Genie 4 世界模型开放 Gemini API:从文字或参考图生成 720p、24fps、带同步原生音频的可交互世界
11-18 Genie 4 先向 Google AI Ultra 订阅用户开放,一天后开发者也能通过 API 调用。这一条讲 API 能做什么,适合做互动内容、空间设计或智能体训练环境的团队。
// 要点
- 开发者可通过 Gemini API(Interactions API)和 Google AI Studio 使用 Genie 4,从文字提示、参考图或两者一起生成连续的 720p、24fps 世界,并带同步原生音频(环境音、音效到角色对白)。
- 可以用键盘实时导航,同时用文字提示随时改变天气、光照、物体或事件,由 Gemini 推理保持世界状态一致。
- 每个输出都带不可感知的水印;AI Studio 提供交互画布和起步应用。
- 11-18 的 Project Genie 更新里,Genie 3 单次可探索时长从 60 秒增加到 3 分钟。
开发者视角世界模型第一次以 API 形式开放给普通开发者,但我会把它当原型工具而不是生产组件:公告里没写价格和时长上限,先在 AI Studio 里试。真正值得关注的是「智能体训练环境」这个用途,做电脑操作或机器人类智能体的团队,可以拿它低成本造一些评测场景。