Google Genie 4 开放 Gemini API 与 AI Studio:720p、24fps 互动世界含原生音频
Google 宣布 Genie 4 已可通过 Gemini API(Interactions API)与 Google AI Studio 使用,开发者可用文字或参考图生成 720p、24fps 并带同步音频的可操控世界。所有输出均含 SynthID 水印。
新闻日期: 阅读时间约 4 分钟
Google 宣布,继前一天的 Genie 4 发布后,Genie 4 现已向开发者开放,入口为 Gemini API(API 是让程序调用 Google 服务的接口,这里通过其中的 Interactions API 使用)与 Google AI Studio(Google 提供的网页版开发工具)。公告未将其称为预览或测试版,也未列出套餐层级或地区限制,这些条件请以 Google 官方文档为准。对开发者而言,这意味着可直接在 API 与网页工具中试验互动式生成世界,用于原型设计、空间概念可视化,或训练机器人与 AI 代理(能自行执行任务的 AI 程序)。
Genie 4 在 Gemini API 上能做什么?
根据 Google 的说明,开发者可从文字提示、参考图片或两者组合开始,试验生成连续的 720p(画面分辨率)、24fps(每秒 24 帧画面)世界,并带有同步的原生音频,涵盖环境音景、音效与角色对话。
Google 表示,用户可用实时键盘控制配合实时文字提示在环境中移动,并即时更换天气、光线、物体或事件。Google 还称由 Gemini 的推理能力来保持世界状态的一致与连贯。
| 方面 | Google 说明的内容 |
|---|---|
| 提供渠道 | Gemini API(经 Interactions API)、Google AI Studio |
| 输入 | 文字提示、参考图片,或两者 |
| 输出规格 | 连续世界,720p、24fps |
| 音频 | 同步原生音频(环境音、音效、角色对话) |
| 交互方式 | 实时键盘控制与实时文字提示 |
| 水印 | 每个输出均含 SynthID |
哪些人会用到?工作流程有何影响?
Google 指出,Genie 4 可用于原型设计互动体验、可视化空间概念设计,以及训练机器人与 AI 代理,并将其形容为测试想法的“空白画布”。Google 还表示,可在 Google AI Studio 试用互动式画布与入门应用。
以上均为 Google 对用途的描述;公告并未提供实际性能、延迟或稳定性的独立测试结果,读者应自行评估是否符合需求。
SynthID 水印是什么?对用户有何意义?
Google 表示每个 Genie 4 输出都含难以察觉的 SynthID 水印。据 Google DeepMind 介绍,SynthID 会把数字水印嵌入 AI 生成的图像、音频、文字或视频中,人类无法察觉,但可由 SynthID 技术检测。
Google DeepMind 称,图像与视频的水印在内容生成时即被加入,设计上可承受裁剪、加滤镜、改变帧率或有损压缩等修改。用户可将图片、视频或音频上传到 Gemini、Search 与 Chrome,检查是否含有 SynthID 水印;SynthID Detector 入口也正在扩大开放给所有人,涵盖 Google 与合作伙伴(包括 OpenAI、NVIDIA、Kakao,以及即将加入的 Apple)的内容。
如何开始使用?
Google 的公告仅指出,可在 Google AI Studio 试用互动式画布与入门应用,并查阅价格与 Gemini API 文档以开始构建。公告未提供具体操作步骤与命令,请以官方文档为准。
常见问题
这次和前一天的 Genie 4 发布有什么不同?
Google 表示,这次是在前一天 Genie 4 发布之后,进一步让开发者能通过 Gemini API(经由 Interactions API)与 Google AI Studio 使用 Genie 4。
不写代码也能先试用吗?
Google 表示可在 Google AI Studio 试用互动式画布与入门应用;若要集成到自己的产品中,则需参考 Gemini API 文档。
生成的内容可以识别为 AI 制作吗?
Google 表示每个输出都含 SynthID 水印。Google DeepMind 说明,可将内容上传至 Gemini、Search 或 Chrome,检查是否含有 SynthID 水印。
价格多少?我所在的地区能用吗?
公告中未提供价格或地区细节,只指引读者查看定价页与 Gemini API 文档,请以官方信息为准。
觉得这篇整理实用吗?分享给需要的朋友
同主题延伸阅读
Signal 在 Android 与 iOS 27 默认封锁截图,阻止 Siri、Gemini 等 AI 代理读取屏幕
据 The Verge 报道,Signal 在 Android 与 iOS 27 上限制截图,以防操作系统层级的 AI 代理读取消息内容;用户可在设置中恢复截图,但 Signal 警告会削弱隐私保障。
Claude Code 2.1.329:Code Mode 可配合遥测、/tasks 整合定时任务、macOS computer use 安全规则收紧
Kimi Code CLI v2.7.0 新增原生 Bedrock provider:改用 AWS 凭证链连接 Kimi K3.1 Pro Highspeed
AWS 汇总 SageMaker 推理 13 项新功能:HyperPod 托管 NVIDIA Dynamo、MIG GPU 分割、跨区路由
资料来源
本文依据上方所列参考来源与标示之核实日期整理;票价、时刻、功能规格或服务条款可能变动,出发、预订或购买前请至相关官方网站确认最新信息。