🇺🇸 English 🇰🇷 한국어 🇯🇵 日本語
ホーム › AI & 機械学習
AI & 機械学習

グーグル「Genie 4」をAPIで開発者に公開、毎秒約0.1ドル

グーグルは11月19日、世界モデル「Genie 4」をGemini APIとGoogle AI Studioで開発者に公開した。有料ティアのキーで720p・24fpsの映像とステレオ音声をリアルタイム生成でき、料金は毎秒約0.10ドル、1セッション最大120秒。

グーグルは11月19日(現地時間)、リアルタイムで操作できる世界モデル「Genie 4(ジーニー4)」を、Gemini APIとGoogle AI Studioを通じて開発者に公開した。前日にGoogle AI Ultraの対象加入者へ提供を始めてから1日後のことだ。開発者向け文書によると、料金はストリーミング出力1秒あたり約0.10ドルで、1セッションの上限は120秒である。

W・A・S・Dキーに色を付けたパソコンのキーボードの接写
資料写真:Genie 4が生成した世界の中で移動操作に使うWASDキー。사진: User:DeathAdder / 위키미디어 공용(퍼블릭 도메인)

ポイント

  • Genie 4(モデルコードmodels/genie-4)は、有料ティアのGemini APIキーでInteractions APIから利用できる。AI Studioではインタラクティブキャンバスで試せる。
  • 出力は1280×720、毎秒24フレームの映像と48kHzステレオ音声。1フレームあたり映像出力トークン240個で課金され、1秒あたり約0.10ドルとなる。
  • セッションは120秒で終了し、再開はできない。グーグルは60〜90秒を過ぎると映像の安定性が落ちる場合があるとしている。

Genie 4 APIでできること

グーグルは公式ブログ「The Keyword」の短い投稿で、開発者はテキストのプロンプト、参照画像、またはその両方から「同期したネイティブ音声を備えた720p・24fpsの連続した世界」を生成できると説明した。音声は環境音や効果音からキャラクターのせりふまで含む。

キーボードで視点を動かし、実行中にテキストを送れば天候や照明、物体、出来事をその場で変えられる。グーグルが挙げた用途は、インタラクティブ体験の試作、空間デザインの可視化、ロボットやAIエージェントの学習の3つだ。すべての出力には目に見えない電子透かし「SynthID」が埋め込まれる。

Genie 4の料金と技術仕様

Genie 4のモデルページは、同モデルを安定版(stable)と表示し、有料ティアのキーを必須としている。映像は1フレームあたり出力トークン240個、毎秒5760個で計算され、音声の料金はこれに含まれる。グーグルが示した概算単価でAI Newswayが試算すると、120秒いっぱいのセッション1回は2880フレームで約12ドルになる。ただし11月20日時点のGemini API料金ページには、Genie 4の項目はまだ掲載されていなかった。

バッチ、フレックス、優先推論には対応していない。関数呼び出し、Google検索によるグラウンディング、構造化出力も使えない。

連携ガイドによると、最初のフレームが届くまで約5〜9秒かかる。移動キーは約0.2〜0.5秒で反映されるが、テキストによる指示が画面に現れるまでは約1〜2秒かかる。ブラウザーアプリはWebRTC、PythonやNode.jsのコードはWebSocketで接続し、セッション専用の一時トークンを発行して本来のAPIキーはサーバー側にとどめる仕組みだ。

ガイドは、complete()を呼び出さない限り課金は止まらず、接続を切るだけでは止まらないと注意を促している。モデルは米国、西欧、日本のデータセンターから提供され、北米、西欧・中欧、東アジアでは往復の遅延が150ミリ秒未満となる。

既知の制約

Genie 4は固定した3Dシーンを保持するのではなく、一定の時間幅の映像をつないでいく方式である。対象から8秒以上目を離したり、360度見回したりすると、建物や扉といった目印が変わったりリセットされたりすることがある。画面比は16:9に固定され、縦型の9:16には対応しない。

ガイドによると、特定できる実在の人物、著名人、著作権のあるブランドIPを含むプロンプトや参照画像は、開始時にブロックされるか、配信中のストリームが打ち切られる場合がある。

背景:研究プレビューから有料APIへ

グーグル・ディープマインドは10月27日、Genie 4を一部テスター向けの研究プレビューとして発表したが、価格や仕様は示さなかった。11月18日にはProject Genieを通じて対象のAI Ultra加入者に提供を始め、AI Newswayはその時点でAPIの提供時期は未定だと報じていた。開発者向け公開はその翌日で、最初の発表から23日後となる。

今後の見通し

グーグルはGenie 4のトークン単価や、1プロジェクトで同時に配信できるセッション数の上限をまだ公表していない。セッションを2分より長くする予定があるかどうかも明らかにしていない。

よくある質問

無料のGemini APIユーザーもGenie 4を使えるか。

使えない。APIには有料ティアのキーが必要だ。Google AI Studioのインタラクティブキャンバスやスターターアプリで試すことはできる。

1セッションの費用はいくらか。

グーグルが示す料金はストリーミング出力1秒あたり約0.10ドルである。最大120秒のセッションなら、この単価で約12ドルとなる。

ショート動画のような縦型映像は作れるか。

現時点では作れない。Genie 4が出力するのは16:9の横型映像のみで、フレームレートも毎秒24フレームに固定されている。

参考資料

#Genie 4 #ジーニー4 #Gemini API #Google AI Studio #世界モデル #グーグル・ディープマインド #Interactions API #API料金
チ
チョン・スン
AI Newsway · 開発者

AI Newswayの編集責任者です。AI、開発ツール、クラウド、生産性テクノロジーの記事を執筆しています。

この記者の他の記事 ›
著作権者 © AI Newsway 無断転載・再配布、AI学習・活用禁止
共有
f X K

コメント 0

現在コメントの投稿は無効になっています。

最初のコメントを書いてみましょう。