini Omni Flash,720p、最高 24 帧每秒
  5. Genie 产品页(2026-11-19 检索):现行提示方法与六条限制

    • 链接: deepmind.google/models/genie
    • 说明: 连续互动约一分钟等现行说明

作者:API易 技术团队
技术交流:欢迎在 API易 网站首页联系我们,型号与价格请以 docs.apiyi.com 文档中心的平台型号列表为准

类似文章