Back to top
  • 공유 Share
  • 인쇄 Print
  • 글자크기 Font size
URL copied.

單一工作階段最長2分鐘,Google開放Genie 4 API

透過鍵盤輸入改變天氣的虛擬環境畫面 / TokenPost.ai

Alphabet($GOOGL)旗下的 Google 開放世界模型 Genie 4,供開發者透過 Gemini API 與 Google AI Studio 使用。此功能僅適用於付費 API 方案,每個工作階段最長為 2 分鐘。

Google 在官方公告中表示,開發者可用文字或參考圖片建立虛擬環境,再透過鍵盤操作與即時文字指令控制環境。

使用者操作時,也能改變環境中的天氣、光線、物件與事件。模型會依照輸入生成虛擬環境的下一個場景。

輸出影片解析度為 720p,每秒 24 格;模型也會配合畫面生成環境音、音效與角色對話。

世界模型會根據使用者的動作生成後續場景,而不是播放預先完成的影片。Google 將互動內容原型製作、空間設計視覺化,以及機器人與 AI 代理的訓練環境列為應用方向。

開發者可透過 Google AI Studio 的體驗介面使用模型,也可呼叫 API,將模型串接至自有服務。兩種方式的使用流程不同。

Google 的API 呼叫限制文件列出,各級方案可同時啟用的工作階段數與每日請求上限分別為:第 1 級 2 個、50 次;第 2 級 5 個、250 次;第 3 級 10 個、1000 次。

免費方案無法使用 Genie 4 API。Google 也提醒,即使方案等級相同,實際可處理的容量仍可能不同。

Google 的定價文件列出,包含音訊的影片輸出每 100 萬個 token 收費 17.50 美元(約 2 萬 3310 韓元);換算生成時間,標準費率約為每分鐘 6.05 美元(約 8060 韓元)。

若要停止啟用中工作階段的計費,須呼叫結束工作階段的 API。定價文件也提醒使用者透過這項呼叫停止計費。

在此次開放前,Google DeepMind 已於 10 月 27 日向受邀測試者提供 Genie 4 研究預覽版。本報曾報導當時僅限測試者使用的情況。

Google 本月 18 日向符合資格的 Google AI Ultra 訂閱者推出 Project Genie,隔日再公開供開發者使用的 API。訂閱服務與開發者 API 是不同的使用管道。

Google DeepMind 表示,模擬時間拉長或多次更改指令時,物件的外觀與位置可能出現變化。目前每個工作階段最長為 2 分鐘。

Google 將複雜物理互動、精確的即時音訊,以及可讀文字的呈現列為仍待改善的項目。Google 也表示,Genie 4 生成的內容會套用 AI 生成內容識別技術 SynthID。

SynthID 是用來識別 AI 生成內容的技術。Google 此次開放 Genie 4 時,也一併說明了這項技術的適用情況。

<Copyright ⓒ TokenPost, unauthorized reproduction and redistribution prohibited>

Most Popular

Other related articles

Comment 0

Comment tips

Great article. Requesting a follow-up. Excellent analysis.

0/1000

Comment tips

Great article. Requesting a follow-up. Excellent analysis.
1