Googleは11月19日、ワールドモデル「Genie 4」をGemini APIとGoogle AI Studioで開発者向けに提供し始めた。Gemini APIではInteractions API経由で、モデルID「models/genie-4」として呼び出せる。前日の11月18日には、対象のGoogle AI Ultra加入者向けの「Project Genie」でGenie 4の提供が始まっていた。

Genie 4はテキストプロンプト、参照画像、またはその両方を起点に、連続した720pの世界を毎秒24フレームで生成する。環境音や効果音、キャラクターの対話といったネイティブオーディオが映像と同期して生成される。リアルタイムのキーボード操作とライブのテキストプロンプトで世界の中を移動し、天候や照明、オブジェクト、出来事をその場で変えられる。Geminiの推論が世界の状態の一貫性を保つとしている。

Googleは用途として、インタラクティブ体験のプロトタイピング、空間コンセプトのデザイン可視化、ロボット工学とAIエージェントの訓練を挙げる。生成されるすべての出力には、目に見えないSynthIDの透かしが入る。Google AI Studioではインタラクティブキャンバスとスターターアプリで試すことができる。

料金はGoogleの開発者向けドキュメントによると、入力が100万トークンあたり1.50ドル、テキスト出力が同9ドル、動画出力が同17.50ドルで、ストリーミング1秒あたり約0.10ドルに相当する。セッションは最長120秒までで、有料プランのAPIキーが必要になる。

Genie 4自体は、Google DeepMindが10月27日に発表したワールドモデルで、当初は招待制の研究プレビューとして提供されていた。今回のAPI提供で、開発者が自社のアプリケーションにリアルタイムの世界モデルを組み込めるようになる。

出典・関連資料

コメント

記事の内容について意見・情報をお寄せください。

URLは投稿できません。内容によっては、表示までにお時間をいただく場合があります。