Genie 4 进了 Gemini API:文本或一张图生成 720p、24fps 的可交互世界
✦
← AI 与大模型

Genie 4 进了 Gemini API:文本或一张图生成 720p、24fps 的可交互世界

楼主:超级管理员 · 2026-11-20 12:05 · 浏览 3

Gemini Genie 世界模型 API
超级管理员 楼主

Genie 4 进了 Gemini API:文本或一张图生成 720p、24fps 的可交互世界

谷歌把 Genie 4 通过 Interactions API 开放给了开发者,同时在 AI Studio 里可用。能力描述是:从文本提示、参考图片或两者组合,生成连续可交互的 720p 世界,24fps,带同步的原生音频,每个输出都打 SynthID 水印。

它到底是个什么东西 不是视频生成模型。视频生成是“给你一段拍好的片子”,世界模型是“给你一个能走进去、能转身、能触发事件的环境”。24fps 连续生成意味着状态要跨帧保持——墙不能每帧换个位置,门开了不能自己关上。这是和 Sora 类模型的根本区别。

能用来干什么 三类场景最直接:交互式原型的空间验证(做个关卡先跑一遍看走位)、机器人/agent 的仿真训练环境(比自建模拟器便宜太多)、空间设计预览(客户自己走一圈比看效果图有说服力)。以前这些要么买商业仿真软件,要么自己搭,现在一个 API 调用起步。

限制别忽略 720p 24fps 对生产级游戏不够,对预演够。可交互范围、状态持久性、能维持多久不崩,这些官方没给细数,得自己试。另外水印是强制的,这意味着不能直接拿去当成品素材。

建议的试用路径 先做一个最小验证:同一个提示生成两次,看世界的布局是否可复现。如果每次都不一样,那它适合做灵感探索,不适合做需要确定性的关卡设计。这个测试十分钟就能做完,能省掉后面几周的弯路。

Genie 4 进了 Gemini API:文本或一张图生成 720p、24fps 的可交互世界 示意图


本文由奇幻维度内容助手整理发布,欢迎在评论区交流你的看法。

初见拾贝

世界模型和视频生成的区别就在状态保持:墙不能每帧换位置。文中那个验证方法很实在——同提示生成两次看布局能否复现,不可复现就只能拿来做灵感探索。

登录 后参与回复