傍晚的車站入口，通勤者湧向驗票閘門，有幾個人停下來看地圖，另一股人流從側邊穿過。這樣一幕逼真的影像，很容易被誤認為逼真的人群行為。Genie 4 在繁忙公共空間中的人群移動是更嚴苛的測試：當你在場景中移動並改變發生的事，場景還能持續回應嗎？
Genie 4 是互動式世界模型，不只是文字轉影片生成器。Google DeepMind 展示了 1980 年代擁擠的日本車站，並描述鍵盤導航、鏡頭控制與即時自然語言場景變更。公告也說 Genie 4 仍屬早期研究預覽，物件恆存性、空間準確度、複雜互動與長期一致性仍在開發中。這讓它在概念探索上很有前景，但不足以證明它是經過驗證的人群模擬器。（ Google DeepMind，2026 年 10 月 ）
重點摘要
- Genie 4 讓符合資格的測試者探索並操控持續演變的場景；標準影片生成器只會回傳固定片段。
- 與其依賴「繁忙」或「逼真」，不如明確指定路徑、交叉人流、停下行為、鏡頭移動與場景地標。
- 要隨時間判斷移動，包括交叉、重複出現的人物，以及編輯後車站是否仍維持原位。
- 截至 2026 年 11 月 2 日，Genie 4 是存取受限的研究預覽。固定影片則是不同性質的備案。
Genie 4 為人群移動帶來哪些改變
影片生成器通常會把輸入變成一段影片，讓你沿著它選定的鏡頭路徑觀看。Genie 4 則被呈現為世界模型：你可以讓視角在生成的環境中移動，並用文字操控持續演變的場景。DeepMind 表示，其示範使用標準鍵盤控制進行導航與鏡頭控制，並搭配自然語言提示來做出變更，例如改變天氣或加入物件。它也表示 Gemini 協助在脈絡中解讀這些變更，並讓世界持續推進。
當設計師想檢視的不只是單一構圖鏡頭中的車站時，這項差異就很重要。你可以從寬闊的車站大廳入口開始，走向驗票閘門，然後要求一小群人在牆上的地圖旁暫停。原則上，這段序列能讓你探索環境是否會圍繞新事件繼續運作。這比單一畫面看起來是否擁擠，是更有用的問題。
官方擁擠車站範例是一段提示，用來生成 1980 年代日本鄉間鐵路車站。它描述乘客等待、行走、上車與攜帶行李，鏡頭附近有一名鐵路查票員，最近軌道上有一列長長紅色列車，背景是山區。這只能證明 DeepMind 選擇示範的場景是什麼，並不是對人群真實度的獨立測試，而公布的提示也無法證明每個要求動作在長時間探索中都正確運作。
| 需求 | 互動式世界模型 | 固定影片生成器 |
|---|---|---|
| 輸入與輸出 | 以提示驅動、可在工作階段中導航與操控的世界 | 以提示驅動、具有算繪鏡頭路徑的片段 |
| 繼續探索 | 在場景中移動，並嘗試支援的即時變更 | 檢視輸出；新的生成是另一個獨立結果 |
| 適用於 | 早期場景、鏡頭與互動探索 | 短篇概念片段或視覺參考 |
| 存取 | Genie 4 目前僅限研究預覽存取 | 取決於所選模型與服務 |
當問題涉及你移動或介入時會發生什麼，就選 Genie 4。當交付物是要檢視或分享的片段時，就選固定影片。這兩種格式本身都無法證明行人路徑、淨空或時間安排符合真實場館。
如何為繁忙公共空間向 Genie 4 下提示
「做一個繁忙車站」只給了模型一個主題，不是移動計畫。有用的人群提示會描述可觀察的行為與空間關係。先從七個部分開始：地點、時間、布局、人流、個別動作、鏡頭路線與聲音。若要進行有用的評估，也要指明應保持固定的項目，例如入口、閘門與標誌的位置。
官方車站提示提供了場景與可見活動。若要進行受控實驗，一次只讓一個變數明確。如果第一次執行的行走方向不清楚，就修改人流指示，同時保持地點與鏡頭計畫不變。如果你同時改變場景、密度、鏡頭與行為，就無法判斷是哪一項指示改變了結果。
以下是給獲授權 Genie 4 預覽使用者的一個起始實驗。這不是 Atlas Cloud 提示，而且任何控制項的可用性取決於該帳號取得的預覽體驗。
plaintext1Create an explorable, realistic public train-station concourse during the evening commute. Show a steady, dense pedestrian flow moving in both directions through clearly visible lanes. Some people walk briskly toward the platform entrances, a few pause beside a wall map without blocking the main flow, and small groups walk together at a natural pace. Pedestrians adjust their paths and leave personal space when crossing; avoid synchronized marching or repeated identical people. Keep the station layout stable, with the main entrance, ticket gates, and platform signs in consistent positions. Begin from a wide eye-level view, then let me move toward the ticket gates while the crowd continues to flow naturally. Use realistic indoor station ambience and indistinct background conversation. Do not show emergencies, panic, collisions, or readable brand logos.
把提示視為實驗規格，而非保證。「保留個人空間」表達了期望行為，但沒有定義可量測的淨空門檻。「保持車站布局穩定」是一項要求，不是幾何維持穩定的證明。如果預覽介面支援即時文字操控，就測試一個狹窄事件，例如請幾個人在地圖旁暫停，然後觀察他們周圍的路徑。除非你的帳號介面有文件說明，否則不要假設特定控制項、持續時間或設定。
為了公平檢查，保留一份小型執行紀錄：提示版本、起始視角、變更的指示，以及你之後觀察到的內容。你不需要複雜的評分系統。目的是把可見結果與印象分開，並讓重複嘗試可互相比較。
案例：車站人流交會處掉落的節目單
將測試設定在藍調時刻的虛構車站大廳。琥珀色光線穿過拱形玻璃屋頂，落在青綠色與陶土色的馬賽克上。一股乘客走向驗票閘門，另一股則交叉前往出口。一名成年女性身穿祖母綠剪裁大衣、珊瑚色百褶洋裝、番紅花絲巾與酒紅色靴子，注意到一本折疊、未印刷的節目單正從她的托特包滑落。她轉身接住，當另一名乘客幫忙時鬆了一口氣地微笑，做手勢道謝，然後回到同伴身邊。這個小插曲讓人群有理由調整路徑，而不需要緊急狀況或不自然的舞蹈動作。
所提供的靜態影像與 28 秒片段是固定生成媒體，不是 Genie 4 畫面。問題在於，當鏡頭改變方向時，同樣的馬賽克交叉口、地圖牆、天窗與閘門線是否仍留在原位。留意附近乘客是否自然側身讓開並恢復路線。那名女性的轉身、伸手、變化的表情與手勢，讓個別動作在較大人流中清楚可見。
本案例使用三張靜態影像與一段連續 28 秒影片。若要重現，請用 Seedream 5.0 Pro Text-to-Image 製作寬景。用 Seedream 5.0 Pro Edit 製作側視與回望視角，並以第一張影像保留身分、服裝、光線與建築。將三張核准影像交給 Wan 3.0 Reference-to-Video 製作長片段。這些固定輸出有助於檢視構想；只有真正的 Genie 4 工作階段才能測試即時導航或文字操控。
影像 1 提示，入口寬景： 寫實的 16:9 電影感靜態影像，描繪藍調時刻一個繁忙的虛構現代車站。拱形玻璃屋頂將琥珀色光線灑在青綠色與陶土色的星形馬賽克上。黃銅邊緣的地圖牆位於一排穩定的驗票閘門左側。兩股密集但可辨識的行人流向在馬賽克處交叉，朝相反方向行走。中景有一名栗色頭髮盤成低編髮髻的成年女性，身穿祖母綠剪裁大衣，內搭珊瑚色百褶洋裝，圍著番紅花黃絲巾，腳穿酒紅短靴，帶著一個小皮革托特包。她轉頭，表情警覺而驚訝，一本折疊的空白節目單開始從托特包滑落。從入口拍攝的寬廣平視視角，35mm 鏡頭，色彩濃郁但可信，臉與手自然，其他乘客服裝各異。沒有可讀標誌、商標、碰撞、重複人物或空蕩月台。
寬景畫面建立了星形馬賽克、地圖牆、閘門與對向行人流。
影像 2 提示，側面交叉視角： 將影像 1 編輯成 16:9 側面角度，約與入口視角成 90 度。保留該名女性確切的臉、低編髮、祖母綠大衣、珊瑚色洋裝、番紅花黃絲巾、酒紅靴與托特包。讓同樣的拱形屋頂、地圖牆、閘門線、星形馬賽克與藍調時刻琥珀色光線維持在空間上合理的位置。顯示她轉身到一半，一隻手臂伸向掉落的空白節目單；絲巾與裙子自然跟著轉身擺動。一名穿梅紫色外套的乘客微微彎身，接住一角。兩個方向的行人繞過他們，步伐各異，個人空間清楚可見。表情自然、身體動作優雅，沒有擺拍舞蹈、多餘肢體、場景重設或可辨識文字。
側視圖讓她伸手的動作與局部交叉清晰可見；節目單與附近人物是連續性檢查點。
影像 3 提示，從閘門回望視角： 將影像 1 與 2 編輯成第三個 16:9 視角，從閘門正後方回望入口。保留同樣的臉、服裝、穿梅紫色外套的乘客、屋頂拱線、地圖牆、閘門線、星形馬賽克與色調。該名女性現在拿著找回的空白節目單，鬆了一口氣地微笑，一手張開表示感謝，並轉動肩膀重新加入人流。兩股交叉人流繼續在她身後與身旁流動。肩高取景，從反向仍可辨識馬賽克與屋頂。寫實的布料與皮膚，車站設計精緻但可信，沒有凍結人群、重複臉孔、商標或可讀標誌。
最終靜態影像保留了她的服裝與車站地標，但未達成所要求的真正反向視角。
28 秒影片提示： 使用三張核准的靜態影像作為視覺參考，製作一段連續、寫實的 16:9 鏡頭，呈現同一車站大廳與人物。0–7 秒，從入口斜向滑入，兩股繁忙人流在星形馬賽克附近交叉，行走節奏各異。7–14 秒，沿著該名女性身旁跟拍，空白節目單從她的托特包滑落；她眉毛揚起，以受控的全身轉身，絲巾與裙子因慣性擺動，她伸手去接。14–21 秒，繞著交叉處弧線移動，穿梅紫色外套的乘客接住一角，附近行人放慢或側身讓開但不偏離路線，該名女性微笑，接過節目單，並做出小幅張手道謝的手勢。21–28 秒，轉到從閘門回望的視角，她轉向同伴並重新加入人流；回望時揭示同樣的地圖牆、屋頂拱線、閘門線與星形馬賽克，位置一致。保持臉、服裝、建築與光線穩定；鏡頭高度可信；動作流暢且表情可讀。沒有緊急狀況、舞蹈編排、碰撞、重複人物、瞬間移動、扭曲的手、突兀剪接或僅緩慢變焦的移動。沒有商標或可讀招牌。
8YZG7XVc2Bk
28 秒固定片段從寬廣人群視角移動到紙張交接，再穿過車站大廳返回。它是算繪範例，不是 Genie 4 互動的錄影。
這些靜態影像在整個事件中保留了該名女性的祖母綠大衣、番紅花黃絲巾與珊瑚色洋裝。第三張影像仍停留在場景的相似側，而不是顯示所要求的反向視角。在片段中，鏡頭在寬景與較近的側視之間移動，節目單也易手，但並未完成清楚的反向視角連續性測試。這個落差比任何單一畫面的吸引力更重要。固定片段也無法顯示 Genie 4 會如何回應即時操控要求。
如何評估人群行為，而不是只看單一畫面
靜態畫面能顯示密度與構圖。它無法告訴你行人是否持續一致地移動、交叉人流是否彼此讓出空間，或場景編輯後他們身後的建築是否改變。觀看一段連續序列，並每次檢查同樣五件事：
- 人流方向： 你能辨識穿過車站大廳的主要路線嗎？人們是否持續朝入口移動，還是路徑隨機反向？
- 局部交叉： 當兩股人流相遇，人們是否看似調整方向與速度，還是身體重疊、側向跳動或互相穿過？
- 個別差異： 人們是否以多樣時間行走、等待與組成群體，還是許多人物重複相同動作與外觀？
- 空間連續性： 移動鏡頭或改變場景後，閘門與牆面等固定地標是否維持一致位置？
- 事件與聲音契合度： 如果幾個人停下或有聲音提示，附近的人與環境氛圍是否以符合可見內容的方式回應？
用這份清單判斷結果是否支持視覺討論。即使有幾名行人重複，場景仍可能適合用於情緒板。但同樣的輸出會不足以研究碰撞避免。記錄具體失敗，例如鏡頭轉向後有人消失，或走道改變形狀，而不是把「真實感」當成一個廣泛印象來評分。
這份檢查清單不會把生成場景變成經過驗證的模擬。DeepMind 自身指出視覺漂移、物件恆存性、複雜物理互動、空間準確性與較長期一致性是仍在研究中的限制。精緻的影像或一時的回應，可能與這些領域的錯誤同時存在。（ Google DeepMind，Genie 4 限制 ）
Genie 4 的存取、可用性與實用備案
公告表示 Genie 4 已開始以研究預覽形式向受信任測試者推出。Google 表示計劃透過 Project Genie 向 Google AI Ultra 訂閱者擴大存取，並透過搶先體驗合作夥伴提供 Gemini API 與 Google AI Studio 存取。「計劃擴大」不代表每位訂閱者或開發者今天都能使用。公開公告未說明一般可用的價格，而候補名單也不是存取權的確認。
在圍繞即時工作階段規劃專案之前，請查看官方 Genie 頁面與候補名單，確認目前資格。如果你確實取得存取權，請先從短時間探索開始，並將輸出視為早期視覺原型。避免把尚未取得的存取權當作時程、安全聲明或製作需求的依據。
如果你眼前需要的是固定概念片段，影片模型可以回答一個較狹窄的問題：這個車站在單一構圖鏡頭中可能看起來與感覺如何？Atlas Cloud 列出 Wan 3.0 Reference-to-Video 作為你已有參考影像時的一個選項。執行前請查看即時模型設定。
上述車站交叉案例是一個固定影片範例。其 28 秒鏡頭路線可能揭示重複人物、不穩定建築，或彼此穿插的路徑。該片段是視覺概念預覽，不是互動式 Genie 4 工作階段：觀看者無法在其中走動，或在其發生時操控新事件。
對 DeepMind 官方車站提示中所列場景元素的簡潔解讀。
Genie 4 人群場景何時有用，以及何時該小心
互動式人群場景可協助遊戲團隊討論車站大廳的感覺，協助電影工作者探索鏡頭高度與移動，或讓創意團隊在建立詳細環境前比較幾種場景方向。價值在於快速探索：人們可以問「如果鏡頭從這裡開始呢？」或「如果一小群人暫停會改變什麼？」並檢視回應。
這些問題與製作驗證不同。生成人群場景無法確立場館容量、疏散時間、無障礙性、安全行人密度，或是否符合建築要求。這些決策需要適當的真實世界資料與方法，並由合格專業人員審查。Genie 4 自身所述在空間準確性與複雜互動方面的限制，使得我們尤其不應把看似合理的序列當成工程結果。
同樣的界線也適用於遊戲邏輯。生成角色看似讓路，並不證明有可重複的導航規則、確定性碰撞處理，或跨工作階段的穩定行為。用場景讓想法可被討論；當決策取決於可量測結果時，就改用專門打造的工具與受控測試。
對於 Genie 4 在繁忙公共空間中的人群移動，實際的下一步是定義一個你想檢視的互動，寫下應保持一致的地標與路徑，並確認目前的預覽資格。如果你無法存取 Genie 4，且只需要可分享的視覺參考，請使用固定影片工作流程，並準確標示結果。
常見問題
Genie 4 是影片生成器還是互動式世界模型？
Google 將 Genie 4 描述為互動式世界模型。其示範顯示鍵盤導航、鏡頭控制與即時文字操控。它也能產生錄製的視聽輸出，但這不表示它等同於只回傳固定影片片段的工作流程。
Genie 4 能模擬逼真的人群移動嗎？
它能生成擁擠場景，而 DeepMind 的公告也包含一個擁擠車站範例。這展示了預期能力，不是對行人行為的經過驗證量測。要隨時間檢查移動，並留意模型已公布的限制。
Genie 4 已公開可用嗎？有公開價格嗎？
截至 2026 年 11 月 2 日，DeepMind 描述的是一個供受信任測試者使用的研究預覽，以及計劃中的更廣泛推出。公開公告未提供一般可用價格。請透過官方公告與候補名單確認資格。
Atlas Cloud 能執行 Genie 4 嗎？
Atlas Cloud 模型目錄未列出 Genie 4。Atlas Cloud 提供固定影片生成選項，例如 Wan 3.0，但那些無法提供 Genie 4 的互動式世界模擬。
