Google、世界モデルGenie 4を発表 音も映像と同時に生成

文章で頼んだ世界の中を、キーボードで歩き回る。雨の音や人の話し声も、その場で鳴る。

Google DeepMindは米国時間10月27日、こうした体験を作る世界モデル「Genie 4」を発表しました。動画生成AIと違うのは、できあがった映像を眺めるのではなく、作られ続ける世界の中を自分で動ける点です。Genie 4では、音楽や環境音、登場人物とのやりとりの声まで、映像と一緒に作るようになりました。¹ただ、いまは招かれたテスターだけが試せる研究段階の公開で、一般の人はまだ使えません。

文章で天気を変え、人を足す

動かし方はゲームに近く、キーボードで歩いたりカメラを回したりします。途中で「雨を降らせて」「人を増やして」と書けば、動いている世界がそのまま変わる仕組み。そのプロンプトは、Geminiが場面に合わせて書き直してから渡します。

裏では、Geminiのいくつかのモデルが役割を分けています。Gemini Omniが見た目や物の動きを現実に寄せ、Gemini 3.8 Flashは目標を手順に分けて、うまく進んでいるかを確かめ続けるのです。空気の流れや物のぶつかり方、人の動きも、前より自然になったとしています。

そのかわり、弱点もはっきり書かれています。長く動かしたり何度も手を加えたりすると、物の見た目や置き場所が少しずつずれていくそうです。続けて動かせる時間も数分ほどで、長いセッションは想定していません。²作った映像と音には、すべてSynthIDの電子透かしが入ります。

いつ使えるか（編集部の見方）

一般向けの提供は、Googleの最上位のプランGoogle AI Ultraの契約者が使うProject Genieと、Gemini APIとGoogle AI Studioの早期利用の相手先から始まる予定です。順番待ちの登録は、DeepMindの記事から申し込めます。解像度や料金、日本で使える時期は、案内に書かれていません。³

テスターは、映像制作の下絵づくりや、古い写真を歩ける場面にする使い方、ゲームの試作に使っているそうです。DeepMindは、Gemini 4 Argonが手順を考え、Genie 4がその場面を描く組み合わせも試しています。正直なところ、数分しか続かないなら、遊ぶより「作る前に確かめる」用途に向いているでしょう。まずは、作り手が下書きを確かめる場として広がっていくかもしれません。

Genie 4の中で使われているGemini 3.8 Flashは、YOBITSUGI AIでも使えます。今回発表されたGenie 4は、現時点の対応モデルには含まれていません。