Google 开放 Genie4 世界模型 API:720p 实时交互与原生音频

2026 年 11 月 19 日,Google 将 Genie4 世界模型通过 Gemini API 和 Google AI Studio 向付费开发者开放,支持从文本或参考图生成 720p、24fps 的可实时交互场景,并同步输出原生立体声。这意味着第三方开发者首次能直接调用 DeepMind 的实时世界模…

一句话看懂:2026 年 11 月 19 日,Google 将 Genie4 世界模型通过 Gemini API 和 Google AI Studio 向付费开发者开放,支持从文本或参考图生成 720p、24fps 的可实时交互场景,并同步输出原生立体声。这意味着第三方开发者首次能直接调用 DeepMind 的实时世界模型,不再依赖消费者订阅或演示环境。

事件核心:发生了什么

据 AIbase 报道,Genie4(模型 ID:models/genie-4)已在 Gemini API 和 Google AI Studio 上线,此前一天刚通过 Project Genie 向 Google AI Ultra 订阅用户开放。目前公开信息显示,该模型基于 Gemini Omni 的视觉渲染与 Gemini 系列的推理能力,用户可通过 WASD 或方向键在场景中移动,移动响应延迟约 0.5 秒;用实时文本提示调整天气、光照和事件时,延迟约 1 至 2 秒,系统依靠推理机制维持世界状态连贯。

计费方面,输入为每百万 token 1.50 美元,文本输出 9 美元,视频输出 17.50 美元,流式传输综合成本约每秒 0.10 美元。技术架构上,单会话上限 120 秒,浏览器端走 WebRTC、服务端走 WebSocket,并使用单会话临时 token 保障密钥安全,服务覆盖美国、西欧和日本数据中心。AI Studio 同步提供交互画布和入门应用,所有生成内容嵌入不可感知的 SynthID 水印。

为什么重要

Genie4 是 Google DeepMind 10 月研究预览的商业化延续,把世界模拟能力从内部研究推进到第三方应用生态。与仅面向订阅用户的入口相比,API 开放意味着互动原型、空间可视化等场景可以直接嵌入产品。对机器人训练和 AGI agent 来说,一个低成本、可交互、带物理一致性的虚拟环境也有现实价值。同时,按秒计的流式成本说明实时世界模型仍属算力密集型服务,商业化节奏会受推理成本约束。

对用户/开发者/创作者的影响

开发者可以先用 AI Studio 的交互画布验证想法,再通过 Gemini API 集成到应用中;但需注意单会话 120 秒的限制,长时体验需要设计会话续接逻辑。创作者可用文本或参考图快速生成带环境音、音效和角色对白的连续场景,适合预演和空间概念探索,而非直接替代传统影视制作流程。普通用户短期内更可能通过接入该 API 的第三方应用间接体验,而非直接调用模型。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

第一,观察单会话时长和定价是否随推理优化调整,这决定它能否从原型工具走向常态化产品功能。第二,关注机器人、具身智能团队是否公开基于 Genie4 的训练或评测结果。第三,看竞品是否跟进开放实时世界模型 API,以及各地区数据中心扩容是否会改变延迟表现。

来源:AIbase

celebrityanime
celebrityanime
文章: 36129

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注