Google DeepMind 发布世界模型 Genie 4,支持原生音频与实时文本操控
Google DeepMind 发布世界模型 Genie 4,可在实时交互中生成画面与原生音频,并以自然语言实时改变天气、镜头和场景内容。
关注价值:Genie 4 把原生音频、实时语言操控与 Gemini 的推理串进同一个世界模型,读者可据此判断机器人训练环境正从像素生成走向可编程因果模拟。
公司与机构
Gemini Robotics、机器人研究与物理 AI 判断。
1 条精选近 30 天 1 条共收录 7 条
Google DeepMind 发布世界模型 Genie 4,可在实时交互中生成画面与原生音频,并以自然语言实时改变天气、镜头和场景内容。
关注价值:Genie 4 把原生音频、实时语言操控与 Gemini 的推理串进同一个世界模型,读者可据此判断机器人训练环境正从像素生成走向可编程因果模拟。