SEO × AI搜尋在改變,你的成長策略也該向前。認識 AI 搜尋優化

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

撰文作者

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。

Sliven 褚崇名肖像
作者背景與專業領域 約 15 分鐘閱讀
本篇內容

先看重點

摘自本文

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

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 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。

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。
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。要實際串接,則以 AI Studio 的 Genie 4 型號頁確認輸入、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。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 與 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 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 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,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 的圖片生成與 Lyria 的音樂生成。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。

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。
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。

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 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()。

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。
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。

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259,2004.5361,360.80
60 秒345,6006.0481,814.40
90 秒518,4009.0722,721.60
120 秒691,20012.0963,628.80
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 1250
Tier 25250
Tier 3101,000
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,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。

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。
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 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。

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。

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)前往 Google 選取並確認,即可完成設定。

Sliven 褚崇名

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 →

討論與提問

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *