Google DeepMind、世界モデル Genie 4 を発表　音声生成とリアルタイム操作に対応

GoogleおよびGoogle DeepMindは2026年10月28日、ワールドモデル「Genie 4」を発表した。DeepMindは公式Xで、これまでで最もリアルで対話的な世界モデルだと紹介している。昨年公開されたGenie 3の後継で、一貫したシーンの維持は約2分と、Genie 3の1分から2倍になった。The Verge AIは主な更新点として、より現実的な世界、自然言語プロンプトによるリアルタイム更新、音声生成、Gemini 3.8 Flashの利用を挙げる。Ars Technicaによれば、事前にレンダリングした環境やインタラクティブ要素のプログラミングは不要で、探索に合わせてフレームごとに体験が生成される。出力はゲームのように見えるが、DeepMindはそのようには捉えていないという。The Decoderは、完成した動画を出力するのではなく、入力に反応しながらシーンを1フレームずつ計算する仕組みだと説明する。 DeepMindの公式ブログによると、Genie 4はキーボードによる移動やカメラ操作に加え、テキストプロンプトで天候の変更、カメラ移動、人物や物体の追加ができる。リアルタイムでネイティブに音声を生成する初の世界モデルで、The Decoderによれば世界ごとに風の音などの環境音が付き、人物同士の会話やユーザー入力への反応も扱う。人物の描写でリアリズムが最も向上したとされる。Gemini Omniが実世界の外観や挙動の土台となり、Gemini 3.8 Flashがガイド役として場面を観察し、目標を手順に分解して各ステップの成否を確認する。状況が変わったりユーザーが介入したりすれば計画を修正する。Gemini Roboticsに関連する実験では、Gemini 4 Argonがチェッカーのタスクを分解し、Genie 4がApptronik社の人型ロボットApolloが遊ぶ様子をシミュレーションした。The Decoderによれば実機は使っていない。Tejas Kulkarniは、Geminiがコードとテキストを作りGenieが現実を模擬するハイブリッド型の世界モデルが増えると述べている。 用途はゲーム、インタラクティブ学習、ロボティクス、映画のプリビジュアライゼーションなどである。Diego Rivasはアイデア出しやストーリーボードの段階でリアルタイム性が役立つと語り、Gemini Omniで試作を制作素材に変換できる可能性にも触れたが、実現はまだ先だとした。DeepMindはGenie 4を初期の実験的モデルと位置づけている。短いセッションでは世界は一貫するが、長時間の実行や複数回のプロンプト編集で細部やオブジェクトの永続性がずれる。複雑な物理相互作用、音声の正確さ、世界内テキストの判読性、長期的な一貫性は研究課題で、最終的な製品体験も未確定である。安全面では評価を実施し、映像と音声にSynthIDを付与する。背景として、Runwayが音声生成付きのGWM Worlds 2を数か月前に公開し、World LabsのAMDによる買収、AmazonによるDecart買収協議、RivianによるThird Dimension買収など業界再編も進んでいる。 提供はリサーチプレビューの信頼できるテスターから始まり、数週間以内にGoogle AI UltraのProject Genie（Webアプリ）、およびGemini APIとGoogle AI Studioのアーリーアクセスパートナーへ広がる予定である。Project Genieではウェイトリストの登録も受け付けている。日本での提供可否や時期については、報道に情報がない。

報道をもとにAIが作成しました・16 分前更新

推移を表示するための継続的な観測データがまだ足りません。