グーグル・ディープマインド、音声も生成する「Genie 4」発表
グーグル・ディープマインドは10月27日、音声をネイティブに生成する同社初のリアルタイム・ワールドモデル「Genie 4」を発表した。Gemini 3.8 Flashがシミュレーションを導く。現在は信頼できるテスター向けの研究プレビューで、AI UltraやGemini APIでの提供時期は示していない。
米グーグル傘下のグーグル・ディープマインドは10月27日、音声まで生成するリアルタイムのワールドモデル「Genie 4（ジーニー4）」を発表した。利用者の操作に応じて仮想世界を生成しながら、環境音や登場人物の会話も同時に作り出す。Gemini 3.8 Flashがガイド役のエージェントとしてシミュレーションを導く。現時点では一部テスター向けの研究プレビューで、AI Ultra加入者向け「Project Genie」に「近く」提供するとしたが、時期は示していない。
要点
- Genie 4は、ディープマインド初の音声をネイティブ生成するリアルタイム・ワールドモデルである。世界ごとに環境音が付き、登場人物の会話も状況に応じて変わる。
- Gemini 3.8 Flashが場面を観察し、目標を手順に分解し、新しいフレームで各手順の成否を確かめて計画を修正する。
- 当面の利用は信頼できるテスターに限られる。AI Ultra加入者とGemini API・Google AI Studioの早期アクセスパートナーが次の対象だが、日程は未定だ。
ワールドモデル「Genie 4」とは
ワールドモデルとは、決まった動画を出力するのではなく、利用者の操作に反応しながら探索可能な環境を1フレームずつ生成するAIである。デモではキーボードで移動し、文章を入力して場面を変える。
ライア・ハドセル氏、ディエゴ・リバス氏、ハン・チー氏が執筆したディープマインドの公式ブログによると、利用者はシミュレーションの途中で天候を変えたり、カメラを動かしたり、人物や物体を追加したりできる。入力した文章はGeminiが周囲の場面に合うよう調整する。
Genie 4の音声生成、会話もリアルタイムで
ディープマインドは「Genie 4は音声をネイティブに生成する当社初のリアルタイム・ワールドモデルだ」と説明した。世界ごとに固有の環境音が付き、登場人物の会話も場面の変化に合わせて変わる。空気力学や衝突といった物理現象も再現するというが、精度の数値は公表していない。
Geminiがシミュレーションを導く仕組み
Gemini 3.8 Flashは生成中にガイド役のエージェントとして場面を観察し、目標を手順に分け、新しいフレームを確認して各手順が成功したかを検証する。利用者が介入すれば計画を見直し、入力がない間も場面の一貫性を保つ。
Gemini Omniは見た目や動きを現実世界に近づける役割を担う。ロボットのデモでは「Gemini 4 Argon」が作業を手順に分け、テキストのキャプションとしてGenie 4に渡した。アプトロニクの人型ロボット「Apollo」がチェッカーを指す場面が示された。
背景：Genie 3からProject Genieへ
前モデルのGenie 3は2025年8月5日に発表され、解像度720p、毎秒24フレームで数分間の一貫性を保った。グーグルはこれを基にした試験サービス「Project Genie」を2026年1月29日に米国の18歳以上のAI Ultra加入者に公開し、1回の利用を60秒に制限したと、テックメディアのThe Decoderが報じている。
| 名称 | 時期 | 公表内容 |
|---|---|---|
| Genie 3 | 2025年8月5日 | 720p、毎秒24フレーム、数分間の一貫性 |
| Project Genie | 2026年1月29日 | 米国の18歳以上のAI Ultra加入者、1回60秒 |
| Genie 4 | 2026年10月27日 | 音声のネイティブ生成、Gemini 3.8 Flashエージェント。解像度・フレーム数・利用時間は非公表 |
誰が試しているのか、残る課題
テスターはクリエイティブ産業、報道、教育、ゲーム、エンジニアリングの各分野から集まった。撮影前のプレビズ、1枚の2D写真からの仮想環境づくり、鉄砲水や山火事の再現、ゲームの試作などに使われたという。
ディープマインドは「視覚的な細部や物体の永続性は、時間とともになおずれたり変化したりすることがある」と認めた。複雑な物理的相互作用、リアルタイム音声の正確さ、長期的な一貫性などが課題だ。Genie 4が生成した映像と音声にはすべて、グーグルの不可視の電子透かし「SynthID」が埋め込まれる。
今後の見通し
グーグルはProject GenieのAI Ultra加入者と、Gemini API・AI Studioの早期アクセスパートナーへ順次提供する計画で、ウェイトリストを受け付けている。ディープマインドはGeminiが物語を設計し、Genieが映像を描く「ハイブリッド・ワールドモデル」を長期的な方向性に掲げた。APIの価格や日本での提供時期は明らかにされていない。
よくある質問
Genie 4は今すぐ使えるのか。
信頼できるテスター以外は使えない。グーグルは「近く」提供するとしているが、日付は示していない。
Genie 3と何が違うのか。
音声のネイティブ生成と、Gemini 3.8 Flashによるリアルタイムの誘導である。解像度などは非公表のため、単純比較は難しい。
AI生成物であることはどう示されるのか。
ディープマインドによると、Genie 4が生成する映像と音声にはすべてSynthIDの透かしが入る。
参考資料
- Genie 4: A new generation of world simulation — Google DeepMind（2026年10月27日）
- Genie 3: A new frontier for world models — Google DeepMind（2025年8月5日）
- Google DeepMind opens Project Genie to US subscribers for real-time AI world generation — The Decoder（2026年1月29日）
コメント 0
現在コメントの投稿は無効になっています。