谷歌开放Genie4世界模型API,支持实时交互与原生音频生成

世界模型赛道的竞争,已经等不了慢慢发育了。就在11月19日,谷歌突然官宣,正式向付费开发者开放其最新的世界模型Genie4(模型ID:models/genie-4),通过Gemini API和Google AI Studio即可调用。这一动作距离此前一天通过Project Genie向Google AI Ultra订阅用户开放仅隔24小时,API全面开放意味着Google DeepMind第一个第三方开发者可直接调用的实时世界模型正式落地,不再依赖消费者订阅或演示环境。这一步棋,显然是为了抢占AI世界模型的应用生态——毕竟,先入局者才有话语权,而谷歌显然不想在下一波交互范式革命中掉队。

QQ20261120-091032.jpg

Genie4底层基于Gemini Omni的视觉渲染能力和Gemini系列的推理机制,能够从文本或参考图像直接生成720p、24fps的连续高清交互世界,并且同步输出原生立体音频——包括环境音、音效甚至角色对话。注意,这不是简单的视频生成,而是一个可实时操控、状态持续演化的动态世界。

用户可以通过WASD或方向键在场景中实时移动,响应延迟约0.5秒;还能通过实时文本指令动态调整天气、光照和事件,延迟约1到2秒。系统利用推理机制维护世界状态的一致性,不会出现切场景就崩坏的尴尬。AI Studio同时上线了交互式画布和starter应用,降低开发门槛,所有生成内容均嵌入不可见的SynthID数字水印。从体验上看,这已经不是“演示级”玩具,而是具备了初步的生产力潜力。

技术架构和定价方面,Genie4采用单会话临时令牌保障密钥安全,浏览器与服务端分别通过WebRTC和WebSocket进行流式传输。单次会话上限120秒,服务覆盖美西、西欧和日本的数据中心。其API定价为每百万输入token 1.5美元,文本输出每百万9美元,视频输出每百万17.5美元,流式组合成本约每秒0.1美元。从定价来看,谷歌的策略相当激进——每秒成本仅约0.1美元,对比其他视频生成模型动辄数美元的推理成本,这几乎是在“赔本赚吆喝”。但算上SynthID水印和安全机制,背后是对合规性和商业化落地的深思熟虑。

作为Google DeepMind去年10月研究预览版的商业化延续,Genie4将世界模拟能力从内部研究推向了第三方应用生态。它不仅为交互式原型设计和空间可视化提供了新工具,更关键的是,它为机器人和AGI智能体提供了一个低成本、高保真的安全训练场。世界模型赛道,谷歌已经开始加速了——接下来就看开发者们能玩出什么花样来。

免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,可联系本站进行审核删除。
赞 (0)
AI快讯网编辑-青青AI快讯网编辑-青青
Anthropic融资813亿,上市首日涨17%
上一篇 3小时前
27年前神舟一号首飞:无人绕地14圈飞行21小时
下一篇 1小时前

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注