Immagine AI

Google ha reso accessibile Genie 4 attraverso le Gemini API e Google AI Studio, consentendo agli sviluppatori di integrare nelle proprie applicazioni un modello generativo progettato per la creazione di ambienti virtuali interattivi. Il sistema produce sequenze video con risoluzione di 720p, una frequenza di 24 fotogrammi al secondo e audio stereofonico nativo sincronizzato con le immagini, modificando progressivamente la rappresentazione dell’ambiente sulla base delle azioni dell’utente. La configurazione iniziale del mondo virtuale può essere definita mediante una descrizione testuale, un’immagine di riferimento oppure una combinazione delle due modalità di input. Durante l’esecuzione, l’utente può utilizzare i tasti WASD e le frecce direzionali per controllare gli spostamenti e l’orientamento della visuale, oppure trasmettere istruzioni testuali per modificare elementi dello scenario e introdurre dialoghi tra i personaggi. Il rilascio delle API segue l’aggiornamento di Project Genie del 18 novembre 2026, con cui Google ha esteso l’accesso agli abbonati AI Ultra idonei e introdotto una lista d’attesa per gli utenti AI Pro.

L’integrazione utilizza il modello models/genie-4 attraverso la versione v1beta delle Interactions API. Gli sviluppatori possono stabilire una connessione mediante WebRTC, particolarmente indicato per le applicazioni interattive eseguite nel browser, oppure WebSocket, utilizzabile anche in ambienti Python e Node.js per implementare procedure personalizzate di acquisizione ed elaborazione dei fotogrammi. L’inizializzazione richiede la trasmissione di un evento world_setup, cui seguono gli eventi relativi alle azioni dell’utente e alle istruzioni testuali. Le applicazioni web possono utilizzare token temporanei associati alla singola interazione, mantenendo la chiave API principale sul backend. In presenza di una connessione con latenza contenuta, Google indica tempi di risposta visiva compresi tra 200 e 500 millisecondi per i comandi direzionali e tra uno e due secondi per le modifiche impartite attraverso istruzioni testuali. Una latenza di rete superiore a 150 millisecondi può incidere sensibilmente sulla fluidità dei controlli.

Genie 4 genera gli ambienti utilizzando una finestra temporale scorrevole, senza mantenere una rappresentazione tridimensionale persistente dell’intero scenario. Le sessioni hanno una durata massima di 120 secondi e la coerenza visiva risulta generalmente maggiore nei primi 45-90 secondi. La stabilità degli elementi può diminuire con il progredire della generazione, mentre l’allontanamento della visuale da un oggetto per almeno otto secondi o una rotazione completa possono comportare variazioni nella posizione e nell’aspetto di componenti precedentemente osservati. Queste caratteristiche circoscrivono l’impiego del modello alla prototipazione di esperienze interattive, alla visualizzazione di concetti spaziali e alla sperimentazione con agenti AI e sistemi robotici all’interno di simulazioni di breve durata. L’output utilizza esclusivamente il formato panoramico 16:9 e incorpora la filigrana digitale impercettibile SynthID. Non sono supportati flussi provenienti da microfoni e webcam, function calling, integrazione con Google Search, output strutturati e ripristino delle sessioni concluse.

L’accesso richiede una chiave Gemini API associata a un progetto a pagamento. Le tariffe ammontano a 1,50 dollari per milione di token di input testuale o visivo, 9 dollari per milione di token di output testuale e 17,50 dollari per milione di token di output audiovisivo, equivalenti a circa 6,05 dollari per minuto di video generato. I tre livelli di utilizzo prevedono rispettivamente due, cinque e dieci sessioni contemporanee, con limiti giornalieri di 50, 250 e 1.000 richieste. I comandi impartiti durante una sessione non vengono conteggiati separatamente ai fini di tali soglie. L’infrastruttura di elaborazione è attualmente localizzata negli Stati Uniti e non supporta le modalità Batch API, Flex e Priority. Gli sviluppatori devono inoltre gestire esplicitamente la terminazione delle sessioni attraverso le funzioni complete() e cancel(), poiché la semplice chiusura del browser o della connessione locale non interrompe necessariamente la generazione lato server e i relativi addebiti.

Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)

Di Fantasy