#video generation

Google DeepMind 发布世界模型 Genie 4，可实时生成画面与环境音、进行可交互对话，并允许用自然语言随时改动场景。模型由 Gemini 家族支撑，Gemini 3.8 Flash 担任引导 agent 来拆解多步任务。该模型目前以研究预览形式向可信测试者开放，按计划随后提供给 Project Genie 的 Ultra 订阅者以及 Gemini API、AI Studio 合作伙伴，生成内容带有 SynthID 水印。

Google 宣布推出由 Google DeepMind 开发的视频生成模型 Gemini Omni 1.2 Flash。官方称其生成更快、成本降低 30%：可先生成 360p 或 720p 草稿（0.07 美元/秒），再放大至 1080p 或 4K。该模型支持 3 至 15 秒时长（最长 15 秒），并可通过对话逐轮修改背景、主体或光照；Google 还称多说话人语音与唇形同步更自然、镜头运动更可控且跳切更少。上述性能与价格均为 Google 的发布说法，尚缺独立验证。