編輯｜杜偉

(資料圖片僅供參考)

谷歌世界模型，再一次驚艷了所有人！

今天一早，谷歌 DeepMind 開放了世界模型 Genie 3 的實驗性研究原型「Project Genie」，允許用戶創(chuàng)建、編輯并探索虛擬世界

在世界模型 Genie 3 之外，Project Genie 同樣由圖像生成與編輯模型 Nano Banana Pro 和語言模型 Gemini 提供技術(shù)支撐。

去年 8 月，谷歌預發(fā)布了通用世界模型 Genie 3，它能夠生成多樣化的交互式環(huán)境。在這一早期階段，受邀測試者們已經(jīng)創(chuàng)造出了令人印象深刻且極具吸引力的虛擬世界與沉浸式體驗，并挖掘出了全新的使用方式。

接下來的目標是構(gòu)建一個專注于「沉浸式世界創(chuàng)建」的交互式原型，進一步擴大受眾范圍。

因此自即日起，谷歌面向美國 18 歲及以上的 Google AI Ultra 用戶開放了 Project Genie 的訪問權(quán)限。

Project Genie 的多樣性玩法

世界模型能夠模擬環(huán)境的動態(tài)變化，并預測環(huán)境的演變方式以及動作對環(huán)境的影響。

與靜態(tài) 3D 快照中的可探索體驗不同，谷歌通用世界模型 Genie 3 會在用戶移動并與世界交互時，實時生成前方的路徑。

它能夠為動態(tài)世界模擬出物理效果和交互，并且其突破性的一致性使得模擬任何現(xiàn)實場景成為可能，從機器人技術(shù)、動畫建模和小說創(chuàng)作，到地點探索和歷史場景還原。

如今，在 Genie 3、Nano Banana Pro 和 Gemini 等三大模型的支持下，Project Genie 具備了以下三大核心能力：

首先是，世界草繪（World sketching）

通過文本提示詞以及生成或上傳的圖片，用戶即可創(chuàng)建一個生動且不斷擴張的環(huán)境。用戶可以創(chuàng)建自己的角色和世界，并定義自己想要的探索方式，比如行走、騎行、飛行或者駕駛，等等。

為了實現(xiàn)更精準的控制，谷歌將「世界草繪」與 Nano Banana Pro 進行了整合。這樣一來，用戶在正式進入世界之前，可以預覽世界的樣貌并修改圖像以進行微調(diào)。

用戶還可以定義角色的視角（第一人稱或第三人稱），在進入場景前掌控自己的視覺體驗。

其次是，世界探索（World exploration）

用戶創(chuàng)建的世界是一個等待探索的可導航環(huán)境。在移動時，Project Genie 會根據(jù)用戶采取的行動實時生成前方路徑。在穿行過程中，用戶還可以調(diào)整相機視角。

最后是，世界重混（World remixing）

通過在原有提示詞的基礎(chǔ)上進行創(chuàng)作，將現(xiàn)有世界重混成新的演繹版本。用戶也可以在畫廊或「隨機生成」圖標中探索精選世界以獲取靈感，并在此基礎(chǔ)上繼續(xù)構(gòu)建。

完成后，用戶可以下載關(guān)于自己的世界和探索過程的視頻。

不過目前，谷歌也承認，Genie 3 仍處于早期研究階段， 以下幾個方面需要進一步改進：

• 生成的世界可能看起來并不完全逼真，或者并不總是能嚴格遵循提示詞、圖像或現(xiàn)實世界的物理規(guī)律；
• 角色有時可能不太受控，或者在控制上存在較高的延遲；
• 生成內(nèi)容的時長限制在 60 秒以內(nèi)；
• 此前宣布的部分 Genie 3 功能（例如在探索時改變世界的提示事件「promptable events」）尚未包含在此原型中。

第一手體驗出爐

谷歌開放 Project Genie，終于讓更多用戶親身體驗到了世界模型 Genie 3 的「AI 生萬物」。

已經(jīng)上手的 Ultra 用戶紛紛曬出了自己的作品，給予了不錯的評價。

「剛剛用 Genie 3 做出了我的第一款 AI 游戲。提示詞：一位法國女子必須攀越一個違背邏輯的世界，到處都是飛行物體。這會是游戲行業(yè)的終結(jié)嗎？」

「Genie 3 能運行《毀滅戰(zhàn)士》（Doom）嗎？看它生成的《毀滅戰(zhàn)士》，墻壁全是由同樣在運行《毀滅戰(zhàn)士》的屏幕組成；主角是《毀滅戰(zhàn)士》里的陸戰(zhàn)隊員，但他的頭也是一個正在運行《毀滅戰(zhàn)士》的屏幕。」

「Genie 3 在建模和物理模擬方面是一個巨大的飛躍，但仍存在一些待解決的問題，比如一只頭頂著鴨子的水獺飛行員正走在一家羅斯科（Rothko）風格的機場里；以及一只穿著翼裝的水獺正飛越一座充滿哥特式塔樓的城市。」

「看 Genie 3 生成的人物是怎么打開車門的，這簡直太令人震撼了。」

「畫面提示詞為：一個男人正沿著好萊塢大道漫步。不僅能控制這個男人的動作，還能實時操控相機的視角。」

https://blog.google/innovation-and-ai/models-and-research/google-deepmind/project-genie/

https://x.com/TrueSlazac/status/2016959063699906740?s=20

https://x.com/emollick/status/2016982218506199531

https://x.com/emollick/status/2016919989865840906?s=20

https://x.com/EHuanglu/status/2016926887151354255?s=20

關(guān)鍵詞： 谷歌 虛擬世界 世界模型 ai游戲 開放世