詳細を読む
Google DeepMindは2026年10月27日、リアルタイムで操作できる世界モデル「Genie 4」を研究プレビューとして信頼できるテスター向けに公開しました。自然言語による場面変更、映像と同時に生成する音楽・環境音・対話、物理表現や人物動作の改善を柱とし、ロボット訓練や映画・ゲームの試作への活用を見込みます。
Genie 4は、天候やカメラ位置を変え、人物や物体を追加する指示をシミュレーション中に受け付けます。自然言語で進行中の世界を操れるため、事前に環境や操作をプログラムせず、発想をその場で試せます。
内部ではGemini 3.8 Flashが目標を手順に分解し、生成フレームを確認しながら計画を更新します。Gemini Omniが現実世界らしい外観と挙動を支え、Genie 4が映像・音・反応を画素単位で生成するハイブリッド型の構成です。
Googleは、映画のプリビジュアライゼーション、ゲーム案の探索可能な試作、報道写真からの歴史空間再現、企業向けシナリオ生成を用途に挙げています。Gemini Roboticsとの実験では、人型ロボットの作業を段階に分けて仮想環境で試す例も示し、現実投入前の検証環境としての可能性を探っています。
現状は初期段階で、シーンの一貫性は約2分までとされ、長時間の実行や複雑な編集では物体や細部が変化するほか、音声精度、文字の可読性、空間精度にも課題があります。Googleは全生成映像・音声にSynthIDを付与し、今後数週間でGoogle AI UltraのProject Genie利用者とGemini API、AI Studioの早期アクセス先へ広げる予定です。