【大屏时代】首页 > 3D快报内容详情

Google 开放 Genie4世界模型 API,支持实时交互与原生音频生成

7小时前 29 大屏时代

11月19日,Google 宣布通过Gemini API与Google AI Studio正式向付费开发者开放其最新世界模型Genie4(模型标识为 models/genie-4)。继前一日通过Project Genie面向 Google AI Ultra 订阅用户推出后,此次 API 的全面开放标志着 Google DeepMind 首个可供第三方开发者直接调用的实时世界模型落地,摆脱了对消费者订阅或演示环境的依赖。

Genie4依托 Gemini Omni 的视觉渲染与 Gemini 系列的推理能力构建,支持从文本或参考图像生成720p、24fps 的连续高清交互世界,并同步输出包含环境音、音效及角色对话的原生立体声音频。

用户可通过 WASD 或方向键在场景中实时移动(响应延迟约0.5秒),并借助实时文本提示动态调整天气、光照与事件(延迟约1至2秒),系统则利用推理机制维持世界状态的连贯性。此外,AI Studio 同步上线了交互式画布与入门应用以降低开发门槛,所有生成内容均嵌入不易察觉的 SynthID 水印。

在技术架构与定价方面,Genie4采用单会话临时令牌保障密钥安全,浏览器端与服务端分别基于 WebRTC 和 WebSocket 进行流媒体传输,单次会话上限为120秒,服务覆盖美国、西欧及日本数据中心。其 API 计费标准为每百万输入令牌1.50美元、文本输出9美元、视频输出17.50美元,综合流媒体成本约合每秒0.10美元。

作为 Google DeepMind10月研究预览的商业化延续,Genie4将世界模拟能力从内部研究推向第三方应用生态,不仅为交互式原型设计与空间可视化提供新工具,也为机器人及通用人工智能(AGI)智能体提供了低成本、高保真的安全训练环境。


相关文章

相关标签: Google 开放 Genie4世界模型 API,支持实时交互与原生音频生成