開発者向けに初の世界モデル

米Googleは11月19日(日本時間20日)、操作できる世界をその場で作るAI「Genie 4」を、開発者向けのGemini APIとGoogle AI Studioで公開した。Gemini APIの更新履歴では、モデル名「genie-4」の一般提供(GA)と位置づけている。Gemini APIとAI Studioを担当するローガン・キルパトリック氏はXで、開発者が組み込んで新しい体験を作れる同社初の世界モデルだと紹介した。

Introducing Genie 4 in the Gemini API + @GoogleAIStudio, our first world model for developers to build with and create new world model experiences 🔮 Try it out: https://t.co/hy6wuttqIq

訳:Gemini APIとGoogle AI StudioでGenie 4を公開します。開発者が組み込んで、新しい世界モデルの体験を作れる、当社初の世界モデルです。試してみてください。

世界モデルは、現実の世界の動きをまねて、次の場面を予測しながら映像を作るAIだ。Googleは10月27日(日本時間28日)にGenie 4を発表し、Gemini APIとAI Studioでの早期提供を「近日」としていた(当時の記事)。発表時に公表していなかった画質や料金は、今回の資料で示した。

発表時には、有料プラン「Google AI Ultra」の「Project Genie」での提供も「近日」としていた。今回の更新履歴とGemini APIの資料にはUltra向けの記述がなく、ORIENSは提供の開始を確認できていない。

720p・24コマの映像と音声、キーと文章で操作

Genie 4は、文章、16:9の参照画像、またはその両方から世界を作る。映像は1280×720ドット(720p)、毎秒24コマで、48キロヘルツのステレオ音声も同時に作る。映像と音声は、ブラウザーなどで使うWebRTCとWebSocketという通信方式で、その場で届ける。

利用者はキーボードのWASDキーと矢印キーで世界の中を動き回り、途中で文章を送れば、雪を降らせるなどの出来事を起こせる。Googleによると、キー操作は約0.2〜0.5秒、文章は世界の計画を経るため約1〜2秒で画面に表れる。

配信は米国、西欧、日本のデータセンターから行う。北米、西欧と中欧、東アジアでは往復の遅れが150ミリ秒未満で、それ以外の地域では操作が遅れ、コマ数が落ちることがあるという。

1回は最長120秒、長く動かすと物がずれる

1回の利用(セッション)は最長120秒だ。見た目の一貫性や、物がそこにあり続ける性質が最も保たれるのは、最初の45〜90秒だとしている。

Googleはガイドで弱点も挙げた。Genie 4は3Dの場面を丸ごと持たず、直近の時間の範囲で次のコマを作る。このため8秒以上目を離したり、360度向きを変えたりすると、目印や扉、ボタンがずれたり元に戻ったりすることがある。看板や計器、時計の文字は崩れ、物の数もずれていく。

縦長(9:16)の映像やコマ数の変更、マイクやカメラからの入力、外部の機能を呼び出す仕組みやGoogle検索との連携には対応しない。実在の人物や著名人、著作権のあるブランドを含む指示や画像は、開始時に止められたり、途中で配信が切られたりすることがある。

料金は動画1秒約0.10ドル、Omniより高い

Genie 4はGemini APIの有料枠だけで使える。AIが読み書きする量(トークン)100万当たりの料金は、入力(文章、参照画像)が1.50ドル、出力は文章が9ドル、動画が音声込みで17.50ドルだ。動画は1コマ240トークン、1秒5,760トークンで数え、Googleは1秒約0.10ドル、1分約6.05ドルになると説明している。上限の120秒を動かすと、動画の出力だけで計算上は約12.10ドルになる。

同じGoogleの動画生成モデル「Gemini Omni 1.2 Flash」は、入力1.50ドル、文章の出力9ドル、動画の出力12ドルで、720pの動画は1秒約0.07ドルだ。Omniは3〜15秒の動画をあらかじめ作るモデルで、Googleはその場で操作する用途にはGenie 4、決まった長さの動画を作る用途にはOmniを勧めている。

Gemini APIの有料枠の標準料金(100万トークン当たり、ドル)。Googleの料金ページによる
  • Genie 4
  • Gemini Omni 1.2 Flash
1.501.50
入力
9.009.00
文章の出力
17.5012.00
動画の出力

Genie 4は無料枠のほか、まとめて処理する「Batch」、安く処理する「Flex」、優先して処理する「Priority」にも対応しない。ブラウザーのタブを閉じてもサーバー側の生成はすぐには止まらないため、Googleは終了の命令を送って課金を止めるよう求めている。