Google Genie 4がGemini APIとAI Studioで利用可能に:720p・24fps、ネイティブ音声付きのインタラクティブワールド
GoogleはGenie 4をGemini API(Interactions API)とGoogle AI Studioで利用できると発表しました。開発者はテキストや参照画像から、同期音声付きで操作可能な720p・24fpsのワールドを生成できます。すべての出力にSynthIDの透かしが入ります。
ニュース日: 読了目安 7 分
Googleは、前日のGenie 4発表に続き、Genie 4を開発者向けに公開したと発表しました。入口は2つあります。1つはGemini API(プログラムからGoogleのサービスを呼び出すためのインターフェース。ここではInteractions APIを通じて利用)、もう1つはGoogle AI Studio(Googleが提供するウェブ版の開発ツール)です。発表ではプレビュー版やベータ版とは表現されておらず、プランの区分や地域の制限も記載されていません。これらの条件はGoogleの公式ドキュメントでご確認ください。開発者はAPIとウェブツールの両方でインタラクティブな生成ワールドを試せるようになります。用途としては、プロトタイピング、空間コンセプトの可視化、ロボットやAIエージェント(自律的にタスクを実行するAIプログラム)の訓練などが挙げられています。
Gemini API上のGenie 4で何ができる?
Googleの説明によると、開発者はテキストプロンプト、参照画像、またはその組み合わせから、連続した720p(画面解像度)・24fps(毎秒24フレーム)のワールドを生成する実験ができます。ワールドには、環境音、効果音、キャラクターの会話を含む同期ネイティブ音声が付きます。
Googleによると、ユーザーはリアルタイムのキーボード操作とテキストプロンプトを使って環境内を移動し、天気、光、オブジェクト、イベントをその場で切り替えられます。ワールドの状態を一貫して整合的に保つのは、Geminiの推論能力だと説明しています。
| 項目 | Googleの説明内容 |
|---|---|
| 提供経路 | Gemini API(Interactions API経由)、Google AI Studio |
| 入力 | テキストプロンプト、参照画像、またはその両方 |
| 出力仕様 | 連続したワールド、720p・24fps |
| 音声 | 同期ネイティブ音声(環境音、効果音、キャラクターの会話) |
| 操作方法 | リアルタイムのキーボード操作とリアルタイムのテキストプロンプト |
| 透かし | すべての出力にSynthIDを付与 |
誰が使い、ワークフローはどう変わる?
Googleは、Genie 4の用途として、インタラクティブな体験のプロトタイピング、空間コンセプトの可視化、ロボットやAIエージェントの訓練を挙げています。また、アイデアを試すための「白紙のキャンバス」と表現しています。Google AI Studioでは、インタラクティブなキャンバスとスターターアプリを試せるとしています。
以上はいずれも用途についてのGoogleの説明です。発表には実際の性能、遅延、安定性に関する独立した検証結果は含まれていません。要件に合うかどうかはご自身で評価してください。
SynthID透かしとは?ユーザーにとって何を意味する?
Googleは、Genie 4のすべての出力に知覚しにくいSynthID透かしが入ると述べています。Google DeepMindの説明では、SynthIDはAI生成の画像、音声、テキスト、動画にデジタル透かしを埋め込む仕組みです。透かしは人間には認識できませんが、SynthIDの技術で検出できます。
Google DeepMindによれば、画像や動画の透かしはコンテンツの生成時に埋め込まれます。トリミング、フィルターの適用、フレームレートの変更、非可逆圧縮といった加工に耐えるよう設計されています。ユーザーは画像、動画、音声をGemini、Search、Chromeにアップロードして、SynthID透かしの有無を確認できます。判定ポータルのSynthID Detectorも、すべての人への公開が拡大されつつあります。対象はGoogleとパートナー(OpenAI、NVIDIA、Kakao、近日参加予定のAppleを含む)のコンテンツです。
どうやって始める?
Googleの発表に書かれているのは次の2点のみです。Google AI Studioでインタラクティブなキャンバスとスターターアプリを試せること、そして料金とGemini APIドキュメントを確認して構築を始められることです。具体的な操作手順やコマンドは記載されていないため、公式ドキュメントをご参照ください。
よくある質問
今回の発表は、前日のGenie 4発表と何が違いますか?
Googleによると、前日のGenie 4発表に続くもので、開発者がGemini API(Interactions API経由)とGoogle AI StudioでGenie 4を利用できるようになった、という内容です。
コードを書かなくても試せますか?
Googleによると、Google AI Studioでインタラクティブなキャンバスとスターターアプリを試せます。自分のプロダクトに組み込む場合は、Gemini APIドキュメントを参照する必要があります。
生成されたコンテンツはAI製だと判別できますか?
Googleによると、すべての出力にSynthID透かしが入ります。Google DeepMindは、コンテンツをGemini、Search、Chromeにアップロードすれば、SynthID透かしの有無を確認できると説明しています。
料金や利用できる地域は?
発表には価格や地域の詳細は記載されていません。料金ページとGemini APIドキュメントを参照するよう案内されているだけなので、公式情報をご確認ください。
この記事が役に立ったら、必要な方にシェアしてください
同じテーマの記事
Signal、AndroidとiOS 27でスクリーンショットを既定でブロック:SiriやGeminiなどAIエージェントの画面読み取りを阻止
The Vergeの報道によると、SignalはOSレベルのAIエージェントによるメッセージ内容の読み取りを防ぐため、AndroidとiOS 27でスクリーンショットを制限。設定で再開できるが、Signalはプライバシー保護が弱まると警告している。
Claude Code 2.1.329:Code ModeがOpenTelemetry有効時も利用可能に、/tasksにスケジュールタスク統合、macOS computer useの安全ルール強化
Kimi Code CLI v2.7.0にネイティブBedrockプロバイダーが追加:AWS認証情報チェーンでKimi K3.1 Pro Highspeedに接続
AWS、SageMaker推論の13新機能をまとめ:HyperPodのマネージドNVIDIA Dynamo、MIGによるGPU分割、リージョン間ルーティング
出典
上記の参考資料および記載の確認日時点の情報をもとに整理しています。料金・時刻・機能・利用規約は変更される場合があるため、ご旅行や予約・購入の前には該当する公式サイトで最新情報をご確認ください。