Episode Details

テキストだけでなく画像や音声、さらにはライブ動画まで扱うGemini時代のAIアプリは、API呼び出し、前処理、ポストプロセスが複層に絡み合い、まるで複雑な配管工事のようだ――Google DeepMindはそんな開発者の嘆きに応えるべく、7月10日、オープンソースの新ライブラリ「GenAI Processors」を発表しました。核心は“すべてをストリームで流す”という設計思想。カメラ映像、マイク音声、テキストチャンクなど多様なIn／OutをProcessorPartに包んで一列に並べれば、背後で非同期並列実行が走り、最初のトークンが返るまでの待ち時間を極限まで削ります。