作者 ｜ 董道力
郵箱 ｜ dongdaoli@pingwest.com

今天凌晨，Google DeepMind 向外部開(kāi)放了 Project Genie，可以算是世界模型 Genie 3 的實(shí)驗(yàn)性研究原型，也是這套世界模型第一次以可交互形態(tài)對(duì)公眾開(kāi)放。

目前，該原型率先向年滿(mǎn) 18 歲的美國(guó) Google AI Ultra（3個(gè)月125刀） 訂閱用戶(hù)開(kāi)放。

1

實(shí)測(cè) Project Genie

與視頻生成模型不同，Project Genie有兩個(gè)promtps填寫(xiě)位置，左邊填寫(xiě)環(huán)境的 prompt，右邊寫(xiě)主角的 prompt，還能上傳參考圖片。選擇用第一人稱(chēng)還是第三人稱(chēng)。

在輸入提示詞后，短短一分鐘內(nèi)，Project Genie 顯示世界模型視頻的“第一幀”，給用戶(hù)一個(gè)預(yù)覽，看看是否要進(jìn)行調(diào)整。

我嘗試了兩次同樣的提示詞，差別還是有的。

如果對(duì)預(yù)覽結(jié)果滿(mǎn)意，就可以直接開(kāi)始創(chuàng)造世界。

當(dāng)世界生成完成后，用戶(hù)即可接管角色，在世界中進(jìn)行自由探索。

目前 Project Genie 支持約 1 分鐘的可交互探索時(shí)長(zhǎng)，分辨率為 720p。雖然時(shí)間和分辨率不是很前沿，但世界模型在這個(gè)時(shí)間點(diǎn)，最重要的是“控制”。

Project Genie 的人物控制方式接近傳統(tǒng)游戲邏輯，用戶(hù)可以使用 WASD 控制角色前后左右移動(dòng)，同時(shí)用方向鍵可獨(dú)立控制視角進(jìn)行前后左右的鏡頭轉(zhuǎn)動(dòng)，最驚喜的是人物可以跳。

相比人物位移，視角移動(dòng)明顯更加流暢，響應(yīng)延遲很低，整體操作手感更接近實(shí)時(shí)渲染而非視頻回放。同時(shí)，系統(tǒng)內(nèi)置了基礎(chǔ)的物理約束，例如角色行進(jìn)到場(chǎng)地邊緣時(shí)會(huì)自然停下，而不是穿?；蚶^續(xù)滑行。

從生成質(zhì)量來(lái)看，Project Genie 與傳統(tǒng)視頻生成仍存在明顯差異，但在“世界還原”層面已經(jīng)相當(dāng)完整。prompts中提到的球場(chǎng)、草地、傍晚光照、電子大屏、觀眾揮舞旗幟都被還原。此外，人物的初始位置同樣符合語(yǔ)境，從中圈附近出發(fā)，身著簡(jiǎn)潔的訓(xùn)練服，與整體世界設(shè)定保持一致。

我們?cè)賮?lái)試試用圖片生成世界。

這一次我們上傳的是《艾爾登法環(huán)》的游戲畫(huà)面。Project Genie 基本復(fù)現(xiàn)了原圖的環(huán)境特點(diǎn)，具體效果直接看生成視頻即可。

Project Genie 生成的世界是可以反復(fù)進(jìn)入的。在這次測(cè)試中，我們選擇了與之前足球場(chǎng)案例不同的路徑，不再是平面移動(dòng)，而是嘗試縱向位移。

這個(gè)世界中人物初始位置就在懸崖邊緣。于是我們讓人物直接跳下懸崖。

從結(jié)果來(lái)看，表現(xiàn)相當(dāng)完美。人物起跳、下落、落點(diǎn)的空間關(guān)系在視覺(jué)上是合理的，而且角色順利落到下方路徑，沒(méi)有出現(xiàn)明顯的空間錯(cuò)位。

第二次跳崖時(shí)，角色在下落過(guò)程中甚至因?yàn)椴涞綆r壁而短暫“卡”了一下，這個(gè)細(xì)節(jié)很關(guān)鍵，說(shuō)明Project Genie是真的在計(jì)算角色與環(huán)境之間的物理碰撞，而不是簡(jiǎn)單把物體抽象成一個(gè)個(gè)立體圖像，細(xì)節(jié)用視頻補(bǔ)足。

細(xì)節(jié)層面也有加分項(xiàng)。起跳時(shí)，腳下會(huì)揚(yáng)起灰塵，落地瞬間，人物會(huì)有輕微屈膝的緩沖動(dòng)作。這些都增強(qiáng)了動(dòng)作的可信度。當(dāng)然，還是有點(diǎn)瑕疵，在最后一個(gè)畫(huà)面中，角色實(shí)際應(yīng)該落在水面上，但并沒(méi)有出現(xiàn)水花效果，人物短暫懸浮在水面之上。

另外，更值得注意的是世界風(fēng)格的穩(wěn)定性。在人物進(jìn)行了大幅度、連續(xù)的空間移動(dòng)之后，整個(gè)世界并沒(méi)有隨之“變形”或風(fēng)格漂移。金色樹(shù)葉的色調(diào)、末日感的整體氛圍、懸崖與斷壁的結(jié)構(gòu)關(guān)系，都被完整地保留下來(lái)，沒(méi)有因?yàn)橐暯呛臀恢米兓缐摹?/p>

這一次縱向移動(dòng)的測(cè)試，比單純的平面行走更能體現(xiàn)，Project Genie 不只是“看起來(lái)像一個(gè)世界”，而是在嘗試維持一個(gè)在運(yùn)動(dòng)中依然自洽的3D空間結(jié)構(gòu)。

我們?cè)賮?lái)嘗試一個(gè)第一視角，并且嘗試給生成的世界換一個(gè)截然相反畫(huà)風(fēng)，觀察 Project Genie 對(duì)整體風(fēng)格切換的處理能力。

在初始狀態(tài)下，世界細(xì)節(jié)依然保持在一個(gè)不錯(cuò)的水準(zhǔn)。但真正的測(cè)試從這里開(kāi)始，我們?cè)谝延惺澜绲幕A(chǔ)上，額外輸入了一段整體改變世界風(fēng)格的 prompt，試圖將原本偏寫(xiě)實(shí)的環(huán)境，整體轉(zhuǎn)化為像素畫(huà)風(fēng)。

結(jié)果并沒(méi)有延續(xù)前幾個(gè)案例中的驚艷表現(xiàn)。風(fēng)格變化更多集中在角色層面，人物被明顯像素化，隊(duì)友也趨向于貼圖式呈現(xiàn)，但作為主體的環(huán)境幾乎沒(méi)有發(fā)生根本變化，地形、光影和空間結(jié)構(gòu)依然保持著偏寫(xiě)實(shí)的渲染方式。換句話說(shuō)，風(fēng)格切換并未真正作用于“世界”，而更像是疊加在角色之上的一層外觀修改。

與此同時(shí)，風(fēng)格修改還帶來(lái)了一定的細(xì)節(jié)損失，比如信號(hào)煙霧彈消失，變成了滅火器，場(chǎng)景語(yǔ)義出現(xiàn)了明顯的偏移。

Project Genie 可以在同一世界內(nèi)維持結(jié)構(gòu)穩(wěn)定，但對(duì)已生成世界進(jìn)行整體風(fēng)格重寫(xiě)，仍然明顯弱于從零生成時(shí)的表現(xiàn)。當(dāng)然，用AI生成內(nèi)容是一個(gè)反復(fù)抽卡的過(guò)程，也許多嘗試幾次，Project Genie 就可以給一個(gè)更加合理的世界。

1

Project Genie最大的意義是證明其可行性

如果把 Project Genie 放進(jìn)更大的生成模型譜系中來(lái)看，它現(xiàn)在所處的位置其實(shí)非常清晰：世界模型，正在經(jīng)歷自己的「視頻生成 1.0 時(shí)期」。

今天的視頻生成模型，已經(jīng)卷到了分辨率、運(yùn)鏡語(yǔ)言和敘事連貫性，很多作品看起來(lái)已經(jīng)接近“可以直接作為內(nèi)容使用”。但回到最早階段，視頻生成真正令人震撼的，并不是畫(huà)面質(zhì)量，而是那一刻人們意識(shí)到，畫(huà)面，真的能連續(xù)地動(dòng)起來(lái)。

Project Genie 所代表的世界模型階段，與之高度相似。
它并不是在和游戲或影視內(nèi)容比“畫(huà)得多好”，而是在回答一個(gè)更基礎(chǔ)的問(wèn)題：一個(gè)由模型生成的世界，能不能在被持續(xù)操作時(shí)不迅速崩潰。

因此，Project Genie 在設(shè)計(jì)上做出了非常明確的取舍。它主動(dòng)犧牲了分辨率、畫(huà)面精度和生成時(shí)長(zhǎng)，把算力優(yōu)先用在維持一個(gè)可被反復(fù)進(jìn)入、持續(xù)探索的環(huán)境。你能不能站在懸崖邊緣停下，能不能跳下去，會(huì)不會(huì)撞上巖壁，移動(dòng)之后世界風(fēng)格是否還能保持一致，這些問(wèn)題，遠(yuǎn)比“畫(huà)面像不像某款游戲”更重要。

從技術(shù)層面看，Project Genie 能成立，并不是因?yàn)槟骋粋€(gè)單點(diǎn)突破，而是因?yàn)樗瑫r(shí)滿(mǎn)足了三件此前并不容易同時(shí)做到的事情：狀態(tài)可持續(xù)、空間一致、行為可約束。

Project Genie（Genie3）的技術(shù)難點(diǎn)在于維護(hù)一個(gè)隱式的世界狀態(tài)。用戶(hù)的輸入不再只是觸發(fā)一次新的畫(huà)面補(bǔ)全，而是被當(dāng)作對(duì)世界狀態(tài)的真實(shí)干預(yù)。角色是否能前進(jìn)，取決于地形是否允許，是否會(huì)墜落，取決于重力和邊界，世界風(fēng)格是否延續(xù)，取決于狀態(tài)是否被連續(xù)繼承。

這意味著模型做的已經(jīng)不只是“預(yù)測(cè)下一幀”，而是在給定歷史、規(guī)則和動(dòng)作條件的前提下，推演世界接下來(lái)應(yīng)該如何演化。

也正因?yàn)槿绱耍琍roject Genie 看起來(lái)既不像一個(gè)完整的游戲，也不像一個(gè)視頻工具。它更像一個(gè)尚不成熟、但已經(jīng)能夠自洽運(yùn)轉(zhuǎn)的系統(tǒng)原型。

所以，Project Genie 現(xiàn)在最重要的意義，它第一次讓普通用戶(hù)直觀地意識(shí)到：世界模型不只是論文里的概念，它真的可以被構(gòu)建、被進(jìn)入、被操作，并且在一定范圍內(nèi)持續(xù)成立。

點(diǎn)個(gè)“愛(ài)心”，再走 吧