Canonical: https://seo.whoops.com.tw/genie-4/
Author: Sliven 褚崇名
Source robots: follow, index, max-snippet:-1, max-video-preview:-1, max-image-preview:large
Content modified (WordPress): 2026-11-20T02:06:06+00:00
Representation modified (content/template/converter): 2026-11-20T02:06:06+00:00

# Genie 4 是什麼？Google DeepMind 世界模型教學、Gemini API 用法與價格

 

圖片：Genie 4 互動世界示意圖，從文字描述建立水鄉場景，用方向鍵探索石橋，再讓村莊下雪（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/11/genie-4-interactive-world-model.webp）

 

撰文作者 

[Sliven 褚崇名](<https://seo.whoops.com.tw/about/#founder-title>)

 

Whoops SEO 創辦人

 

SEO 與 AI SEO 專家，專長涵蓋技術 SEO、內容策略與 GEO 優化。從搜尋排名到 AI 答案中的品牌呈現，協助企業找出優化機會、排定執行順序，並追蹤實際成效。

 

圖片：Sliven 褚崇名肖像（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/10/sliven-portrait-navy.webp）

 

[作者背景與專業領域](<https://seo.whoops.com.tw/about/#founder-title>) 更新 2026-11-20 約 15 分鐘閱讀

 

本篇內容

 

### 本篇內容

 

## 先看重點

摘自本文

- Genie 4 的世界則是一連串預測出來的畫面，物理表現是模型從訓練資料學到的直覺。這是它幾秒內能變出任意世界的原因，也是細節會隨時間飄移的原因。

[Genie 4 怎麼把鍵盤與文字指令變成畫面？](<https://seo.whoops.com.tw/genie-4/#Genie-4-%E6%80%8E%E9%BA%BC%E6%8A%8A%E9%8D%B5%E7%9B%A4%E8%88%87%E6%96%87%E5%AD%97%E6%8C%87%E4%BB%A4%E8%AE%8A%E6%88%90%E7%95%AB%E9%9D%A2%EF%BC%9F>)
- 在 Project Genie 裡，探索途中還能讓 Gemini 觀察當下畫面，給出下一步建議，或自動觸發世界事件。

[如何透過 Project Genie 探索、編輯與分享世界？](<https://seo.whoops.com.tw/genie-4/#%E5%A6%82%E4%BD%95%E9%80%8F%E9%81%8E-Project-Genie-%E6%8E%A2%E7%B4%A2%E3%80%81%E7%B7%A8%E8%BC%AF%E8%88%87%E5%88%86%E4%BA%AB%E4%B8%96%E7%95%8C%EF%BC%9F>)
- 依 Genie 4 的專案速率限制，Tier 1 只有 2 個併發 session 與每日 50 次請求，做多人同時上線的產品前要先算清楚同時在線人數。

[Genie 4 價格與速率限制：每秒、每次與每月怎麼算？](<https://seo.whoops.com.tw/genie-4/#Genie-4-%E5%83%B9%E6%A0%BC%E8%88%87%E9%80%9F%E7%8E%87%E9%99%90%E5%88%B6%EF%BC%9A%E6%AF%8F%E7%A7%92%E3%80%81%E6%AF%8F%E6%AC%A1%E8%88%87%E6%AF%8F%E6%9C%88%E6%80%8E%E9%BA%BC%E7%AE%97%EF%BC%9F>)

 

### 檢查網站的 SEO 基礎

從網站網址開始，檢視可讀性與頁面基礎訊號。

- 檢查標題與搜尋摘要標記
- 核對 canonical 與索引指令
- 整理公開 HTML 的待改善項目

[免費檢查網站](<https://seo.whoops.com.tw/free-seo-audit/>)

 

[將 Whoops 設為 Google 偏好來源（另開 Google 設定頁）](<https://www.google.com/preferences/source?q=seo.whoops.com.tw>)

 

Google DeepMind 的 Genie 4 是即時互動世界模型。輸入一段場景描述或一張 16:9 圖片，約 5 到 9 秒後，就能用 WASD 與方向鍵探索一個有同步立體聲的世界。走到一半輸入「讓村莊下雪」，下一段畫面就會接著下雪。影片生成工具交付一段成片，Genie 4 則會隨你的下一個動作改變畫面。

 

想直接體驗，可從 Project Genie 查看 Google AI Ultra 帳戶是否已開放。想把世界接進應用程式，可用付費 Gemini API。Genie 4 的 API 畫面為 720p、每秒 24 幀，單次最長 120 秒；依 2026 年 11 月牌價，生成 60 秒的影片與同步音訊約 6.05 美元，輸入費另計。

 

## Genie 4 怎麼把鍵盤與文字指令變成畫面？

 

Genie 4 把世界當成一條持續回應輸入的串流來生成，畫面上每一幀都是收到你的最新操控後即時算出來的。送出一個 `` world_setup `` 事件後，模型先花 5 到 9 秒規劃世界並吐出第一幀，接著以 1280×720 的 16:9 畫面、每秒 24 幀持續串流，音訊是 48 kHz 的 16 位元立體聲，環境音、音效與角色對白都跟畫面同步生成。鍵盤操控在 0.2 到 0.5 秒內反映到畫面，中途打入的文字事件約 1 到 2 秒生效，時間差來自世界規劃的取樣節奏。

 

[官方文件的 quickstart](<https://aistudio.google.com/docs/genie>) 用一個油畫場景把這套機制演示得很完整。prompt 描述你站在厚塗後印象派油畫村莊的運河石橋上，鈷藍夜空與金色街燈隨微風起伏，連音訊都一併指定，石階水聲、晚風落葉與鵝卵石上的腳步聲都寫進場景設定。第一幀出現後按住 W 鍵往前走，這些聲音隨畫面同步響起。接著送出一句讓大雪落滿村莊，約一到兩秒後雪勢降臨，再一句讓金色煙火炸開屋頂上空，這些變化不經任何剪接，全部發生在同一條串流裡，這份 prompt 也收在官方文件裡，可以直接複製當起點。

 

圖片：同一座運河石橋的三個畫面，依序呈現初始村莊、步行靠近，以及屋頂覆雪的變化。（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/11/genie-4-interactive-world-controls.webp）

以官方教學的運河村莊為例，按鍵讓視點移向石橋，接著輸入下雪指令，同一座村莊就覆上白雪。

 

理解它運作機制的關鍵，在於 Genie 4 維持的是滾動式的視覺地平線，而非一張持久的 3D 場景圖。模型以每 4 幀為一個規劃步階取樣輸入，畫面背後沒有一份你轉頭回去就保證分毫不差的地圖，這個特性決定了它擅長的任務形態：短時程、高互動、需要世界即興回應的原型與模擬。與遊戲引擎的差異也在此。引擎的世界是預先建模的場景圖，網格與碰撞體都是工程產物。Genie 4 的世界則是一連串預測出來的畫面，物理表現是模型從訓練資料學到的直覺。這是它幾秒內能變出任意世界的原因，也是細節會隨時間飄移的原因。

 

| 項目 | 規格 |
| --- | --- |
| 輸出畫面 | 1280×720（720p）、16:9、每秒 24 幀 |
| 音訊 | 48 kHz、16 位元立體聲，與影片同步生成 |
| 啟動輸入 | 文字 prompt、單張 16:9 參考圖，或兩者並用 |
| 初始生成時間 | 約 5 至 9 秒出第一幀 |
| 操控延遲 | 鍵盤約 0.2 至 0.5 秒。文字事件約 1 至 2 秒 |
| 單次 session 上限 | 120 秒硬上限（官方建議 45 至 90 秒） |
| 傳輸方式 | WebRTC（瀏覽器）、WebSocket（Python 與 Node.js） |
| 伺服機房 | 美國、西歐、日本 |
| 浮水印 | SynthID，所有影片與音訊皆嵌 |

Genie 4 模型規格一覽（Google AI Studio 文件，2026 年 11 月）

 

## Genie 4 何時開放？研究預覽、Project Genie 與 API 時間線

 

2026 年 10 月 27 日，DeepMind 以[研究總覽](<https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/>)公布模型，先交給受邀測試者試用。11 月 18 日，官方再以[消費端公告](<https://blog.google/innovation-and-ai/models-and-research/google-deepmind/genie-4-now-available-project-genie/>)開放新版 Project Genie，符合資格的 Google AI Ultra 訂閱者首次玩到 Genie 4，Google AI Pro 會員只能加入候補名單。

 

11 月 19 日，Google 的[開發者公告](<https://blog.google/innovation-and-ai/technology/developers-tools/genie-4-in-gemini-api/>)確認 Genie 4 已登上 Gemini API 與 Google AI Studio。開發者可從 AI Studio 的互動畫布開始，或在應用程式透過 Interactions API 串接。

 

查模型如何運作與已知限制，可讀 11 月 18 日發布的 [DeepMind 模型卡](<https://deepmind.google/models/model-cards/genie-4/>)。要實際串接，則以 [AI Studio 的 Genie 4 型號頁](<https://aistudio.google.com/docs/models/genie-4>)確認輸入、輸出格式與工作階段限制。

 

 

Google DeepMind 示範如何在同一次模擬裡改變場景，並讓環境音與角色對白隨之變化。

 

## Gemini Omni 與 Gemini 如何參與世界生成？

 

Genie 4 的世界感由 Gemini 家族分工撐起，單靠一個模型做不到這件事。官方研究總覽載明，Gemini Omni 負責把模擬錨定在真實世界的外觀與行為上，其他 Gemini 模型提供推理能力，維持模擬的連貫與延續。你設定一個事件，Genie 4 接手模擬接下來會發生什麼：世界怎麼回應、聽起來如何、裡面的人怎麼動作與說話。

 

這條技術路線把世界模型和大型語言模型放在互補的位置，語言模型預測下一個 Token，世界模型預測下一幀畫面，兩者的原理差異可對照先前整理過的[LLM 完整教學](<https://seo.whoops.com.tw/what-is-llm/>)。一邊處理符號序列，一邊處理時空連續體，訓練目標與資料形態從源頭就分道。

 

Google 的 Gemini 家族也包含 [Gemini 4 Carbon](<https://seo.whoops.com.tw/gemini-4-carbon/>) 與 [Gemini 4 Neon](<https://seo.whoops.com.tw/gemini-4-neon/>) 等型號。要讓使用者控制鏡頭、探索空間，API 中應選的是 `` models/genie-4 ``。

 

DeepMind 的研究展示還有一層代理設計：Gemini 3.8 Flash 在 session 中擔任導引，觀察畫面上發生的事、拆解你的目標、驗證步驟是否完成。研究前緣則更遠一步，DeepMind 已在實驗 Gemini 4 Argon 與 Genie 4 的組合供 Gemini Robotics 使用，示範影片裡 [Argon](<https://seo.whoops.com.tw/gemini-4-argon/>) 把使用者交辦的任務拆成步驟、以文字字幕交錯餵給 Genie 4，即時渲染 Apptronik Apollo 人形機器人下西洋跳棋（checkers）的過程。

 

官方也把下一步的方向寫進了研究總覽：混合式世界模型，把程式與語言模型的結構化推理，和像素級模擬的豐富感官表現結合。這句話對評估者是一個誠實的訊號，目前的 Genie 4 是研究里程碑，還不是成品規格的終局，投入時把介面假設留在可替換的抽象層會更安全。

 

## Genie 4、Genie 3 與 Gemini Omni 1.2 Flash 怎麼選？

 

Genie 4 在 Google 的生成矩陣裡占了即時互動這一格，Genie 3 與 Omni 各守其他位置。11 月 18 日的更新同時給了 Genie 3 三項升級：單次生成延長到 3 分鐘（原為 60 秒）、支援 360 度全景照片 seeding、世界鏈結把多個世界串成連續旅程。官方把它留在 Project Genie 的 model picker，並明講回頭用它的時機：要拉長單次探索，或要用全景照片當種子時，官方示範就用一張全景照把佩特拉峽谷的立面帶進世界。

 

想拉長同一次探索，可以選 Genie 3。11 月更新後，它每次可生成最長 3 分鐘，也支援串連多個世界。Genie 4 API 的 120 秒是單次連線硬上限；兩個數字分別適用於不同模型與入口。

 

與 [Omni 1.2 Flash](<https://seo.whoops.com.tw/gemini-omni-1-2-flash/>) 的界線同樣清楚，兩者都用 Interactions API，輸出形式不同。Omni 做離線片段生成，單段 3 到 15 秒、可延長至 30 秒，支援多輪編輯、1080p 與 4K 上採樣、最多 6 張參考圖，適合交付剪好的影片。Genie 4 犧牲解析度換即時性，適合需要走進去、邊走邊改的場景。[MiniMax H3 的影片生成與編輯](<https://seo.whoops.com.tw/minimax-h3/>)也以完成一段影片為目標。

 

做故事板時，可以在 Omni 生成指定運鏡的高畫質片段。如果測的是「觀眾走進場景後能看到什麼」，就把同一段場景描述交給 Genie 4，實際改變路線或光線。選型時先看交付物是影片，還是一段可操控的體驗。

 

| 模型 | 形態 | 單次長度 | 即時操控 | 初始種子 |
| --- | --- | --- | --- | --- |
| Genie 4 | 即時互動世界串流 | 120 秒硬上限 | WASD 與方向鍵，加上 mid-session 文字 | 文字加單張 16:9 圖 |
| Genie 3 | 即時互動世界串流 | 最長 3 分鐘，支援世界鏈結 | 即時文字事件 | 360 度全景圖 |
| Gemini Omni 1.2 Flash | 離線影片片段生成 | 3 至 15 秒，可延長至 30 秒 | 無，採多輪編輯 | 最多 6 張參考圖 |

Genie 4、Genie 3 與 Gemini Omni 1.2 Flash 定位對照（官方文件，2026 年 11 月）

 

## 如何透過 Project Genie 探索、編輯與分享世界？

 

Project Genie 是 Genie 4 的官方遊樂場，入口在 [labs.google 的專案頁](<https://labs.google/projectgenie>)，訂閱門檻從 Google AI Ultra 起跳，Pro 會員排候補，各[層級的台灣費用與功能差異](<https://seo.whoops.com.tw/google-ai-ultra/>)可直接換算成使用成本，它適合想直接從瀏覽器探索或分享作品的人。Genie 4 在這裡的三個賣點是 mid-session 即時編輯、原生音訊與新的創作代理：導航途中直接打字，天氣、光線、角色與事件當場改，音訊從環境音到角色對白都隨劇情自適應。

 

Project Genie agent 把蓋世界變成一段對話。你用自然語言描述願景，代理負責編排 Google 的多模態模型套組，先產出定調世界視覺的初始畫面與專屬配樂，再交給你探索。這種代理工作形態與[AI Agent 的基本原理](<https://seo.whoops.com.tw/what-is-ai-agent/>)同源，只是把它套上世界生成的外衣。

 

想分別製作視覺參考與配樂，可參考 [Nano Banana 的圖片生成](<https://seo.whoops.com.tw/nano-banana-2-1/>)與 [Lyria 的音樂生成](<https://seo.whoops.com.tw/lyria-3-5/>)。在 Project Genie 裡，探索途中還能讓 Gemini 觀察當下畫面，給出下一步建議，或自動觸發世界事件。

 

圖片：左側山坡上的咖啡館，向右改作成沙丘間的玻璃亭，場景保留相近的建築輪廓。（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/11/project-genie-world-remix.webp）

Google 在 Project Genie 展示過這種改作方式：沿用山坡咖啡館的輪廓，把建築改成玻璃亭，再將四周的山坡換成沙丘。

 

畫廊（gallery）承擔社群擴散的角色。官方策展的「Living Memory」把個人照片變成可走進的空間，「Dino Field Guide」以 360 度全景為底重現史前棲地，「Rock Paper Scissors」讓 Gemini 在桌面上當即時裁判。創作者合作案包括 BLVCKL!GHT 的哥德宅邸解謎「Villa Giallo」與導演 Anand Gandhi 的「The Life of Ants」，後者從螞蟻視角走進蟻窩，可以從貼近地面的角度看蟻群如何移動。其他人可以從畫廊進入作品，也能以現有世界為起點重新創作。

 

> Genie 4 is now available in Project Genie.
> 
> It brings native audio, real-time editing, and a new agent to help you create interactive, virtual worlds. [pic.twitter.com/CipplkOuMP](<https://t.co/CipplkOuMP>)
> 
> — Google DeepMind (@GoogleDeepMind) [November 18, 2026](<https://x.com/GoogleDeepMind/status/2123117733709586849?ref_src=twsrc%5Etfw>)

 

## 如何用 Gemini API 建立並結束 Genie 4 工作階段？

 

開發者拿到的是 [Interactions API](<https://aistudio.google.com/docs/interactions-overview>) 上的 `` models/genie-4 ``，一個 session 走完四步生命週期。第一步在你的伺服器上呼叫 `` interactions.create `` 建立互動。第二步鑄造單次有效的 ephemeral `` auth_token ``，讓長效 API 金鑰永遠不進瀏覽器。第三步以 WebRTC 或 WebSocket 連線並送出恰好一個 `` world_setup `` 事件。第四步在過程中連發 `` user_action `` 與文字 `` input `` 事件，結束時呼叫 `` complete() ``。

 

圖片：四個圖示依序標示建立、連線、操控與結束，連結伺服器、連接埠、方向鍵及停止按鈕。（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/11/genie-4-interactions-api-session.webp）

伺服器建立 interaction 後，客戶端連線並送出場景和操控事件。正常結束時呼叫 complete()，讓伺服器停止生成與計費。

 

> Genie 4 lets you step inside interactive environments and reshape them mid-session: shifting the weather, summoning characters, and generating adaptive native audio on the fly
> 
> try it today via the Gemini API and in AI Studio: [https://t.co/Ibb5f95BKP](<https://t.co/Ibb5f95BKP>) [pic.twitter.com/isJWbyDqmt](<https://t.co/isJWbyDqmt>)
> 
> — Google AI Studio (@GoogleAIStudio) [November 19, 2026](<https://x.com/GoogleAIStudio/status/2123479057996116143?ref_src=twsrc%5Etfw>)

 

傳輸層的選擇取決於客戶端形態。瀏覽器應用走 WebRTC，RTP 影音軌直接餵給 video 元素，延遲最低。Python 與 Node.js 後端走 WebSocket，收到的是 base64 編碼的 JPEG 幀與 PCM 音訊區塊，適合錄製與自訂管線，base64 的膨脹率約三成，錄製管線要先預留頻寬與磁碟空間。WebRTC 的 SCTP 資料通道有 64 KB 訊息上限，參考圖先縮到 1280×720、以 JPEG 壓到 48 KB 以下再送，更大的 PNG 種子改走 WebSocket。

 

事件語義有兩處最容易被誤解。schema 雖然接受 `` key_e `` 與 `` space ``，Genie 4 並沒有為它們內建跳躍或互動行為，自訂按鍵要在客戶端攔截，改送描述性的文字事件。文字事件的生效路徑經過世界規劃，官方建議以 150 毫秒間隔重複發送約 10 次，讓下一個規劃間隔穩定接到它，再強制 2 秒冷卻，避免相互衝突的指令打架。對白要加引號，編輯內容描述畫面內的連續物理變化，要求鏡頭硬切會破壞空間連續性。

 

計費與連線是兩條獨立的線，斷線不等於停止。關掉分頁或本地端離開只會送出 disconnect，伺服器端的世界生成與 Token 計費照跑，Genie 4 又不支援 session 續接，所以永遠以 `` complete() `` 或 `` cancel() `` 收尾，把這個呼叫寫進前端卸載邏輯與後端逾時保護裡。官方[prompt 與控制指南](<https://aistudio.google.com/docs/genie-prompting>)另收錄五種實測過的世界設計模式，從因果世界規則、綁鍵動作動詞到鎖定視線的短劇場都附完整範例。

 

官方 Python 範例給了一個具體的時間標尺。世界建立後，程式在第 1 幀存下 JPEG 起始幀，第 48 幀（約 2 秒處）送出下雪的文字突發，第 144 幀（約 6 秒處）放開 W 鍵，音訊側把收到的 PCM 區塊直接寫成 48 kHz 的雙聲道 WAV 檔。整個流程不含任何渲染引擎，一支非同步 Python 腳本就跑完生成、操控與收錄。

 

1. 確認 API 金鑰已開通付費層，免費層呼叫 `` models/genie-4 `` 會被拒。 
2. 安裝最新版 SDK：Python 用 google-genai，JavaScript 與 TypeScript 用 @google/genai。 
3. 瀏覽器端選 WebRTC、後端與錄製管線選 WebSocket，別在伺服器環境硬架瀏覽器連線。 
4. WebRTC 種子圖先縮到 1280×720、JPEG 壓縮到 48 KB 以下再 base64 編碼。 
5. 長效金鑰只留在後端，瀏覽器一律用單次 auth\_token 連線。 
6. 所有離開路徑都接上 complete()，並在後端加一道強制逾時。

 

若要把原型交給其他人試用，先從實際使用地區測鍵盤反應，再檢查關閉分頁後，後端有沒有收到工作階段結束事件。

 

## Genie 4 價格與速率限制：每秒、每次與每月怎麼算？

 

Genie 4 的計費單位是影片輸出 Token，每幀 240 個、每秒 5,760 個，[官方牌價](<https://aistudio.google.com/docs/pricing#genie-4>)換算後每秒約 0.10 美元。音訊打包在影片 Token 裡不另計，輸入側的文字與參考圖以每百萬 1.50 美元計，實際帳單還要加上該次輸入用量。

 

| 計費項 | 牌價 |
| --- | --- |
| 輸入（文字與 16:9 參考圖） | 1.50 |
| 輸出（文字） | 9.00 |
| 輸出（影片，含立體聲音訊） | 17.50 |
| 免費層、Batch、Flex、Priority、context caching | 全部不支援 |
| 付費層資料用於改善產品 | 否 |

Genie 4 標準牌價，單位美元/每百萬 Token（Google AI Studio 定價頁，2026 年 11 月）

 

把牌價換算成 session 成本只要一條算式：每秒 5,760 個 Token 乘以每百萬 17.50 美元，等於每秒 0.1008 美元，一個跑滿 60 秒的世界約 6.05 美元。下表用四種 session 長度試算單次與月成本，月成本以每日 10 次、每月 30 日計，僅列影片輸出 Token。

 

| 單次長度 | 影片輸出 Token | 單次成本（美元） | 月成本（美元） |
| --- | --- | --- | --- |
| 45 秒 | 259,200 | 4.536 | 1,360.80 |
| 60 秒 | 345,600 | 6.048 | 1,814.40 |
| 90 秒 | 518,400 | 9.072 | 2,721.60 |
| 120 秒 | 691,200 | 12.096 | 3,628.80 |

Genie 4 session 成本試算：每日 10 次、每月 30 日，僅計影片輸出（2026 年 11 月牌價）

 

如果每天測 10 次，把每次工作階段從 90 秒縮到 45 秒，30 天的影片輸出費用就從 2,721.60 美元降到 1,360.80 美元。這裡按實際生成秒數算；切成多個短工作階段，總生成時間相同，輸出費用也相同。Genie 4 目前沒有 Batch 或 Flex 折扣。

 

| 用量層級 | 併發 session | 每日請求數 |
| --- | --- | --- |
| Tier 1 | 2 | 50 |
| Tier 2 | 5 | 250 |
| Tier 3 | 10 | 1,000 |

Genie 4 併發 session 與每日請求上限（官方速率限制頁，2026 年 11 月）

 

依 [Genie 4 的專案速率限制](<https://aistudio.google.com/docs/rate-limits#genie-4>)，Tier 1 只有 2 個併發 session 與每日 50 次請求，做多人同時上線的產品前要先算清楚同時在線人數。表中的每日請求數以 session 為單位，每一次 `` interactions.create `` 都算一個請求，Tier 1 等於每天最多開 50 個世界。唯一的寬鬆處在 session 內部，鍵盤與文字事件不耗用 RPM 或 RPD 額度，單一 session 裡可以盡量密集操控。

 

## 120 秒之外，Genie 4 還有哪些限制？

 

Genie 4 的現階段邊界都寫在官方限制清單,120 秒是最硬的一條。API 文件標明 hard cap 120 秒、最佳體驗落在 45 至 90 秒，超過 60 到 90 秒後視覺穩定性開始下降，屆期就終止生成，沒有展延選項。DeepMind 模型頁以約一分鐘的連續互動描述現況，規劃長體驗時以 60 秒為心理基準最穩。

 

物體恆存是第二條邊界。轉開視線超過 8 秒再回頭，或連續轉滿 360 度，地標、門與按鈕可能移位或重置。告示牌與儀表上的文字會變形，精確的物件計數在鏡頭平移間會飄移。輸出固定 16:9 與 24fps，不支援直式 9:16，也不可調整幀率。

 

圖片：三幅圖依序看向海岸拱門、轉頭看海、回望拱門。紅木箱從拱門左側移到了右側。（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/11/genie-4-scene-permanence.webp）

視線移開再轉回來，原有地標可能出現變化。圖中的紅木箱從拱門左側移到右側，示意測試長時間探索時可留意的細節。

 

連線品質由機房位置決定。Genie 4 從美國、西歐與日本的資料中心供應，官方把北美、西歐與中歐、東亞列為往返延遲低於 150 毫秒的最佳區，這是區域性參考值，台灣使用者的實際往返時間取決於網路路由。區外的連線會感受到轉向延遲變高與幀率下降，部署即時操作型應用前，先從目標地區實測 WebRTC 延遲，必要時把後端中繼放在服務區旁。

 

輸入與安全邊界同樣明確。Genie 4 不接受麥克風與攝影機的即時輸入，不支援 function calling、Google Search grounding、structured output，也不支援跨完成的 session 續接。含可辨識真實人物、公眾人物或版權品牌 IP 的 prompt 與參考圖，可能在啟動時被擋下或中途終止串流。所有輸出影片與音訊都嵌 [SynthID](<https://deepmind.google/models/synthid/>) 浮水印，輸入輸出均經安全篩檢。

 

不支援續接這一條對產品設計的影響最容易被低估。使用者斷線重連後拿不回同一個世界，每個 session 都要當成一次完整體驗來設計，進度、成就與狀態要存在你自己的後端，而不是指望模型幫你記住場景。產品端的紀錄粒度要自己設計，模型只交付當下的串流。

 

## 哪些工作適合先用 Genie 4 做原型？

 

DeepMind 公布的早期測試涵蓋影視、新聞、教育與遊戲。影視前期是最直覺的一塊，導演與創意總監把 Genie 4 當快速預視化工具，走進場景即時多拍幾個 take，攝影機角度、燈光、對白與動作當場調，讓團隊在搭景前先比較鏡位。新聞與教育端則把單張 2D 檔案照變成可走進的模擬空間，山洪或野火這類短時環境事件也能動態可視化，教育端的 trusted testers 同步在測歷史空間的沉浸式重現。

 

遊戲開發拿到的是寫引擎程式碼之前的那一段。用自然語言先試視覺風格、材質美學與互動機制，先看場景是否值得投入建模。對照站上記錄的 [Claude Opus 5.5 與 Blender 花 16 天做出 3D 遊戲](<https://seo.whoops.com.tw/little-prince-opus-5-5-3d-game/>)的案例，Genie 4 走的是另一個極端，一句 prompt 換一個能走的世界，代價是畫質與持久度。另一個研究方向是機器人與代理訓練。研究人員可以改寫提示詞，產生同一場景的多種變化，觀察代理如何回應罕見情境。

 

想評估是否適合自己的專案，可以在 [AI Studio 的 Genie 4 互動畫布](<https://aistudio.google.com/live?model=genie-4>)先跑一次短場景，觀察輸入延遲、角色是否連貫，再用實際生成秒數估算費用。若需求是讓代理產生表單或按鈕，可參考 [A2UI 的代理介面生成方式](<https://seo.whoops.com.tw/a2ui-1-0/>)。

 

## Genie 4 常見問題

 

### Genie 4 有免費方案嗎？

 

Genie 4 的 Gemini API 不支援免費層。Project Genie 則向符合資格的 Google AI Ultra 訂閱者開放，AI Pro 會員可加入候補。按 2026 年 11 月 API 牌價，45 秒的影片與同步音訊輸出約 4.54 美元，另計輸入費。

 

### 一次 session 最長可以連續跑多久？

 

Genie 4 API 單次最長 120 秒，Google 建議把體驗設計在 45 至 90 秒。Project Genie 裡另可選 Genie 3，每次最長 3 分鐘，也可串連多個世界。

 

### 台灣連線的延遲表現如何？

 

Google 把東亞列為往返延遲有機會低於 150 毫秒的區域，並列出日本機房。這是網路往返時間，畫面對鍵盤輸入的反應還包含生成時間。要估台灣使用者的手感，應從目標網路分別測 WebRTC 往返延遲與按鍵到畫面變動的時間。

 

### 生成內容有浮水印嗎？會被拿去訓練嗎？

 

Google 表示，Genie 4 生成的影片與音訊都嵌有不可見的 SynthID 浮水印。Gemini API 定價頁列明，付費層資料不會用來改善 Google 產品；輸入與輸出仍會接受安全篩檢。

 

### 可以用真實人物或知名角色當題材嗎？

 

含可辨識真人、公眾人物或受版權保護品牌內容的提示詞或參考圖，可能在啟動時被擋下，也可能讓進行中的串流終止。做原型時，可以先使用原創角色與有權使用的圖片。

 

### 關掉瀏覽器分頁就會停止計費嗎？

 

關閉分頁只會中斷本機連線，無法保證伺服器停止生成與計費。正常結束應呼叫 `` session.complete() ``，需要立即中止則呼叫 `` session.cancel() ``。後端也要處理使用者突然離線的情況。

 

### Genie 4 會取代遊戲引擎嗎？

 

需要可重複載入的關卡、碰撞判定或存檔時，仍要依靠遊戲引擎。Genie 4 適合前期預視與互動原型：可以先走進場景試視角、節奏和氣氛，再決定哪些玩法值得正式實作。

 

[AI Agent](<https://seo.whoops.com.tw/tag/ai-agents/>)[AI 模型](<https://seo.whoops.com.tw/tag/ai-models/>)[Gemini](<https://seo.whoops.com.tw/tag/gemini/>)[Gemini API](<https://seo.whoops.com.tw/tag/gemini-api/>)[Genie 4](<https://seo.whoops.com.tw/tag/genie-4/>)[Google](<https://seo.whoops.com.tw/tag/google/>)[Google DeepMind](<https://seo.whoops.com.tw/tag/google-deepmind/>)

 

喜歡這篇內容？讓下次搜尋，更容易遇見 Whoops。

[將 Whoops 設為 Google 偏好來源（另開 Google 設定頁）](<https://www.google.com/preferences/source?q=seo.whoops.com.tw>)前往 Google 選取並確認，即可完成設定。

 

[## Sliven 褚崇名](<https://seo.whoops.com.tw/about/#founder-title>)

Sliven 褚崇名是 Whoops SEO 創辦人，負責技術 SEO、內容與關鍵字策略、WordPress 網站重建，以及 AI SEO、AEO、GEO 的量測與內容優化。作者頁可查閱由他署名的〈SEO 是什麼〉與〈AI SEO 是什麼〉等教學；內容中的自有量測、模型觀測與第三方來源應分開判讀，並以各頁標示的方法與限制為準。是否適合特定專案，仍需依網站現況、目標、執行範圍與可驗證成果判斷。

[查看作者文章 →](<https://seo.whoops.com.tw/about/#founder-title>)

 

## 討論與提問

 

### 發佈留言

 

WHOOPS / JOURNAL

## 更多值得一讀的文章

[探索知識庫 ↗](<https://seo.whoops.com.tw/blog/>)

[AI 工具與應用約 34 分鐘閱讀

### 最佳 Gemini Omni 1.2 Flash 完整教學：影片生成與價格

Gemini Omni 1.2 Flash 支援最長 15 秒影片與多輪編輯。整理 Gemini API 價格、Python 範例、6 張參考圖、延展限制、Vids 免費額度與版本遷移。

閱讀文章](<https://seo.whoops.com.tw/gemini-omni-1-2-flash/>) [AI 工具與應用約 17 分鐘閱讀

### Kimi K3.1 Pro 是什麼？Moonshot 新旗艦：規格、跑分、API 價格與台灣怎麼用

Kimi K3.1 Pro 採 2.8T MoE 架構與 1M 上下文，主打寫程式、3D 建模與金融研究。整理官方規格、API 價格、快取試算、獨立評測與台灣使用入口，並區分模型服務上線與權重開放時程。

閱讀文章](<https://seo.whoops.com.tw/kimi-k3-1-pro/>) [AI 工具與應用約 19 分鐘閱讀

### Gemini 4 Carbon 是什麼？Google 新前沿模型的資安實力、評測、價格與台灣開放時程

Google Gemini 4 Carbon 主打資安與長任務。本文整理官方與獨立評測、API 價格、分階段開放及台灣使用條件。

閱讀文章](<https://seo.whoops.com.tw/gemini-4-carbon/>)
