跳到正文
10月28日週三
  1. MarkTechPost68

    Google DeepMind 發佈 Genie 4 即時世界模型研究預覽,支援原生音訊

    Google DeepMind 已向受邀測試者提供 Genie 4 研究預覽,這款即時世界模型可根據文字和圖像提示生成可探索環境。它同時生成環境聲、音樂及角色對話,Gemini 3.8 Flash 則在模擬循環中規劃步驟、檢查畫面並修訂計劃。互動每次僅持續數分鐘,複雜提示詞編輯後可能出現物件漂移;Google DeepMind 未公開參數、解像度、幀率或基準測試數據。

  2. 小眾軟件54

    Google DeepMind 發佈 Genie 4,可即時生成可互動的虛擬世界

    Google DeepMind 發佈 Genie 4,這款 AI 模型可即時生成讓用戶進入並探索的虛擬世界。用戶可在場景中行走、轉向,並以提示詞改變天氣、加入人物或動物;模型亦可即時生成聲音及物理效果。目前 Genie 4 只向少量測試者開放,虛擬世界只能持續互動數分鐘,時間較長可能出現物體漂移或物理效果異常。

  3. 第一財經69

    Google 發佈 Genie 4,「一句話生成世界」更近一步

    Google 發佈新一代世界模型 Genie 4,可即時生成可探索的動態 3D 世界,並同步生成音樂、環境音及互動對話。用戶可用自然語言修改場景;Gemini 3.8 Flash 會觀察畫面、拆解目標,並因應世界變化或用戶介入調整計劃。Genie 4 目前僅以研究預覽形式向受信任測試者開放,長時間模擬中的視覺細節和物件持續存在狀態仍可能改變或偏移,複雜物理互動亦仍待解決。

  4. 新浪科技67

    Google DeepMind 推出 Genie 4 研究預覽版,首次實現音訊與影片同步生成

    Google DeepMind 推出世界模型 Genie 4 研究預覽版,可生成高擬真、可互動的虛擬世界,並同步生成音訊與影片,連貫畫面最長維持兩分鐘。目前模型僅開放予受信任測試者,計劃未來幾週透過 Project Genie 向 Google AI Ultra 訂閲用戶及 Gemini API、AI Studio 的早期存取合作夥伴提供。

  5. DEV Community74

    Google DeepMind 宣佈 Genie 4,可即時生成並操控帶音訊的互動世界

    Google DeepMind 宣佈 Genie 4,這款新世界模型可由文字提示詞或圖片即時生成可探索、照片級寫實的互動世界。它會同步生成音樂、環境聲和互動對話,連貫場景最長約兩分鐘,是 Genie 3 60 秒上限的兩倍;用戶亦可在模擬進行期間以自然語言更改天氣、移動鏡頭或加入人物和物件。

  6. 新浪科技70

    Google 發佈世界模型 Genie 4,最長模擬約 2 分鐘並首次原生同步生成音影片

    Google 發佈新一代世界模型 Genie 4,最長連續模擬時間增至約 2 分鐘,為前代 Genie 3 的兩倍,並首次原生同步生成音影片。用戶可在模擬期間以自然語言即時調整場景,指令無需重新生成便會生效。目前 Genie 4 以研究預覽形式向少量經篩選的測試者開放;長時間模擬仍有物體漂移,複雜物理互動及場景長期一致性問題尚未解決。

  7. IT之家70

    皮查伊稱 Genie 4 為 Google 迄今最逼真、最具互動性的 AI 世界模型

    Google DeepMind 推出 Genie 4 世界模型,Sundar Pichai 稱其為 Google 迄今最逼真、最具互動性的世界模型。用戶可用自然語言即時改變天氣、鏡頭及場景中的角色或物件,模型亦可在同一過程中同步生成音畫。目前 Genie 4 僅以研究預覽形式向「受信任測試者」開放;長時間模擬的細節漂移、音訊準確性和畫面內文字可讀性仍未完全解決。

  8. DoNews55

    Google DeepMind 發佈新一代世界模型 Genie 4,可生成 120 秒內容

    Google DeepMind 發佈新一代世界模型 Genie 4,單次模擬時長由約一分鐘延至 120 秒,並升級真實感、物理模擬和互動能力。Google 將 Gemini 引入世界模擬,由大語言模型規劃行動、Genie 4 即時生成環境。用戶可透過文字生成可探索的虛擬世界,並在運行期間輸入提示詞改變場景,亦可聽到與世界同步生成的原生音訊。

  9. 新浪科技58

    Google DeepMind 發佈 Genie 4,可即時生成並操控互動世界

    Google DeepMind 發佈世界模型 Genie 4,支援即時生成動態環境,並讓用戶以鍵盤控制角色或鏡頭、以自然語言修改場景。模型亦可同步生成環境音、音樂及人物對話,Gemini 負責理解任務、規劃事件並引導模擬。目前 Genie 4 以研究預覽形式向部分受信任測試者開放;Google 指出,長時間互動中的場景一致性及複雜物理、音訊等仍需改進。

  10. 新浪科技66

    Google DeepMind 發佈世界模型 Genie 4,單次模擬可維持約兩分鐘

    Google DeepMind 發佈新一代世界模型 Genie 4,單次模擬時長約兩分鐘,並可即時生成音訊及可探索的互動場景。Gemini 負責觀察場景、拆解任務和規劃行動,Genie 4 則即時生成虛擬環境;用戶可在運行期間透過提示詞改變場景。Genie 4 現向部分受邀測試者提供研究預覽,模擬時長、場景一致性及音訊準確性仍有限制。

  11. Hugging Face Blog66

    用 LFM3 構建專用多模態模型

    Liquid AI 發佈 LFM3 新一代模型系列,以共享骨幹涵蓋文字、視覺、音訊、全模態及決策模型。LFM3-1.7B 以少 35% 參數超越 LFM2.5-2.6B;文字模型的上下文窗口為 256K,所有模型均可在單張 GPU 微調。LFM3 全系列採開放權重,現已在 Hugging Face 提供。

    推薦理由:LFM3 將文字、視覺、音訊與決策模型建基於同一骨幹,並支援單張 GPU 微調及端側部署,呈現小型模型按任務專門化的實作路徑。

  12. Thurrott66

    Google 發佈 Genie 4 世界模擬模型,先向指定合作夥伴開放研究預覽

    Google 發佈 Genie 4 世界模擬模型,先以研究預覽形式向可信合作夥伴開放,之後將透過 Project Genie 提供予 Google AI Ultra 用戶。Genie 4 把 Project Genie 可探索世界的時長由 60 秒增至 2 分鐘,並支援以自然語言即時修改模擬場景。每個世界可即時生成環境聲、音樂及互動對白;Google 表示,視覺細節和物件持續性仍可能隨時間漂移。

  13. Ars Technica · AI39

    DeepMind 公佈 Genie 4 世界模型,主打更真實的物理效果與人類

    Google DeepMind 公佈 Genie 4 世界模型,稱新模型幾乎各方面都較 Genie 3 有所改進,並能呈現更真實的物理效果與人類。模型會按提示詞即時逐格生成虛擬世界,供用戶探索,無須預先渲染環境或編寫互動元素。DeepMind 表示,這項技術可建立機械人訓練環境,亦可用於創意領域的快速原型製作。

  14. The Verge · AI55

    Google 發佈 Genie 4 世界模型,生成更逼真的互動體驗

    Google 發佈 Genie 4 世界模型,用於生成更逼真的互動體驗,並加入即時提示詞修改及音訊生成等更新。它可生成約兩分鐘的體驗,較 Genie 3 的一分鐘為長,並使用 Gemini 3.8 Flash 協助模擬。Google 已開放等候名單,用戶可申請在 Project Genie 試用;Genie 4 將很快提供予 Google AI Ultra 訂閲用戶。

  15. Hacker News 熱門(buzzing.cc 中文翻譯)72

    Genie 4 向受信任測試者推出研究預覽,主打即時互動世界模擬

    Genie 4 已向受信任測試者推出研究預覽,支援即時互動世界模擬,並可原生生成音訊及互動對話。Gemini 3.8 Flash 在模擬中持續觀察場景、拆解目標並追蹤步驟進度,協助模擬複雜的多步事件。預覽將很快擴展至 Project Genie 的 Google AI Ultra 訂戶,以及 Gemini API 和 Google AI Studio 的早期存取合作夥伴。

10月27日週二
  1. Microsoft AI:官方博客62

    MAI Image 2.7 在 Artificial Analysis 排名高於 GPT Image 2.5 Flare,並於 Arena Edit 排名第 3

    Microsoft AI 推出 MAI Image 2.7 圖像編輯模型預覽版;該模型在 Arena Edit 排名第 3,並在 Artificial Analysis 圖像編輯排行榜排名第 2。相較 MAI Image 2.6,它在 Artificial Analysis 評估的 10 類用例和 7 項編輯操作均有提升;場景與風格類別領先次佳模型 24 Elo。