blog

Google Genie 4 API ワールド生成——開発者が知るべき仕様・料金・制約の全体像

Google Genie 4 API ワールド生成——開発者が知るべき仕様・料金・制約の全体像

Google Genie 4 API ワールド生成の公開概要——何が変わったか

2026年11月19日、GoogleはGenie 4をGemini APIおよびGoogle AI Studio経由で開発者向けに公開した(出典:Unite.AI、blog.google)。前日の11月18日にはGoogle AI Ultra購読者向けにProject Genieとして先行公開されており、API公開はその翌日という速さでの展開だった。ProメンバーはWaitlist参加が可能とされている(Unite.AI)。

APIエンドポイントは v1beta Interactions API / models/genie-4。入力としてテキスト、参照画像、またはその両方を受け付け、720p解像度・24fps・ステレオネイティブオーディオ同期のインタラクティブな世界をリアルタイムに生成する。ユーザーはWASDキーや矢印キーで移動・カメラ操作を行いながら、ライブテキストプロンプトで天候・照明・オブジェクト・イベントをその場で変更できる。

この公開が意味するのは、動画生成の延長ではなく「操作可能な世界」をAPIの部品として扱える時代の始まりだ。開発者は既存アプリケーションにインタラクティブなワールド生成機能を組み込む手段を初めて持つことになった。同時に、仕様の制約と料金構造を正確に把握しなければ、プロダクト設計が後退するリスクも生じる。

入力テキスト指示参照画像(任意)Genie 4 APImodels/genie-4720p / 24fpsステレオ音声同期セッション上限 120秒ローリングウィンドウ方式出力インタラクティブ映像SynthID透かし付与ライブ操作継続対応WASD操作・ライブテキストプロンプトによるリアルタイム制御ループ
図1:Genie 4 APIのデータフロー。テキスト・参照画像を入力し、720p映像をリアルタイム生成。ユーザーのキー操作とライブテキストプロンプトがセッション中に継続して世界を変化させるフィードバックループを形成する。生成はローリングウィンドウ方式であり、永続的な3Dシーンではない点に注意が必要。

永続的な3Dシーンをコードで作りたいときは、Gemini 4 Argonの3Dコード自動生成で説明しています。

関連記事Gemini 4 Argon 4体がMinecraftを27時間でクリア、DeepMind論文

料金体系と課金構造——コスト設計で見落とされがちな落とし穴

Genie 4 APIの利用には有料tierのGemini APIキーが必須で、無料tierでは使用できない。料金は以下の通り(出典:Unite.AI、2026年11月時点)。

表1:Genie 4 API料金体系(2026年11月時点・Unite.AI調べ)
課金対象 単価 備考
テキスト・参照画像入力 $1.50 / Mトークン —
テキスト出力 $9.00 / Mトークン —
映像出力(ステレオ音声込み) $17.50 / Mトークン 音声は別途加算なし
実効レート(参考値) 約$0.10 / 秒
約$6.05 / 分
Unite.AI算出
バッチAPI・Flex推論・Priority推論は非対応(2026年11月時点)

課金の終了タイミングには特段の注意が必要だ。complete() を呼び出して初めて課金が終了する設計であり、cancel() でサーバー側の生成は中止できる。しかしブラウザタブを閉じただけでは課金は継続する(Unite.AI)。エンドユーザーに操作を委ねるプロダクト設計では、セッション終了処理の実装が見落とされやすい。

月あたりのコストを試算すると、1セッション120秒として$12前後、仮に1日100セッションを処理する業務用ツールであれば月間$36,000超になる計算だ。コンシューマー向けに無制限で提供するビジネスモデルは、相応のマネタイズ設計なしには成立しにくい。B2B向けのプロトタイピングツールや、利用回数を明確に制御できる業務用途から試算を積み上げることが現実的な出発点になる。

技術的制約と品質の現在地——「ワールド生成」が抱える構造的課題

Genie 4 APIが生成するのは永続的な3Dシーンではなく、ローリングウィンドウ方式による逐次生成だ。この構造は、プロダクト設計に直接的な制約をもたらす。

視覚的安定性はセッション開始後45〜90秒が最も高く、60〜90秒を超えると品質劣化のリスクが生じる(Unite.AI)。物体から8秒以上視点を外すか360度回転した場合、ランドマークなどのオブジェクトがリセットされる可能性がある(Unite.AI)。「同じ場所に戻れる一貫した世界」を前提とするユースケースは、現時点では設計上の前提を見直す必要がある。

未解決の研究課題として、Unite.AIおよびSuperpowerDailyはレイテンシ、複雑な物理インタラクション、リアルタイム音声精度、シーン持続性を挙げている。Googleはこれらを改善中としており、現状のAPIは研究・プロトタイピング用途として位置づけるのが妥当だ。

透明性の面では、全出力にSynthIDによる不可視の透かしが自動付与される(Unite.AI、blog.google)。生成コンテンツの来歴証明として機能するが、商用展開時にはSynthIDの存在をコンテンツポリシーや利用規約に明記することが求められる場面も出てくるとみられる。日本国内での商用利用においては、生成AIコンテンツの表示義務をめぐる議論が進行中であり、透かし仕様の存在は将来的なコンプライアンス対応の観点からも把握しておく価値がある。

日本の開発者・企業が今取るべき実務的アクション

Genie 4 APIが実用的な候補になる用途は、現時点では3つに絞られる。第一に、インタラクティブ体験のプロトタイピング。空間的なコンセプトをステークホルダーに短時間で可視化したい場面では、120秒・720pという制約の中でも十分に機能する可能性がある。第二に、ロボティクスやAIエージェントの訓練データ生成。Googleが明示している想定用途であり、研究機関との共同開発を進める製造・物流系企業にとって検討対象になり得る。第三に、エンターテインメント・教育分野での概念実証(PoC)だ。

一方、現時点で本番投入を避けるべき用途もある。シーン持続性を前提とするゲームやメタバース空間への本番実装、エンドユーザーに無制限セッションを提供するコンシューマー向けサービスへの組み込みは、コスト構造と品質制約の双方からリスクが高い。

実務的な最初の一手としては、Google AI Studioで自社ユースケースに対して120秒・720pの制約が許容できるかを検証することが優先される。その上で有料APIキーを取得し、complete() / cancel() の確実な呼び出しとコスト上限の設定を実装してから本格的な評価フェーズに進む順序が、無用なコスト超過を防ぐ上で合理的だ。稟議フェーズに入る前に、1セッションあたりのコストと想定セッション数から月間費用の上下限を試算し、PoC予算の根拠として示すことが意思決定を加速させる。

まとめ——Genie 4 APIが示す問いと、今問うべきこと

Google Genie 4 APIによるワールド生成は、テキストと画像から操作可能な世界を生成するという新しいAPI種別の登場を意味する。720p・24fps・ステレオ音声という仕様と、約$6/分という料金水準、120秒のセッション上限、ローリングウィンドウ方式によるシーン持続性の課題——これらを総合すると、2026年11月時点では「本番投入よりPoC設計を慎重に行う段階」という評価が妥当だ。

ただし、操作可能なワールド生成が有料APIとして公開されたこと自体は、空間インタラクションをソフトウェアの部品として扱える時代の始まりを示している。技術的制約を把握した上で、自社プロダクトのどこに組み込む余地があるかを今から問い始めることが、競合に対して数ヶ月単位のアドバンテージを生む可能性がある。

参考文献

AIニュースのまとめをメールで

毎週月曜、海外AIニュースの日次ダイジェストを1週間分まとめてお届けします。無料・いつでも配信を停止できます。

監修

河合 継(クリスタルメソッド株式会社 代表取締役)

AI・ディープラーニングに関する特許16件の発明者。過去、国立がん研究センターとの共同研究や、テレビ番組でのAI解説実績を持つAI研究者として、AIの研究開発を主導している。
運営会社について | 編集方針

Read next

あわせて読みたい

  • Gemini 4 Argonでできること——プロンプト1つで5,000行の3Dコードを自動生成

    Gemini 4 Argonでできること——プロンプト1つで5,000行の3Dコードを自動生成

    Gemini 4 Argonとは——Googleが公開した8つのデモ Gemini 4 Argonは、Googleが2026年10月27日に公式ブログ(blog...

  • Gemini API 料金の完全ガイド|モデル別単価・無料枠・最適化手法のイメージ

    Gemini API 完全ガイド|料金・クイックスタートからエラー処理・コスト最適化まで【開発者向け】

    監修 河合 継(クリスタルメソッド株式会社 代表取締役) AI・ディープラーニングに関する特許16件の発明者。過去、国立がん研究センターとの共同研究や、テレビ番...

  • ブロックでできた世界でポータルを組み立てる4体のエージェントと、空を飛ぶドラゴンのイラスト

    Gemini 4 Argon 4体がMinecraftを27時間でクリア、DeepMind論文

    4体のAIエージェントが27時間14分でエンダードラゴンを撃破 Gemini 4 Argonを使った4体のコーディングエージェントが、Minecraftのサバイ...

View more