Google Genie4 API开放:付费开发者可实时交互并生成原生音频
11月19日,Google通过Gemini API与AI Studio向付费开发者开放最新世界模型Genie4(models/genie-4)。此前一日,该模型已借Project Genie面向Google AI Ultra订阅用户推出。此次开放标志DeepMind首个可供第三方直接调用的实时世界模型落地,摆脱消费者订
11月19日,Google 宣布,付费开发者即日起可通过
Gemini API 调用 Genie4。
models/genie-4此前一天,Google 刚通过 Project Genie 向 Google AI Ultra 订阅用户开放了这项能力。
Genie4 的视觉渲染来自 Gemini Omni,推理能力则由 Gemini 系列提供;它能根据文本或参考图像生成 720p、24fps 的连续高清交互世界,并同时输出原生立体声音频,涵盖环境音、音效和角色对话。
在场景中,用户可用 WASD 或方向键实时移动,响应延迟约 0.5 秒;通过实时文本提示调整天气、光照与事件时,延迟约 1 至 2 秒,系统靠推理机制保持世界状态的连贯。AI Studio 还上线了交互式画布与入门应用,降低开发门槛,所有生成内容都嵌入不易察觉的 SynthID 水印。
技术上,Genie4 用单会话临时令牌保障密钥安全,浏览器端走 WebRTC、服务端走 WebSocket 传输流媒体,单次会话最长 120 秒,服务覆盖美国、西欧及日本数据中心。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,综合流媒体成本约每秒 0.10 美元。
这是 Google DeepMind 10 月研究预览的商业化延续。Genie4 把世界模拟能力从内部研究推向第三方应用生态,既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。