Google Genie 4 + Gemini Is Insane: Let’s Build 5 AI Worlds Live

Google Genie 4 能用一句话生成可互动、带声音的 3D 世界，10 秒内造出怪兽袭击旧金山、点单东京拉面等场景。

LLM 只能预测下一个词，Genie 4 这样的世界模型则能预测下一个画面——你一句话，它 10 秒内就能造出能操作、能听声音、还能实时修改的 3D 世界。作者实测，现场加角色、改天气、加音乐都能秒级生效，体验像“自己导演微电影”。虽然现在玩法还很原始，但这种 AI 让每个人都能随手搭建属于自己的互动世界，未来可能彻底改变影视特效和游戏制作。

Genie 4 不写文本，而是像脑补一样预测下一个画面，用户每操作一步，AI 都会实时生成新场景。

• Genie 4 的工作方式：你输入一句描述（如“骑士骑黑龙飞过城堡”），它生成首帧；你按前进键，它预测下一个画面，记住历史，循环生成完整场景。
• 互动机制：你可以随时输入新指令（如“加一只金毛”“天色变金黄”），场景会立刻调整，像玩沙盒游戏一样自由。

Genie 4 不只是画面升级，还加了声音、现场编辑和复杂事件，让虚拟世界更像真的。

• 自动生成音效和对话：场景里能听到角色说话、环境音、背景音乐，比如拉面摊老板会招呼你、街上有电车声。
• 随时加事件和角色：比如在旧金山街头加怪兽、让桥塌掉、让猫咪出现，所有变化几秒内生效。
• Gemini 4 负责多步动作：比如让机器人手臂分步骤完成实验，AI 会自动规划和执行整个过程。

作者现场演示了五种场景，体验像“自己导演微电影”，但离真正好玩的游戏还有距离。

• 10 秒生成复杂场景：输入环境和角色描述，10 秒内造出怪兽毁城、东京拉面摊、骑龙攻城、非洲狩猎、外星人攻打纽约等 3D 世界。
• 互动细节丰富但有瑕疵：比如让狮子追羚羊、让龙喷火、让拉面师傅倒清酒，但有时角色动作怪异、声音不对（龙叫像人在吼）、物体莫名出现。

“现在世界模型还只是 GPT-3.5 水平，但已经能让你一句话造出任何 3D 场景，未来可能像写 prompt 一样拍电影、做游戏。”

• 现在就能用 Genie 4 试着“导演”自己的场景，探索 AI 生成世界的边界，找到哪些 prompt 能玩出新花样。
• 如果你做内容、游戏或影视，可以关注世界模型的进步，提前思考如何用一句话快速生成 demo 或特效，省下大量人力和时间。