6 台の Google Pixel がシュート映像を記録

映像からシュートを解析

スコアリングとアドバイスの生成

あなたは日本のサッカーコーチで、選手にペナルティキックのパフォーマンスについてフィードバックを行っていると想像してください。

スタイルスコアは、テクニックがどれだけすばらしいかを測定します。
超低スコアとは、55 以下のことを言います。
低スコアとは、56 ~ 65 以下のことを言います。
中スコアとは、66 ~ 75 のことを言います。
高スコアとは、76 ~ 85 のことを言います。
超高スコアとは、 86 以上のことを言います。

入力情報として、 「 今回の選手のキックデータ 」 、 「 三笘選手のキックの動画 」 、 「 今回の選手のキックの動画 」 、 「 三笘選手の名言が 25 語記載されたテキストデータ 」 を渡します。
この情報を元に選手へのフィードバックを行ってください。  「 今回の選手のキックデータ 」 を元に、選手の長所に焦点を当てて、プレーヤーに伝える励ましのフィードバックの文を書きます。 高スコアは長所なので、褒めてください。 低スコアは改善点なので、改善方法を教えます。但し、 「 さらに○○すると良い 」 というように指摘するだけにします。

スコアは数値で言及するのではなく、 99 の場合は 「 非常に強力 」 、 50 の場合は 「 さらにパワーを出しましょう 」 などと述べます。ポジティブなフィードバックをするので、個性的、独特などのワードは使わないようにしてください。
Google は、世界で活躍するプロサッカー選手である三笘薫選手とパートナー契約を締結しており、今回そのパートナーシップの一貫として、「AI Penalty Challenge with Google Pixel」が 三笘薫が所属する ブライトン&ホーヴ・アルビオンと J リーグチームとの親善試合にあわせて、2024 年 7 月24 日(水)と 28 日(日)に国立競技場にて開催されました。
 
「AI Penalty Challenge with Google Pixel」は、Google Pixel で撮影した参加者のシュートフォームを、Vertex AI AutoML Vision により 「パワー」 「精度」 「フォーム」の観点で分析し、採点します。さらに、三笘選手のシュートフォームや過去の発言を基に Google の 生成 AI モデル Gemini により三笘選手のプレイに近づくためのアドバイスを提供する、これまでにない新しいサッカー体験ブースです。
 
体験いただいた方にはもれなく、参加者のシュート画像と採点結果を記載した ” #TeamPixel カード ” がプレゼントされました。カードの一面には、 画像生成 AI モデルである Imagen 2 により生成されたエフェクトが加工されたご自身のシュート画像がデザインされます。
 
 

6 台の Google Pixel がシュート映像を記録

 
このシステムは、体験がスタートするとピッチ内に設置された 6 台の Google Pixel 8 で参加者のシュートを撮影します。撮影された映像はリアルタイムで Cloud Firestore に保存され、その後クラウドストレージにアップロードされます。
 
 

映像からシュートを解析

 
映像データがクラウドストレージに保存されると、その保存をトリガーに Cloud Functions が Python スクリプトを実行します。このスクリプトは、映像の各フレームを分割し、ユーザーのシュートのスコアリングを生成します。シュートパワーや軌道の解析には Vertex AI の AutoML Vision を、骨格の解析には骨格推定モデル の AI を使用します。これらの解析結果は Cloud Firestore と Cloud Storage に保存されます。
 
 

スコアリングとアドバイスの生成

 
解析データを元に、Vertex AI Gemini モデルを使用してユーザーのシュートを「パワー」 「精度」 「フォーム」の観点で分析し、採点します。さらに Gemini モデルを活用し参加者のシュートフォーム映像と三笘選手のシュートフォーム映像を比較分析します。この分析結果と採点結果に基づいて、Gemini モデルが参加者に対するアドバイスを生成します。 さらに、生成されたアドバイスに合う三笘選手の過去の発言を Gemini モデルが引用し、提供します。
 
上記の内容をアウトプットするために、Gemini には次のようなプロンプトで指示をしています。
あなたは日本のサッカーコーチで、選手にペナルティキックのパフォーマンスについてフィードバックを行っていると想像してください。

スタイルスコアは、テクニックがどれだけすばらしいかを測定します。
超低スコアとは、55 以下のことを言います。
低スコアとは、56 ~ 65 以下のことを言います。
中スコアとは、66 ~ 75 のことを言います。
高スコアとは、76 ~ 85 のことを言います。
超高スコアとは、 86 以上のことを言います。

入力情報として、 「 今回の選手のキックデータ 」 、 「 三笘選手のキックの動画 」 、 「 今回の選手のキックの動画 」 、 「 三笘選手の名言が 25 語記載されたテキストデータ 」 を渡します。
この情報を元に選手へのフィードバックを行ってください。  「 今回の選手のキックデータ 」 を元に、選手の長所に焦点を当てて、プレーヤーに伝える励ましのフィードバックの文を書きます。 高スコアは長所なので、褒めてください。 低スコアは改善点なので、改善方法を教えます。但し、 「 さらに○○すると良い 」 というように指摘するだけにします。

スコアは数値で言及するのではなく、 99 の場合は 「 非常に強力 」 、 50 の場合は 「 さらにパワーを出しましょう 」 などと述べます。ポジティブなフィードバックをするので、個性的、独特などのワードは使わないようにしてください。
 
 
 

Text to Speech AI でコーチング内容を読み上げる

 
Gemini によって生成されたコーチングアドバイスは、カスタム音声テキストスピーチ機能を使用して音声としてユーザーに提供されます。(音声ファイル例
 
 

ユーザーデータの蓄積

 
参加者のスコアや画像は、さらに Cloud Firestore と Cloud Storage に再度アップロードされます。その後、Cloud Function を使用してデータを BigQuery に移行し、詳細な分析が行われます。BigQuery に蓄積されたデータは Looker で可視化され、会場内のリーダーボードに反映されます。
 
リーダーボード画面
 
 

オリジナルカードの生成

 
参加者は撮影したシュート映像を基にオリジナルカードを作成することができます。Google Pixel で撮影したシュート映像から、参加者は好きなフレームを選択します。選択した画像を Google Cloud の画像生成 AI である Imagen 2 で加工し、カードデザインに組み込みます。これにより、参加者は自分だけのオリジナルカードを作成することができます。
 
 
Google Pixel と Google の生成 AI モデル Gemini に三笘選手のシュートフォームや過去の発言データを組み合わせた 「AI Penalty Challenge with Google Pixel」 。この AI の技術を生かした ”新たなサッカー体験” は 7 月 24 日(水)と 28 日(日)に、#TeamPixel の一員でもある三笘薫が所属する ブライトン & ホーヴ・アルビオンとJリーグチームとの親善試合にあわせて、国立競技場にて実施され、さまざまなお客様にご体験いただきました。
 
Pixel の優れた性能と Google Cloud の AI 技術を活用することにより、スポーツを新しい方法で より豊かに楽しむ体験を提供できる可能性が拡がっていることを、上記のような構築例からも感じていただけるのではないでしょうか。 開発者のみなさまが今後も Pixel や Google Cloud の AI 機能を活用して素敵なユーザー体験を創造していくときのヒントの 1 つとして、この記事の情報がお役に立ちましたら幸いです。
 
各種製品とサービスの詳しい説明は、下記のリンクよりご確認いただけます。
 


この記事は Will Harris による Google Security Blog の記事 "Improving the security of Chrome cookies on Windows" を元に翻訳・加筆したものです。詳しくは元記事をご覧ください。 ...
この記事は Will Harris による Google Security Blog の記事 "Improving the security of Chrome cookies on Windows" を元に翻訳・加筆したものです。詳しくは元記事をご覧ください。

Cookie を盗む情報窃取マルウェアを使うサイバー犯罪者は、ユーザーの安全とセキュリティにリスクをもたらし続けています。この分野では、すでに多くの取り組みが実施されています。たとえば、セーフ ブラウジングによる Chrome のダウンロード保護デバイス バウンド セッション認証情報、盗まれた Cookie が使われたことを検知する Google のアカウントベースの脅威検出などです。この度、新たな保護レイヤーについてお知らせします。これにより、この種のマルウェアから Windows ユーザーを保護する際の安全性が向上します。

Chrome は現在、秘密情報を保存する必要がある他のソフトウェアと同じように、OS が利用できる技術を使用して Cookie やパスワードといった機密データを保護しています。macOS ではキーチェーン サービスという技術を、Linux では kwallet や gnome-libsecret などのシステムが提供するウォレットを使っています。Windows の Chrome は、システムの他のユーザーやコールドブート攻撃から保存データを保護するために、データ保護 API(DPAPI)を使っています。しかし、悪意のあるアプリケーションがログイン中のユーザーとしてコードを実行できる場合、DPAPI では保護できません。

Chrome 127 で、DPAPI を改善する新しい保護機能を Windows に導入します。これは、アプリケーション バウンド(アプリバウンド)暗号化プリミティブを提供することによって実現します。Chrome は、ログイン中のユーザーとして実行されるアプリがこのデータにアクセスできるようにするのではなく、アプリの ID に紐付けてデータを暗号化できるようにします。これは、macOS のキーチェーンの動作と同様です。

今後、各種シークレットをこの新しいシステムに移行する予定ですが、Chrome 127 では、まず Cookie の移行を行います。今後のリリースでは、この保護をパスワードや支払いデータ、その他の永続的な認証トークンに拡大し、情報窃取マルウェアに対するユーザー保護をさらに強化する予定です。

動作の仕組み

アプリバウンド暗号化では、特権サービスを利用して要求元アプリケーションの身元を確認します。アプリバウンド暗号化サービスは、暗号化する際にアプリの ID をエンコードして暗号データに埋め込み、復号化が試行されたときにその有効性を確認します。システムに存在する別のアプリが同じデータを復号化しようとすると、失敗します。

アプリバウンド サービスはシステム権限で実行されます。そのため攻撃者には、単にユーザーを誘導して悪意のあるアプリを実行させる以上のことが必要になります。つまり、マルウェアはシステム権限を取得するか、Chrome にコードを挿入しなければならなくなります。これは、正規のソフトウェアが行うべきことではありません。そのため、動作の疑わしさが高まり、ウイルス対策ソフトウェアによって検出される可能性が高くなります。この保護とともに、Cookie 復号化のイベントログを提供するといった最近の取り組みも合わせて動作します。その目的は、ユーザーのデータを盗もうとする攻撃者のコストと検出リスクを高めることにあります。

企業での考慮事項

マルウェアは、昇格して実行することでこの保護をバイパスできます。そのため、エンタープライズ環境でダウンロードしたファイルを管理者として実行できないようにすることが特に効果的です。このような環境では、マルウェアが単純に昇格した権限を要求することはできなくなるので、インジェクションなどの技術を使わざるを得なくなります。このような操作は、エンドポイント エージェントでかなり容易に検出できます。

アプリバウンド暗号化では、暗号化鍵がマシンに強くバインドされるため、Chrome のプロファイルが複数のマシンをローミングする環境では正しく動作しません。ローミング プロファイルをサポートしたい企業には、現在のベスト プラクティスに従うことをお勧めします。必要な場合は、新しい ApplicationBoundEncryptionEnabled ポリシーを使ってアプリバウンド暗号化を構成できます。

互換性のない状況の検出に役立つように、Chrome は検証に失敗した際にイベントを発行します。イベントは、アプリケーション ログの「Chrome」ソースの ID 257 です。

まとめ

アプリバウンド暗号化により、攻撃者のデータ盗難コストは増加し、システムでの動作ははるかに目立ちやすくなります。また、システムの他のアプリに許容される動作について、防御側が明確な線引きを行うことができます。マルウェアの状況は継続的に進化します。それに合わせて、セキュリティ コミュニティの他のメンバーと協力しながら、検出の改善、強力なアプリ分離プリミティブといったオペレーティング システムの保護の強化など、バイパス対策の取り組みを続けていきたいと考えています。


Posted by Eiji Kitamura - Developer Relations Team

この記事は Thomas Nattestad による Chromium Blog の記事 "How Chrome achieved the highest score ever on Speedometer 3" を元に翻訳・加筆したものです。詳しくは元記事をご覧ください。 ...
この記事は Thomas Nattestad による Chromium Blog の記事 "How Chrome achieved the highest score ever on Speedometer 3" を元に翻訳・加筆したものです。詳しくは元記事をご覧ください。



今回の「速さと好奇心」の投稿では、Chrome がどのようにして Speedometer 3.0 の史上最高スコアをたたき出したのかについて紹介します。Speedometer 3.0 は、アップグレードされた新しいブラウザ ベンチマーク ツールで、ウェブ アプリケーションのパフォーマンス最適化に役立ちます。今すぐ Chrome をお試しください。 

先日公開された Speedometer 3.0 は、ブラウザのパフォーマンスを測定するためのベンチマークで、企業を超えた業界全体のコラボレーションとして、Google、Apple、Mozilla、Intel、Microsoft などが作成したものです。Chrome を最適化し、すべてのユーザーのブラウザ エクスペリエンスを高速化できる領域を特定する際に役立ったのが、このベンチマークでした。

この更新版のベンチマークが開発されている間に、最新の Chrome のパフォーマンス情報をじっくりと慎重に追跡し、さらに最適化を進めることで、Speedometer 3 の史上最高のスコアをたたき出すことができました。ここでは、その手法について詳しく説明します。2022 年 5 月に Speedometer 3 が構想されてから、Chrome の Speedometer スコアは 72% 増加しました。これは、ユーザーのパフォーマンスが向上したと言い換えることができます。



ワークロードを最適化する

Speedometer のワークロードと Chrome で特に時間がかかっている関数を調べることで、最適化の対象を絞りこむことができ、それによって、Chrome のスコアが向上しています。たとえば、SpaceSplitString は頻繁に使われる関数で、"class='foo bar' " のようなスペース区切り文字列をリスト表現に変換します。この関数で、いくつかの不要な境界チェックを削除しました。重複するスタイルシートが存在することがわかった場合は、重複を排除し、1 つのスタイルシート インスタンスを参照するようにしています。また、メモリ割り当てを調整することで、パスや円弧の描画コストを削減する最適化を行いました。フォーム エディタの作成時には、フォーム要素を作成する際に不要な処理があったことがわかりました。querySelector でよく使われるセレクタを検出し、そのためのホットパスを作成しました。

以前にお知らせしたように、解析に特化した高速パスを使って innerHTML を最適化しましたが、この実装は WebKit にも採用されました。Speedometer 3 のワークロードには DOMParser を使っているものもあるため、同じ最適化を拡張することで、さらに 1% 向上させることができました。

また、Harfbuzz のメンテナンス担当者と協力し、Apple の Mac OS システム フォントで使われているような AAT フォントのレンダリング方法を最適化しました。テキストは、処理済みの Unicode 文字のストリームとして始まり、グリフのストリームに変換されてから、AAT フォントで定義されたステートマシンで実行されます。この最適化により、グリフが実際にステートマシンのルールの一部であるかどうかを高速に判断できるようになり、AAT によるテキスト処理のスピードアップにつながります。

注目すべき適切なコードを選ぶ

高いパフォーマンスを実現するために重要な戦略は、コードのティアリングです。これは、エンジンでさらに最適化できるコードを適切に選択することを指します。Intel は、V8 にプロファイルによるティアリングを提供しました。これは、過去のティアリングの決定を記憶する機能で、ある関数が過去に確実にティアリングされていれば、将来の実行時に積極的にティアリングするようにします。

ガベージ コレクションを改善する

Speedometer 3 で約 3% の向上につながったもう 1 つの変更領域がありました。それは、ガベージ コレクションの改善です。V8 のガベージ コレクタは、かなり以前からレンダラのアイドル時間を利用しています。これは、実際のアプリケーション コードに干渉しないようにするためです。最近の変更も、この考え方に則っています。つまり、レンダラは通常、非常に活発に動作していますが、可能な限り、そのアイドル時間にガベージ コレクションを行うように、既存のメカニズムを拡張します。具体的には、オブジェクトの再利用時に実行される DOM のファイナライズのコードもアイドル時間で実行されるようになっています。これまでこのような操作は、CPU リソースをめぐって通常のアプリケーション コードと競合していました。さらに V8 は、DOM 要素をラップするオブジェクト、つまり JavaScript フレームワークに公開されるすべてのオブジェクトで、はるかにコンパクトなレイアウトをサポートするようになっています。このコンパクトなレイアウトのおかげで、メモリ負荷が軽減され、ガベージ コレクションにかかる時間が短くなっています。


Reviewed by Eiji Kitamura - Developer Relations Team

この記事は Prajakta Gudadhe, Alexander Kuscher による Chromium Blog の記事 "Building a faster, smarter, Chromebook experience with the best of Google technologies" を元に翻訳・加筆したものです。詳しくは元記事をご覧ください。 ...
この記事は Prajakta Gudadhe, Alexander Kuscher による Chromium Blog の記事 "Building a faster, smarter, Chromebook experience with the best of Google technologies" を元に翻訳・加筆したものです。詳しくは元記事をご覧ください。

今後、ChromeOS が Android スタックの大部分をベースとしたものになり、Google AI、イノベーション、機能をいち早くユーザーにお届けできるようになります。

私たちは、過去 13 年間にわたって ChromeOS を進化させ、安全かつ高速でさまざまな機能を持つ Chromebook エクスペリエンスを、世界中の何百万人もの生徒や教師家族ゲーマー企業に提供してきました。最近では、Google AI と Gemini を使った新機能も発表され、Chromebook は日常のタスクを支援するツールを多くの人々に届けています。

今後も新しい Google AI 機能をたくさんのユーザーにすばやく展開できるように、ChromeOS の基盤の一部として、Android Linux カーネルや Android フレームワークなど、Android スタックの一部を採用いたします。この 2 つには、すでに充実したコラボレーションの歴史があります。すなわち、ChromeOS で Android アプリが利用できるようになっており、Bluetooth スタックの統合は ChromeOS 122 の時点で始まっています。

Android ベースの技術スタックを ChromeOS に導入することで、ChromeOS の中核である AI イノベーションのペースを上げ、エンジニアリング作業を簡略化し、スマートフォンやアクセサリなどのさまざまなデバイスと Chromebook との連携を強化できます。同時に、ChromeOS ユーザーや企業、学校に愛される比類のないセキュリティ、一貫したルック アンド フィール、幅広い管理機能を今後も提供し続けます。

このような技術スタックの改善は始まっていますが、一般消費者向けに準備が整うのは少し先になります。その際には、シームレスに更新版のエクスペリエンスに移行します。楽しみなことに、それまでの間も ChromeOS は進歩し続けます。定期的なソフトウェア アップデートや新しいイノベーションに変更はありません。

Chromebook は、世界中の何百万人ものお客様、ユーザー、デベロッパー、パートナーにすばらしい体験を提供し続けます。ChromeOS の未来をこれほど楽しみに思ったことはありません。

Reviewed by Eiji Kitamura - Developer Relations Team

Google は AI 初心者および中級者向けに、コミュニティと一緒に学ぶ無料のオンライン プログラム「Generative AI Study Jam」を 2024 年 8 月 1 日(木)から 10 月 1 日(火)の期間中に開催します。

Google Cloud Skills Boost の 学習ツール「Learning Pathways」を活用し、実践的な学習ができます。

また、自習中に躓いても Cloud コミュニティと一緒に学べるので安心。専用 Discord 質問チャネルと、コミュニティ主催の勉強会をぜひご活用ください。

Google は AI 初心者および中級者向けに、コミュニティと一緒に学ぶ無料のオンライン プログラム「Generative AI Study Jam」を 2024 年 8 月 1 日(木)から 10 月 1 日(火)の期間中に開催します。

Google Cloud Skills Boost の 学習ツール「Learning Pathways」を活用し、実践的な学習ができます。

また、自習中に躓いても Cloud コミュニティと一緒に学べるので安心。専用 Discord 質問チャネルと、コミュニティ主催の勉強会をぜひご活用ください。

お申し込みはこちら


Gen AI Study Jam の流れ :

  1. Gen AI Study Jam ウェブサイト上部の "Register" ボタンから参加登録
  2. Google Developers Profile をお持ちでない場合)Google Developers アカウントのセットアップ
    https://developers.google.com/ へアクセスし、Developer Profile を作成いただけます。
  3. 該当 Pathway を完了しましょう。
    ※ 8 月 1 日(木) ~ 10 月 1 日(火)の期間内にバッジを獲得された方のみ、グッズ企画の対象となりますので、ぜひ期間中に Pathway を完了しましょう!
  4. 期間内にクイズを受講し、バッジを獲得
  5. グッズ企画のキャンペーンに応募(抽選)


プログラム概要

プログラム期間 : 2024 年 8 月 1 日(木) ~ 10 月 1 日(火)

対象 : 生成 AI について学びたい大学生以上の方

費用 : 無料

実施方法 : オンライン


コミュニティ支援

1 人ではなかなか思うように勉強が進まない方を支援することを目的とした、コミュニティ主催の勉強会も開催予定です。コミュニティが主催する勉強会に参加することで、1 人では解決しなかった課題などを解決しましょう。

コミュニティ主催の勉強会の情報は随時こちらのブログで更新していきます。

皆様のご参加をお待ちしております。


お問い合わせ

dev-event@google.com

この記事は Da Yang による Google Åds Developer Blog の記事 "Batch processing support for Performance Max" を元に翻訳・加筆したものです。詳しくは元記事をご覧ください。

新機能

Google Ads API v17 以降で、BatchJobService が AssetGroupOperation をサポートします。この変更により、バッチ処理で P-MAX キャンペーン全体を作成して管理できるようになります。

バッチ処理は Google Ads API の機能で、各操作の完了を待つことなく、一連のオペレーションを複数のサービスに送れます。その際に、それぞれのオペレーションに相互依存関係があっても問題ありません。また、バッチ処理では、一過性のエラーに対する自動再試行とオペレーションの自動グループ化が行われます。皆さんのフィードバックに応えてアセット グループを非同期で扱う別のオプションを提供するために、AssetGroupOperation でバッチ処理を利用できるようにしました。

この記事は Da Yang による Google Åds Developer Blog の記事 "Batch processing support for Performance Max" を元に翻訳・加筆したものです。詳しくは元記事をご覧ください。

新機能

Google Ads API v17 以降で、BatchJobService が AssetGroupOperation をサポートします。この変更により、バッチ処理で P-MAX キャンペーン全体を作成して管理できるようになります。

バッチ処理は Google Ads API の機能で、各操作の完了を待つことなく、一連のオペレーションを複数のサービスに送れます。その際に、それぞれのオペレーションに相互依存関係があっても問題ありません。また、バッチ処理では、一過性のエラーに対する自動再試行とオペレーションの自動グループ化が行われます。皆さんのフィードバックに応えてアセット グループを非同期で扱う別のオプションを提供するために、AssetGroupOperation でバッチ処理を利用できるようにしました。

実装の詳細

P-MAX キャンペーンで AssetGroupOperation とバッチ処理を使う方法は、他のオペレーションの使い方に似ています。ただし、特に次の点に注意してください。

バッチ処理でアセット グループを作成する場合は、AssetGroupOperation と AssetGroupAssetOperation が連続している必要があります。この 2 つの間に他の操作を入れることはできません。これは、処理の際にオペレーションをグループ化することによる制限です。バッチ処理で P-MAX キャンペーンを作成する際の考慮事項とベスト プラクティスの詳細については、P-MAX のバッチ処理ガイドをご覧ください。

バッチジョブにアセット グループを作成する方法は次のとおりです。

  1. AssetGroupOperation を含む MutateOperation を作成します。これは、GoogleAdsService.Mutate サービスを使って MutateOperation を作成する操作と同じです。詳細は、リソースを変更するガイドをご覧ください。
  2. 必要な各アセットについて、AssetGroupAssetOperation タイプのオペレーションを含む MutateOperation を作成し、アセットをアセット グループに関連付けます。連続する AssetGroupOperation と AssetGroupAssetOperation タイプの操作を組み合わせて、適用される最小アセット要件を満たすようにする必要があります。
  3. バッチジョブに MutateOperation タイプのオペレーションを追加します。これは、他のタイプのオペレーションと同様です
  4. すべての操作を追加した後、RunBatchJob を呼び出して、バッチジョブを実行します。

以下のリソースには、連携の際に役立つ追加情報が含まれています。

P-MAX 連携の改善についてのブログシリーズ

この記事は、皆さんから要望があった新機能や今後予定されている機能についてお伝えするシリーズの一部です。今後も、新機能や現在の実装アプローチとの違いについて説明してまいります。

今後のアップデートや改善についてお伝えするデベロッパー ブログにご注目ください。Google Ads API と P-MAX の連携についてのフィードバックも、引き続きお寄せください。サポートが必要な場合は、いつものようにチームにお問い合わせください。

この記事は Thanet Knack Praneenararat による Google Ads Developer Blog の記事 "Announcing v17 of the Google Ads API" を元に翻訳・加筆したものです。詳しくは元記事をご覧ください。

この度、Google Ads API の v17 リリースをお知らせします。v17 の一部の機能を使用するには、クライアント ライブラリとクライアントのコードをアップグレードする必要があります。更新版のクライアント ライブラリとコードサンプルは、来週公開されます。
この記事は Thanet Knack Praneenararat による Google Ads Developer Blog の記事 "Announcing v17 of the Google Ads API" を元に翻訳・加筆したものです。詳しくは元記事をご覧ください。

この度、Google Ads API の v17 リリースをお知らせします。v17 の一部の機能を使用するには、クライアント ライブラリとクライアントのコードをアップグレードする必要があります。更新版のクライアント ライブラリとコードサンプルは、来週公開されます。

主な機能は以下のとおりです。さらに詳しく知りたい方へ
以下のリソースが役立ちます。ご質問やさらにサポートが必要なことがありましたら、フォーラムからご連絡ください。