メインコンテンツへスキップ
見出し画像

Google「Genie 4」発表、音と会話も作る世界モデル|まず限定公開、次はAI Ultra加入者へ

    Google DeepMind(ディープマインド)が米国時間2026年10月27日、新しい世界モデル「Genie 4(ジーニー フォー)」を発表した。文章や1枚の画像から、歩き回れる3Dの世界をその場で作り出すAIだ。

    前のGenie 3(2025年8月発表)から大きく変わったのは音である。Genie 4は、リアルタイムで動く世界モデルとして初めて、環境音や音楽、登場人物の会話を映像と同時に生成する。

    4つの新機能の中身と、使えるようになる順番、公式が認めている弱点を下に書いた。

    Genie 4の4つの新機能

    世界モデルは、ユーザーの操作に合わせて「次に何が起きるか」を描き続けるAIだ。

    Genie 4では、キーボードで移動やカメラを操作し、文章で場面に指示を出す。発表の動画もすべてこの操作の録画で、音もGenie 4自身が生成したものだという。

    文章で場面をその場で変える

    天気を変える、カメラを動かす、人や物を登場させる、といった指示を自然な文章で出せる。指示はGeminiが周りの場面に合うように読み替え、指示と指示のあいだも場面が破綻しないよう監視する。

    物理と人の動き

    空気の流れや、物どうしがぶつかる動きといった物理現象を再現する。公式がいちばん大きく進んだと書いているのは人の動きで、登場人物は環境に反応して自然に動き、その場で操作もできる。

    環境音と会話の生成

    木々を抜ける風、浜に打ち寄せる波といった、その場所に合った音が鳴る。登場人物はユーザーの入力や世界の出来事に反応して、リアルタイムで会話する。

    Gemini 4 Argonとの組み合わせ

    Gemini 4 Argon(アルゴン)がユーザーの指示を手順に分け、Genie 4がその手順を映像にする。公式の例では、Apptronik(アプトロニック)社の人型ロボット「Apollo」がチェッカーで遊ぶ様子を、この組み合わせで再現した。

    発表の作例には「1980年代の日本の田舎の駅」を描かせたプロンプトもある。赤いローカル線と、ホームを埋める乗客の場面だ。

    テスターが試している使い方

    Googleは、映像制作・報道・教育・ゲーム・工学の分野のテスターと、Genie 4を試してきた。DeepMindの発表には、次の使い方が並ぶ。

    • 映像制作では撮影前の下見に使う。シミュレーションの中に入り、カメラの角度や照明、台詞を変えながら何度も「テイク」を撮れる

    • 報道の分野では、古い報道写真1枚から、その場所のシミュレーションを数秒で作る使い方を試している。洪水や山火事が広がる様子の再現も対象だ

    • ゲーム開発では、エンジンのコードを1行も書く前に、アイデアを歩き回れる試作品にする。見た目の作風や操作の感触を文章で試せる

    • ロボット研究のほか、さまざまな業界の企業が、想定場面をゼロから作る道具として評価している

    提供時期と対象プラン

    Genie 4は現時点では研究プレビューで、使えるのはGoogleが選んだ信頼できるテスターだけ。次の対象は2つあると発表されている。

    • Google AI Ultraの加入者(Project Genieで提供)

    • Gemini APIとGoogle AI Studioの早期アクセスパートナー

    いずれも時期は「近日」とされ、日付は出ていない。Project Genieには今から登録できる待機リストがある。

    Google Oneのヘルプによると、Project Genieは18歳以上が対象の試験的な研究プロトタイプで、利用枠は空き状況しだいで保証されない。日本で使えるかどうかは、発表にもヘルプにも書かれていない。

    制約と安全対策|SynthIDの電子透かし

    短い時間なら世界の一貫性は保てる。ただし、長く動かしたとき、複雑な指示を何度も重ねたとき、場面の中を動き回ったときは、細部や物の存在がずれていくことがあるという。

    公式が「研究中」と挙げている項目は次のとおり。

    • 複雑な物理の相互作用

    • リアルタイムで生成する音の正確さ

    • 読める文字の描画

    • 空間の正確さ

    • 長時間の一貫性

    安全面では、Genie 4が生成する映像と音声のすべてに、Googleの電子透かし「SynthID(シンスアイディー)」が入る。

    目には見えない透かしで、AIが作った映像か音声かを見分けるためのものだ。社内の安全評価を通してから、まずテスターに限って公開したとしている。

    要点サマリー

    • Google DeepMindが10月27日(米国時間)に世界モデル「Genie 4」を発表

    • 環境音・音楽・会話を映像と同時に作る、初のリアルタイム世界モデル

    • 文章で天気や人物をその場で変えられ、指示の読み替えはGeminiが担う

    • 今は限定テスターのみ。次はAI Ultra加入者とGemini APIの早期パートナーで、時期は未定

    • 長時間の一貫性や文字の描画は研究中。生成物にはすべてSynthIDが入る

    日本での提供時期は、発表の時点でまだ示されていない。

    まとめ|Project Genieの待機リストと対象プラン

    今日試せること:Genie 4の発表ページを開き、録画された操作の動画を音つきで再生する。ページ内の「Join the waitlist」からProject Genieの待機リストに登録できる。

    Genie 4は研究プレビューで、次に使えるのはGoogle AI Ultraの加入者とGemini APIの早期アクセスパートナー。


    ▼ 毎朝、AIの最新ニュースが1分で読める

    Substack「えーAI」では、最新AIニュースと活用術を毎朝 無料配信している。

    その日いちばん効くニュースだけを選び、1分で読める形にして届ける。

    → 無料で購読する(メールアドレスのみ・いつでも解除可)


    ▼ あわせて読みたい

    Genie 4の翌日にGoogleが出した、知能指数で首位のモデル。

    直近のApple側の動き。iPhoneのSiriが日本語のAIに対応した。

    AIニュースは毎日更新。取りこぼしたくない方はフォローを。


    ※ この記事はAIによって執筆した記事です。誤りが含まれる可能性があります。重要な情報は必ず一次ソースをご確認ください。

     
     
    ChatGPT初期からAIを活用。最近はアプリ・ソフト開発に夢中。AI副業で累計150万円超を達成。 AI活用したい人向けに、「AIで稼ぐための実践術」「すぐ使える活用法」「最新のAIニュース」を毎日発信しています。 【仕事のご依頼はnoteメールへどうぞ📩】

    あなたへのおすすめ