能「玩」的视频已经很像样了,但它记住的只是镜头里的东西,不是一个真世界。
事实
- Genie 4 是研究预览,先开放给受信测试者;之后从 Google AI Ultra 订阅用户(Project Genie)和 Gemini API / AI Studio 早期伙伴开始放。
- 官方说四项提升:更写实、动作更顺、原生音频(音乐、环境声、对话),以及用自然语言实时修改场景,由 Gemini 在中间理解并引导。
- 演示是实时交互录屏:键盘控制移动和镜头,文字提示随时改天气、加人或物体。
解读
- 产品角度:这是「可交互视频」,不是游戏引擎。适合做短时体验、陪伴场景的沉浸背景,不适合要求长期一致的玩法。
- 对 Afizzy 这类角色产品:角色站在一个可走动、会说话的场景里,比静态立绘多一层存在感;但要等 API 价格和时长限制落地再判断。
- 术语平讲:世界模型=根据你的操作预测下一帧画面的模型,像一个会「想象」的模拟器。
讨论
- 反方物体出画再回来就变了:龙那段多出第二座城堡、城堡右半边和投石机消失,摩托骑手突然有了头盔。
- 反方提示要萨克斯,声音像单簧管;长提示反复强调写实,出来还是像游戏画面。
- 反方说它能训练机器人不靠谱,跟真实物理差得远。
- 共识在画面内的一致性很强,问题在画外;有人认为把模拟范围从「可见区域」扩到全景只是算力问题。