Google「Genie 4」発表、仮想世界と音声を同時生成

Google DeepMindは米国時間2026年10月27日、操作可能な仮想環境をリアルタイムに生成するワールドモデル「Genie 4」を発表した。完成した動画を再生するのとは異なり、利用者が視点を動かしたり指示を与えたりすると、その変化を逐次生成する。今回は環境音や音楽、人物の会話も映像と同時に生成する機能が加わった。現段階は研究プレビューであり、一般向けサービスの正式開始ではない。

自然言語で世界を操作

利用者はキーボードで仮想空間を探索しながら、文章で天候を変えたり、カメラを動かしたり、新しい人物や物体を登場させたりできる。Googleは衝突や空気力学などの物理現象、人間の自然な動きの表現も改善したと説明する。ただし、公式デモの映像は同社が選んだ例であり、あらゆる状況で同等の品質を実現する保証はない。

環境音と対話を映像と同時に生成

Genie 4は木々の風や波の音といった環境音を生成するほか、登場人物が場面や利用者の働きかけに応じて会話することも想定する。音声を別途制作する工程を減らせる可能性がある一方、Googleは音声の正確性、読みやすい文字の表示、空間の位置関係、長時間の整合性などを未解決の課題としている。現時点で従来のゲームエンジンを置き換えられると判断する根拠はない。

Geminiが複数段階の出来事を管理

同社によると、Gemini Omniが現実に近い外観や挙動を支え、Gemini 3.8 Flashが生成中の場面を観察して目標を手順に分け、進行を確認する。状況が変化すれば計画を調整し、出来事の連続性を保つ仕組みだ。さらにGemini 4 Argonとの連携で、ロボットが作業する場面を仮想環境で試す研究例も公開した。実世界の動作精度まで実証されたことを意味するものではない。

ゲーム試作やロボット訓練に応用を模索

ゲーム開発の初期段階で探索可能な試作品を作る用途、映画の事前可視化、教育、報道、AIエージェントやロボットの訓練環境などが検討されている。企画段階で複数の場面を試せる点は有用だが、長く動かすと物体の位置や外観が変わる場合があり、複雑な物理的相互作用も研究途中だ。実務で使うには、出力の再現性やコスト、品質管理の検証が欠かせない。

一般公開の日程と料金は未定

10月27日時点で利用できるのは限定された研究テスター。今後はGoogle AI Ultra加入者向けの「Project Genie」や、Gemini API、Google AI Studioの早期アクセス提携先への提供を予定する。公式サイトには待機リストがあるものの、一般公開の確定日や料金は示されていない。加入者全員が直ちに使えるわけではない点に注意が必要だ。

Googleは生成される映像と音声に、AI生成物を識別する電子透かし「SynthID」を付与すると説明している。技術の進展は創作とシミュレーションに新たな選択肢を生む一方、長時間の安定性、安全対策、利用条件には課題が残る。今後は限定テストの結果と、開発者や一般利用者に提供される具体的な仕様が焦点となる。