Google DeepMind、音声も生成するリアルタイム世界モデル「Genie 4」を発表

何が起きたか

Google DeepMindは2026年10月27日(米国時間)、リアルタイムで双方向にやりとりできる世界シミュレーションモデル「Genie 4(ジーニー4)」を発表した。キーボード操作とテキストによる指示に応じて、映像だけでなく環境音やキャラクターの会話まで同時に生成できる「世界モデル(world model、周囲の環境がどう変化するかを学習し予測するAIモデル)」である。まずは信頼できるテスターに研究プレビューとして公開し、フィードバックを集めている段階という。

なぜ重要か

Genie 4はGemini系列のモデルを組み合わせて作られている。Gemini Omniが実世界の見た目や振る舞いの土台を担い、ほかのGeminiモデルがシミュレーションの一貫性や連続性を保つための推論を担う。この構成により、ユーザーがある出来事を起こすと、Genie 4は世界がどう反応し、どんな音がして、登場する人物がどう動き・反応し・話すかまでを一体でシミュレートできるという。ゲームや映像制作の「プリビジュアライゼーション(企画段階で行う仮撮影・仮編集)」、ロボットやエージェントの訓練環境づくりなど、これまで手作業や専用ツールを要していた工程を、自然言語の指示だけで素早く試作できるようになる可能性がある。

背景

DeepMindは「Genie」シリーズの世界モデルをこれまでも公開しており、Genie 4はその最新世代にあたる。発表によると、Genie 4は四つの能力で前進したという。

1点目は、自然言語によるリアルタイムの世界調整。天候の変更やカメラ操作、新しい人物・物体の追加などをテキストで指示すると、Geminiが周囲のシーンに合わせて指示を解釈し、指示の合間もシーンの進行を監督・調整する。

2点目は、物理現象と人の動きのリアリズム。Genie 4は空気力学や衝突といった物理シナリオをシミュレートできるほか、登場する人物が自然に動き、環境に有機的に反応し、リアルタイムで操作できる点を「最も大きな進歩」としている。

3点目は、音のモデリング。Genie 4は同社のリアルタイム世界モデルとして初めて、音声をネイティブに生成するという。環境音に加え、登場人物との対話もその場の状況に応じて変化する。

4点目は、Geminiモデルと組み合わせた複雑な事象のシミュレーション。Gemini 3.8 Flashが「誘導エージェント」としてループに加わり、場面を観察しながら目標を手順に分解し、各手順の進行や成功を確認する。世界が変化したりユーザーが介入したりすると、Geminiはその場で計画を調整する。これにより、因果関係の一貫性や複数手順にわたる推論を伴うシミュレーションが可能になったという。実例として、Gemini 4 ArgonとGenie 4を組み合わせ、Apptronik製ヒューマノイドロボット「Apollo」がチェッカー(ボードゲーム)をプレイする様子をシミュレートした例を挙げている。DeepMindはこの取り組みを、ロボット向けモデル「Gemini Robotics」と最先端の研究をつなぐ試みの一環と位置づけている。

映像制作、フォトジャーナリズム、ゲーム開発、企業向けのシナリオ生成など複数分野のテスターからは、企画段階の試作やアイデア検証を素早く行えるという評価が寄せられたという。DeepMindは今後、コードや言語モデルの論理的な推論と、ピクセル単位のシミュレーションを組み合わせた「ハイブリッド世界モデル」を目指す方針も示した。

一方でGenie 4は初期段階の研究モデルであり、長時間のセッションや複数回の複雑な指示変更、場面内の移動を重ねると、視覚的な詳細や物体の同一性が変化・ドリフトする場合があるという。複雑な物理的相互作用や音声のリアルタイム精度、文字の表示、空間的な正確性、長期的な一貫性は今後の研究課題としている。安全面では、他のモデルと同様の安全ポリシーに基づくガードレールを設け、プレビュー公開前に内部の安全性評価を実施したほか、生成する映像・音声すべてに透かし技術「SynthID」を付与し、AIによる生成物であることを識別できるようにしている。

日本のビジネスへの示唆

• 映像・ゲーム業界では、企画段階の仮撮影やプロトタイプ制作にかかる時間とコストを圧縮できる可能性があり、早期の実験的な活用を検討する価値がある。
• ロボティクスや製造業では、実機を動かす前にシミュレーション上で手順やシナリオを検証する用途が広がる可能性があるため、自社の設計・検証プロセスへの応用余地を注視したい。
• 現時点は信頼できるテスター向けの研究プレビューであり、一般提供の時期や料金は明らかになっていない。実務導入の検討は、Google AI UltraやGemini APIでの提供開始など今後の発表を待つのが妥当だろう。