Google世界模型Genie 4登場！懂物理、能對話，輸入文字就能即時生成「可互動世界」|數位時代 BusinessNext

Google世界模型Genie 4登場！懂物理、能對話，輸入文字就能即時生成「可互動世界」

DeepMind發表世界模型Genie 4，輸入文字即可生成可操控的虛擬世界。物理與人物更擬真、支援原生音效與角色對話，由Gemini擔任導演。

Genie 4怎麼玩？物理、人物與聲音全面升級

Genie 4不需要使用者預先製作場景或逐一編寫互動元素，而是隨操作即時生成畫面：使用者描述場景，用鍵盤移動、控制鏡頭，再用文字提示調整劇情。

Genie 4的升級有三塊。物理上，DeepMind稱模型能模擬空氣動力、碰撞等情境。人物上，官方稱這是「最戲劇性的躍進」，角色動作更自然、會對環境反應。聲音上，每個世界帶著自身場景的環境音，從林間風聲到海浪拍岸；更關鍵的是人聲，角色會開口對話，並隨使用者輸入或世界裡的事件即時應變。

Gemini當導演：即時改劇本、拆解任務、模擬機器人

使用者可用自然語言即時改天氣、移動鏡頭、加入人物或物件，Gemini會依場景脈絡調整提示。背後是Gemini 3.8 Flash全程在旁監場（官方稱為guiding agent）：持續觀察場景、把目標拆成步驟，並檢視生成中的畫面，追蹤任務進度並確認步驟是否完成；世界改變或使用者介入時，當場調整計畫。

DeepMind也試驗讓Gemini 4 Argon搭配Genie 4，把使用者指定的任務拆成步驟，模擬Apptronik的Apollo人形機器人下西洋跳棋，等於讓AI系統先在虛擬世界預演，再走進真實世界。官方把這種分工視為「混合式世界模型」的起點。簡言之，Gemini負責想劇本與推理，Genie負責把畫面與聲音即時生出來。

誰先用得到？測試者怎麼用、還有哪些限制

受信任測試者涵蓋創意、新聞、教育、遊戲與工程領域。官方列舉的用法包括：影視團隊當作預視草稿，即時跑多個「鏡次」；攝影記者探索把一張老照片變成可走入的場景；遊戲開發者在寫引擎程式前先做出可探索的原型；企業夥伴評估用它快速生成情境模擬。

限制方面，DeepMind坦言畫面細節與物件恆存性（物件離開視野後再出現，仍能維持存在與一致性）會隨時間漂移，複雜物理互動、即時音訊準確度、文字算繪、空間準確度與長時間一致性仍在研究中。

《Ars Technica》指出，Genie 4的世界只能維持連貫數分鐘，Gemini API定價也尚未公布。所有影像與聲音都會內嵌SynthID，這是Google用來辨識AI生成內容、一般人無法察覺的數位浮水印。

本文初稿為AI編撰，整理．編輯/ 李先泰

當觀看與被觀看成為當代人的日常時，直播早已褪去昔日單純的娛樂外衣，從 Twitch 上挑燈夜戰的電競實況、YouTube 的第一手開箱、TikTok 與 Instagram 隨手刷過的短影音，到現今風靡全球的電商帶貨——直播不僅重塑了人們的視覺感受，更淬鍊出一條成熟蓬勃的商業路徑。

「現在是全民直播的時代！」台灣直播設備龍頭圓剛科技全球品牌行銷處處長蔡柏輝說。在台灣影像擷取盒、擷取卡市場，搶下超過 90％市占的圓剛，是眾多螢幕後，撐起無數流暢畫面的關鍵推手，就連在日本、韓國也有很高市占率，不論是剛敲開創作大門的新手，或是專業級的直播團隊，圓剛以全方位產品線，滿足不同創作者對影音設備的需求。

MIT 高品質研發，提供創作者直播台上的安心感

從電視盒起家的圓剛，始終專精「訊號轉換與整合」技術，早在 15 年前，便踏入直播市場，靠著百分百 MIT 研發高品質，拿下龍頭地位。在占有率幾乎觸及市場天花板之際，「我們現在追求的，是拓展更多不同領域的使用者，以及深入更多不同的直播場景。」

這些年，圓剛觀察到直播趨勢轉變。蔡柏輝打趣道，早期的遊戲直播多半是「一個人在昏暗房間裡默默開台」；時至今日，這股風潮早已跨出房門，延伸至客廳、戶外，成為大眾都能參與的影音浪潮。承載內容的平台也從桌上型電腦，擴展至遊戲掌機、家用遊戲機和智慧型手機，直播型態與使用者需求也開始走向分眾。

蔡柏輝觀察，對剛踏入直播領域的新手來說，最大的心理障礙往往來自對設備不確定性的恐懼，「最怕開播時，觀眾聽不到聲音或畫面卡頓。我們想給創作者的是，『三分鐘輕鬆搞定』的從容與信任感。」

而對頂尖實況主與專業直播團隊來說，設備則是不能有絲毫閃失的「生財利器」。專業直播主高度追求流暢幀率與畫質細節，唯有極致的視覺體驗，才能吸引觀眾留存並化為實質贊助與互動。更重要的是，長達數小時的高強度直播，不能出現黑屏或無預警斷線，一旦畫面中斷，累積的流量和觀眾也瞬間消失。

針對不同成長階段的直播主，圓剛提供從 1080p 到 4K144 的擷取盒畫質，滿足從入門到細緻畫質的需求，高規格的產品穩定度，確保長時間直播不黑屏卡頓，許多產品更提供長達「3+2」5 年保固，「我們敢喊5年，就是對自己的產品很有信心！」這正是圓剛高品質與高穩定的最好證明，「我們賣的不是冷冰冰的產品規格，而是創作者的夢想與直播台上的安心感。」

從規格堆疊走向場景拆解，滿足不同直播應用

「圓剛這幾年做的不是一直堆疊規格，而是場景拆解。」嗅到行動世代對攜帶性與靈活度的渴望，圓剛特別打造「GO 系列」產品線（ GC313Pro、GC313 ），高度整合多元功能，身兼 USB-C 影像擷取/傳輸、螢幕跨屏輸出和 100W 快充技術，把繁複線材與驅動程式全都收納進一個掌心大小的充電頭裡，極致輕巧方便攜帶。

蔡柏輝分享，創作者在直播 Switch 或手機遊戲畫面時，最怕連接埠占滿而電量枯竭，「GO 系列」讓使用者能「邊直播邊充電」，解決使用痛點，還有很多靈活應用，像是在國外旅遊時，可將手機螢幕投放至飯店電視，直接用大螢幕觀看 Netflix，避免在其他裝置登入 Netflix 個人帳密的風險，「不只滿足直播需求，也能充電、小螢幕轉大螢幕，拓展更多使用情境。」

為了解決直播設備軟硬體複雜的相容性問題，圓剛也不斷擴充產品線，蔡柏輝笑說，「我們稱作『直播三寶』！」在影像擷取外，還提供各種規格的視訊鏡頭與高音質麥克風，其中，台灣市場熱銷產品之一的 AM310G2 麥克風，以高性價比廣受歡迎，首代產品全球累計銷量突破10萬支，第二代也延續市場熱銷氣勢，透過麥克風輕鬆連接手機，從直播到行動唱歌都能滿足。相比創作者過去必須東拼西湊不同品牌、解決多個軟體衝突問題，圓剛透過三位一體的完整配置，成了台灣極少數能提供一站式直播生態系的品牌。

有了高品質硬體後，圓剛又以自主研發的直播軟體平台「直播大師 Streaming Center」，協助使用者軟硬整合，省去安裝繁瑣的驅動程式，透過直覺易上手的介面，連接上直播設備後，便會自動完成基礎設置，同時只要一個按鈕就能一鍵切換鏡頭特寫、AI自動降噪去背景雜音、甚至微調人像膚色，蔡柏輝比喻，「直播大師就是創作者的個人導播。」透過軟體輕量化與一站式整合，圓剛也把電腦寶貴的運算效能，最大化發揮在遊戲和直播上。

布局全球電商與商業活動直播，讓直播體驗深入各行各業

面對近年興起的電商直播帶貨，圓剛也積極佈局。蔡柏輝指出，與其他直播領域相比，電商直播更在意能否精準還原色彩、細節和清晰畫質，因為這不只攸關畫面表現，更是決定成交與否的關鍵，「電商最怕退貨，如果消費者收到的實品跟鏡頭前不一樣，對品牌信任度也會瞬間瓦解。」

圓剛的高階擷取卡支援 RGB24 無損色彩還原，能將商品最真實的細緻色彩忠實呈現；針對動輒數小時的直播馬拉松，也打造高效散熱機制，確保賣家可長時間穩定使用，甚至還能延伸至醫療與科研診斷領域，像是當醫生透過畫面看病理切片時，同樣提供毫釐不差的精準度。針對電商帶貨直播發展火熱的亞洲市場，圓剛也推出旗艦級擷取卡產品，支援多機位擷取、橫豎屏同步直播，並輸出至多個直播平台，同時又兼具高性價比。

在消費市場扎穩根基後，圓剛也正將產品優勢一步步延伸至企業與商業直播領域，像是企業透過直播宣傳產品，或是各式活動現場直播，如演講、論壇甚至畢業典禮，透過提供適切的軟硬體解決方案，展現跨越多元情境的影音實力，讓高品質的直播體驗深入各行各業。

「我希望圓剛可以成為創作者的解憂雜貨店！」蔡柏輝指出，從個人到商用，從單人到團隊，從遊戲直播到企業直播，圓剛都能滿足不同需求，解決各種疑難雜症，甚至針對還未開始直播事業的人，也能提供硬體搭配建議，「創作者只要負責發光發熱，剩下 99% 的繁雜技術，圓剛在背後全幫你簡單搞定！」從敲開創作大門的第一張擷取卡，到支撐商業王國的直播系統，未來圓剛將以全方位的影音設備，持續陪伴創作者在影音時代中綻放耀眼光芒。