Google 向开发者开放 Genie 4:可通过 Gemini API 生成交互场景
北京时间11月20日凌晨,Google 宣布,开发者可以通过 Gemini API 和 Google AI Studio 使用 Genie 4,构建可交互的生成式场景。Google 的公告发表于11月19日17:00 UTC,换算为北京时间11月20日01:00。
Genie 4 此前已在面向符合条件订阅用户的 Project Genie 中开放;这次新增的是开发者接口和 AI Studio 使用入口,方便开发者尝试将其接入自己的应用。
从提示生成可操作场景
Google 介绍,开发者可以输入文字、参考图片,或将两者结合,生成连续的720p、每秒24帧画面,并同步生成环境声、音效及角色对话。体验者可使用方向键或 WASD 操作,也可以在会话中输入文字,调整天气、光线、物体或事件。
与一段固定播放的视频不同,这类系统尝试根据输入持续生成场景。Google 提到的探索方向包括交互体验原型、空间设计可视化,以及机器人和人工智能智能体的训练。上述是公司提出的应用方向,实际项目仍需根据任务验证场景一致性和可靠性。
接口与费用
Google 的更新日志称,Genie 4 已在 Interactions API 的 v1beta 接口中正式可用,通过 WebRTC 或 WebSocket 传输画面和同步立体声音频。服务面向付费层级;官方文档列出的价格包括输入、文本输出和视频输出费用,其中视频流约每秒0.10美元并包含立体声音频,输入及文本输出另计。具体可用范围、限额和价格应以最新官方页面为准。
Google 表示,生成内容包含不可见的 SynthID 水印。生成场景属于模型输出,不能直接视为真实环境的精确复现。
扫描二维码手机访问。
版权声明:本文由皓维工作室发布,如需转载请注明出处。
本站大部分资源收集于网络,只做学习和交流使用,版权归原作者所有。
若您需要使用非免费的软件或服务,请购买正版授权并合法使用!
本站发布的内容若侵犯到您的权益,请联系站长删除,我们将及时处理!


