内容概览
本文围绕“Google 开放 Genie4世界模型 API,支持实时交互与原生音频生成”整理核心信息、适用场景与使用条件,便于读者快速了解重点,再决定是否进一步体验或查阅项目资料。
详细信息
11月19日,Google 宣布通过models/genie-4)。继前一日通过

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。
编辑整理:阅读要点
- 功能和价格可能随版本或地区变化,使用前应查看最新说明。
- 安装软件或启用服务时,优先使用项目官方渠道并检查所需权限。
- 是否适合长期使用,应结合自身设备、工作流和实际体验判断。
延伸阅读
资料来源:news.aibase.com。本文依据公开资料整理,不是独立采访或独家报道。
