Google مدل دنیای تعاملی Genie 4 را از طریق Gemini API برای توسعهدهندگان در دسترس قرار داد

Google در ۱۹ نوامبر مدل دنیای تعاملی بلادرنگ خود، Genie 4، را از طریق Gemini API و Google AI Studio برای توسعهدهندگان در دسترس قرار داد — یک روز پس از راهاندازی عمومی این مدل برای مشترکان Google AI Ultra. این انتشار به توسعهدهندگان دسترسی API به همان فناوریای میدهد که Project Genie را پشتیبانی میکند.
Genie 4 دنیاهای پیوسته با کیفیت ۷۲۰p و ۲۴ فریم در ثانیه همراه با صدای بومی همگامسازیشده تولید میکند. توسعهدهندگان میتوانند محیطها را در زمان واقعی از طریق کنترلهای صفحهکلید و دستورهای متنی زنده هدایت کنند و آبوهوا، نور، شخصیتها یا رویدادها را در میان جلسه تغییر دهند بدون اینکه انسجام دنیا مختل شود.
دسترسی از طریق Interactions API در Gemini API و Google AI Studio با شناسه مدل models/genie-4 فراهم است. توسعهدهندگان میتوانند از مرورگرها از طریق WebRTC یا از Python و Node.js از طریق WebSocket اتصال برقرار کنند. یک کلید API Gemini در سطح پولی الزامی است. قیمتگذاری تقریباً ۰.۱۰ دلار به ازای هر ثانیه خروجی استریمشده است و جلسات به ۱۲۰ ثانیه محدود میشوند.
Google سه کاربرد اصلی برای توسعهدهندگان شناسایی میکند: نمونهسازی تجارب تعاملی، تجسم مفاهیم طراحی فضایی و آموزش رباتها و عاملهای هوش مصنوعی. کاربرد رباتیک به ویژه قابل توجه است — تولید محیطهای شبیهسازیشده متنوع یکی از منابعبرترین بخشهای آموزش سیستمهای هوش مصنوعی تجسمیافته است.
همه خروجیها — ویدیو و صدا — شامل واترمارکینگ SynthID میشوند. Google اذعان میکند که تأخیر دوربین، تعاملات فیزیکی پیچیده، دقت صدا در زمان واقعی و ماندگاری صحنه در بلندمدت همچنان مسائل باز هستند.
این خبر در ۱۹ نوامبر ۲۰۲۶ توسط Google در وبلاگ Google for Developers اعلام شد.
در ابتدا توسط Google گزارش شده است. برای جزئیات بیشتر مقالهٔ اصلی را بخوانید.
مشاهدهٔ منبع اصلی