傍晚的车站入口，通勤者涌向检票口，少数人停下来看地图，另一股人流从侧面穿过。这样一幅令人信服的画面，很容易被误认为是令人信服的人群行为。Genie 4 在繁忙公共场所中的人群移动 是一项更严苛的测试：当你穿行其中并改变发生的事时，场景能否持续作出响应？
Genie 4 是一个交互式世界模型，而不只是文本到视频生成器。Google DeepMind 展示了一个拥挤的 1980 年代日本车站，并描述了键盘导航、镜头控制以及实时自然语言场景更改。公告还表示，Genie 4 仍处于早期研究预览阶段，物体恒存性、空间准确性、复杂交互和长期一致性仍在开发中。这使它有望用于概念探索，但并不能证明它是经过验证的人群模拟器。（ Google DeepMind，2026年10月 ）
要点
- Genie 4 让符合条件的测试者探索并引导一个不断演变的场景；标准视频生成器则返回固定片段。
- 应具体说明路径、交叉人流、停顿行为、镜头运动和场景地标，而不是依赖“繁忙”或“逼真”。
- 判断随时间发生的运动，包括交叉穿行、重复出现的人，以及编辑后车站是否仍在原位。
- 截至 2026 年 11 月 2 日，Genie 4 是访问受限的研究预览。固定视频是另一种不同的后备方案。
Genie 4 如何改变人群移动
视频生成器通常将输入转换为一个片段，你只能沿它选择的镜头路径观看。Genie 4 被呈现为一个世界模型：你可以在生成的环境中移动视角，并用文本引导不断演变的场景。DeepMind 表示，其演示使用标准键盘控制进行导航和镜头控制，同时使用自然语言提示进行更改，例如改变天气或引入一个物体。它还表示 Gemini 有助于在上下文中解释这些更改，并让世界继续推进。
当设计师想在一个构图镜头之外查看车站时，这种区别很重要。你可以从宽阔的站厅入口开始，朝检票口走去，然后要求一小群人在墙上的地图附近停下。原则上，这一序列让你探索环境是否会在新事件周围继续。这比某一帧看起来是否拥挤更有用。
官方拥挤车站示例是针对 1980 年代日本乡村火车站的一条提示。它描述了等待、行走、上车和携带行李的乘客，镜头附近的一名铁路稽查员，最近轨道上的一列长红色列车，以及山景环境。这证明了 DeepMind 选择演示的场景。它并不是对人群真实感的独立测试，而且已发布的提示并不能证明每个请求动作在长时间探索中都正确表现。
| 需求 | 交互式世界模型 | 固定视频生成器 |
|---|---|---|
| 输入与输出 | 一个由提示引导的世界，可在会话中导航和引导 | 一个由提示引导的片段，带有渲染好的镜头路径 |
| 继续探索 | 在场景中移动并尝试支持的实时更改 | 查看输出；新生成是另一个独立结果 |
| 适用于 | 早期场景、镜头和交互探索 | 短概念片段或视觉参考 |
| 访问 | Genie 4 目前仅限研究预览访问 | 取决于所选模型和服务 |
当问题涉及你移动或干预时会发生什么，就选择 Genie 4。当交付物是供查看或分享的片段时，就选择固定视频。两种格式本身都不能证明行人路径、净空或时机与真实场所相符。
如何为繁忙公共场所编写 Genie 4 提示
“生成一个繁忙车站”给模型的是一个主题，而不是移动方案。有用的人群提示会描述可观察的行为和空间关系。从七个部分开始：地点、时间、布局、流线、个体动作、镜头路线和声音。为了进行有用的评估，还要指明应保持固定的内容，例如入口、检票口和标志的位置。
官方车站提示提供了场景和可见活动。对于受控实验，一次只让一个变量明确变化。如果第一次运行中行走方向不清楚，就修改流线指令，同时保持地点和镜头计划不变。如果你同时更改场景、密度、镜头和行为，就无法判断是哪条指令改变了结果。
下面是一个给获得授权的 Genie 4 预览用户的起始实验。它不是 Atlas Cloud 提示，任何控制是否可用都取决于该账户获得的预览体验。
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.
将提示视为实验规范，而不是保证。“留出个人空间”表达了一种期望行为，但它并未定义经过测量的净空阈值。“保持车站布局稳定”是一项请求，而不是几何结构保持稳定的证明。如果预览界面支持实时文本引导，测试一个狭窄事件，例如要求几个人在地图附近停下，然后观察他们周围的路径。除非你的账户界面中有文档说明，否则不要假定某个控制、时长或设置。
为了公平检查，保留一份小型运行日志：提示版本、起始视角、更改的指令，以及之后观察到的内容。你不需要复杂的评分系统。目的是将可见结果与印象区分开，并使重复尝试可比较。
案例：车站交叉处掉落的节目单
将测试设定在蓝色时刻的一个虚构车站站厅。琥珀色光线透过拱形玻璃屋顶，落在青绿色与陶土色的马赛克上。一股乘客流向检票口，另一股则朝出口交叉穿行。一位成年女性身穿祖母绿定制外套、珊瑚色百褶裙，系藏红花色丝巾，脚穿勃艮第靴子，注意到一份折叠的、未印刷的节目单正从她的手提包中滑落。她转身去接住它，在另一名乘客帮忙时如释重负地微笑，做手势致谢，然后回到同伴身边。这个小小的插曲给了人群一个调整路径的理由，而无需紧急情况或不合理的舞蹈动作。
提供的静帧和 28 秒片段是固定生成媒体，不是 Genie 4 素材。问题是，当镜头改变方向时，同样的马赛克交叉处、地图墙、天窗和检票口线是否仍在原位。观察附近乘客是否自然地侧身避让并恢复路线。这位女性的转身、伸手、变化的表情和手势，让个体运动在更大的人流中清晰可见。
该案例使用三张静帧和一段连续的 28 秒视频。要重现它，用 Seedream 5.0 Pro Text-to-Image 制作广角视图。用 Seedream 5.0 Pro Edit 制作侧面和回看视图，并使用第一张图像来保持身份、服装、灯光和建筑。将三张获批图像传给 Wan 3.0 Reference-to-Video 以生成长片段。这些固定输出有助于检查想法；只有真实的 Genie 4 会话才能测试实时导航或文本引导。
图像 1 提示，广角入口视图： 蓝色时刻一个繁忙虚构现代车站的逼真 16:9 电影感静帧。拱形玻璃屋顶将琥珀色光线洒在青绿色与陶土色的星形马赛克上。一面黄铜包边的地图墙位于一排稳定检票口的左侧。两股密集但可辨识的人流在马赛克处交叉，朝相反方向行走。在中景处，一位栗色头发、低编发髻的成年女性，身穿祖母绿定制外套，内搭珊瑚色百褶裙，系藏红花色丝巾，脚穿勃艮第短靴，手提一个小皮革托特包。当一份折叠的空白节目单开始从托特包中滑落时，她转过头，露出警觉而惊讶的表情。从入口处拍摄的广角平视视图，35mm 镜头，丰富但可信的色彩，自然的面部和手部，其他乘客的服装各有区别。无清晰可读的标志、徽标、碰撞、重复人物或空站台。
广角画面确立了星形马赛克、地图墙、检票口和相向而行的人流。
图像 2 提示，侧面交叉视图： 将图像 1 编辑为约从入口视图旋转 90 度的 16:9 侧面角度。保留这位女性准确的面部、低编发髻、祖母绿外套、珊瑚色连衣裙、藏红花色丝巾、勃艮第靴子和托特包。保持同样的拱形屋顶、地图墙、检票口列、星形马赛克和蓝色时刻琥珀色光线在空间上合理的位置。展示她转身中途，一只手臂伸向正在掉落的空白节目单；丝巾和裙子自然地跟随转身。一名穿梅子色夹克的乘客微微弯腰，接住一角。双向行走的人们以不同步幅和可见的个人空间绕过他们。自然表情和优雅的身体动作，无摆拍舞蹈、多余肢体、场景重设计或可读文字。
侧视图让她的伸手和局部交叉可见；节目单和附近的人是连续性检查点。
图像 3 提示，从检票口反向观看的视图： 将图像 1 和 2 编辑为第三个 16:9 视图，从检票口稍后方回望入口。保留同样的面部、服装、梅子色夹克乘客、屋顶拱架、地图墙、检票口列、星形马赛克和色彩调色板。这位女性现在拿着找回的空白节目单，如释重负地微笑，一只手摊开表示感谢，并转动肩膀重新汇入人流。两股交叉人流在她身后和身旁继续。肩高构图，从反方向仍可辨认马赛克和屋顶。逼真的织物和皮肤，精致但可信的车站设计，无冻结的人群、重复面孔、徽标或可读标志。
最终静帧保留了她着装和车站地标，但未能实现所要求的真正反向角度。
28 秒视频提示： 使用三张获批静帧作为视觉参考，制作一段连续的、逼真的 16:9 镜头，展示同一站厅和人物。0-7 秒，从入口斜向滑入，两股繁忙人流在星形马赛克附近以不同行走节奏交叉。7-14 秒，在女性身旁跟拍，空白节目单从她的托特包中滑落；她眉毛抬起，以受控的全身转动转身，丝巾和裙子因惯性摆动，她伸手去接。14-21 秒，绕交叉处弧形移动，梅子色夹克乘客接住一角，附近行人放慢或侧身避让但不偏离路线，女性微笑，接过节目单，并做出一个小幅摊开手掌的致谢手势。21-28 秒，转到从检票口反向观看的视图，她转向同伴并重新汇入人流；回望时显示同样的地图墙、屋顶拱架、检票口列和星形马赛克处于一致位置。保持面部、服装、建筑和灯光稳定；镜头高度可信；动作流畅，表情可读。无紧急情况、舞蹈动作、碰撞、重复人物、瞬移、扭曲的手、突兀剪辑或仅缓慢变焦的运动。无徽标或可读标识。
8YZG7XVc2Bk
28 秒固定片段从广角人群视图移动到纸张交接，再回到站厅。它是渲染示例，不是 Genie 4 交互的录制。
这些静帧在整个事件中保留了这位女性的祖母绿外套、藏红花色丝巾和珊瑚色连衣裙。第三张图像仍停留在场景相似的一侧，而没有显示所要求的反向视图。在片段中，当节目单易手时，镜头在广角和更近的侧视图之间移动，但没有完成清晰的反向视图连续性测试。这一差距比任何单帧的吸引力都更重要。固定片段也无法显示 Genie 4 会如何响应实时引导请求。
如何评估人群行为，而不是只看一帧
静帧可以显示密度和构图。它无法告诉你行人是否持续连贯地移动、交叉人流是否互相让出空间，或场景编辑是否改变了他们身后的建筑。观看连续序列，并每次检查同样的五件事：
- 流向： 你能识别穿过站厅的主要路线吗？人们会继续朝入口移动，还是路径会随机反向？
- 局部交叉： 当两股人流相遇时，人们看起来会调整方向和速度，还是身体重叠、横向跳变或彼此穿过？
- 个体差异： 人们是否会以不同时机行走、等待和成群结队，还是许多人物重复同样的动作和外观？
- 空间连续性： 移动镜头或更改场景后，检票口和墙壁等固定地标是否保持在一致位置？
- 事件与声音匹配： 如果几个人停下或出现声音提示，附近的人和环境氛围是否会以符合可见内容的方式响应？
用这份清单判断结果是否支持视觉讨论。即使有几名行人重复，一个场景也可能适合情绪板。同样的输出对于研究避碰则不够。记录具体失败，例如镜头转开后有人消失或通道变形，而不是把“真实感”当作一个笼统印象来打分。
这份清单不会把生成场景变成经过验证的模拟。DeepMind 自己将视觉漂移、物体恒存性、复杂物理交互、空间准确性和长期一致性列为仍在研究中的限制。一张精致的图像或一个响应瞬间，可以与这些方面的错误同时存在。（ Google DeepMind，Genie 4 限制 ）
Genie 4 访问、可用性与实用的备选方案
公告称，Genie 4 已开始作为研究预览向可信测试者推出。Google 表示，计划通过 Project Genie 面向 Google AI Ultra 订阅者，以及通过 Gemini API 和 Google AI Studio 的早期访问合作伙伴扩大访问。“计划扩大”并不意味着每个订阅者或开发者今天都能使用它。公开公告没有说明普遍可用的价格，而等待名单也不是访问确认。
在围绕实时会话规划项目之前，请查看官方 Genie 页面和等待名单以了解当前资格。如果你确实获得访问权限，请从简短探索开始，并将输出视为早期视觉原型。避免将时间表、安全声明或制作要求建立在尚未授予的访问权限上。
如果你当前需要的是固定概念片段，视频模型可以回答一个更窄的问题：这个车站在一个构图镜头中可能看起来和感觉如何？当你已有参考图像时，Atlas Cloud 将 Wan 3.0 Reference-to-Video 列为一种选择。运行前查看实时模型设置。
上面的车站交叉案例是一个固定视频示例。它的 28 秒镜头路线可能揭示重复人物、不稳定建筑或彼此穿插的路径。该片段是视觉概念预览，不是交互式 Genie 4 会话：观看者不能在其中走动，也不能在事件发生时引导新事件。
对 DeepMind 官方车站提示中提到的场景元素的简要解读。
Genie 4 人群场景何时有用，以及何处需谨慎
交互式人群场景可能帮助游戏团队讨论站厅的感觉，帮助电影制作人探索镜头高度和运动，或让创意团队在构建详细环境之前比较几个场景方向。价值在于快速探索：人们可以问“如果镜头从这里开始会怎样？”或“如果一小群人停下来会有什么变化？”并检查响应。
这些问题不同于制作验证。生成的人群场景不能确立场馆容量、疏散时间、无障碍、安全行人密度或建筑合规性。这些决策需要适当的现实世界数据和方法，以及合格专业人员的审查。Genie 4 自身声明的空间准确性和复杂交互限制，使得尤其不能把看起来合理的序列当作工程结果。
同样的边界也适用于游戏逻辑。一个生成角色看似让行，并不能证明存在可重复的导航规则、确定性碰撞处理或跨会话稳定行为。使用场景让想法可讨论；当决策取决于测量结果时，转向专用工具和受控测试。
对于 Genie 4 在繁忙公共场所中的人群移动，实际的下一步是定义一个你想检查的交互，写下应保持一致的地标和路径，并核实当前预览资格。如果你无法访问 Genie 4，且只需要可分享的视觉参考，请使用固定视频工作流，并准确标注结果。
常见问题
Genie 4 是视频生成器还是交互式世界模型？
Google 将 Genie 4 描述为交互式世界模型。其演示展示了键盘导航、镜头控制和实时文本引导。它也可以生成录制的视听输出，但这并不使它等同于仅返回固定视频片段的工作流。
Genie 4 能模拟真实的人群移动吗？
它可以生成拥挤场景，DeepMind 的公告也包含一个拥挤车站示例。这展示的是预期能力，而不是经过验证的行人行为测量。检查随时间发生的运动，并留意该模型已发布的限制。
Genie 4 公开可用吗，是否有公开价格？
截至 2026 年 11 月 2 日，DeepMind 描述的是面向可信测试者的研究预览以及计划中的更广泛推出。公开公告没有给出普遍可用的价格。通过官方公告和等待名单确认资格。
Atlas Cloud 能运行 Genie 4 吗？
Atlas Cloud 模型目录未列出 Genie 4。Atlas Cloud 提供诸如 Wan 3.0 的固定视频生成选项，但这些并不提供 Genie 4 的交互式世界模拟。
