Google 發表 Genie 3：輸入文字即能生成可操作的即時互動世界

據消息指出，《Genie 3》能維持數分鐘的一致性世界，超越過去如《GameNGen》與《Genie 2》等操作模型。2024 年的《GameNGen》專注於特定遊戲如《DOOM》，可實現數秒即時生成，但其互動性與圖像受限於該遊戲框架；至於《Genie 2》則將應用擴展至一般 3D 環境，雖非即時，但透過事前輸入鍵盤與滑鼠操作，可生成 10 至 20 秒具一致性的互動世界。

《Genie 3》進一步突破限制，除了可生成遊戲般的 3D 空間，還可產生火山、夜景、台風等具擬真視覺效果的環境。它繼承了物理法則導向的影片生成模型《Veo》的技術基礎，並可依據玩家實際操作動態生成畫面。

此外，《Genie 3》支援文字提示改變環境內容，例如改變天氣、召喚動物等，並可與 3D 環境 AI 代理人《SIMA》互通，讓用戶為代理人設定目標，進行模擬操作。

為維持場景一致性，《Genie 3》會記憶至少 1 分鐘內的世界狀態，並根據此資訊逐幀生成畫面，而非預先搭建完整 3D 世界，實現高度即時與動態的表現。

Google DeepMind 強調，《Genie 3》將成為推進世界模型發展的重要里程碑，並計劃未來讓更多測試者參與體驗。

Deepmind 官網