Google 的 Genie 4 主打两件事:实时操控,和原生音频。它不是一个生成视频的模型,是一个可以边走边生成的环境模型。
世界模型和视频模型差在哪?
视频模型给定提示词,生成一段固定内容。世界模型给定动作,实时生成下一帧。
差别在交互。前者是回放,后者是可以玩。
实时操控有什么用?
三个方向。训练仿真,让机器人在虚拟环境里练。内容预演,让导演边走边看场景。交互娱乐,让用户自己探索。
第一个方向最有商业价值,因为真实训练成本太高。
原生音频为什么重要?
因为声音和画面同步是沉浸感的关键。脚步、回声、环境音,缺一个就假。
原生生成比后期配音更自然,因为它是同时产生的。
现在能用到生产吗?
还早。实时生成对算力要求极高,分辨率、时长、稳定性都受限。
它现在的价值在验证方向,不在替代现有流程。
对视频制作有什么启发?
启发是流程会变。现在是想好再生成,未来可能是先搭环境再走一遍。
走一遍能发现很多问题:镜头不顺、节奏拖沓、空间关系错。这些在静态分镜里看不出来。
企业该怎么跟?
两步。第一,关注它的开放进度,别急着采购。第二,把分镜和场景描述规范化,为将来的交互式预演做准备。
第二步现在就能做,成本也低。
有哪些风险?
三个。第一,算力成本高。第二,内容可控性差,实时生成难约束。第三,版权归属模糊,训练数据来源复杂。
第三个最需要提前想清楚。
和现有工具怎么配合?
短期是补充,不是替代。用现有模型出成片,用世界模型做预演和验证。
这样既不影响交付,又能提前积累经验。
这篇的核心结论是什么?
Genie 4 的价值不在现在能出什么片,在它指出了下一个流程形态:先走一遍,再生成。
还有哪些需要留意的点?
能力、开放范围与价格以官方为准。现阶段建议观察,不建议押注。
去论坛讨论
前往 ziyuanagi.com 论坛 参与讨论