この記事のポイント
- Genie 4は指示に応じて映像と音声を同時に作るワールドモデルで、場面をその場で操作できます。
- 天候やカメラ位置、登場する物を言葉で変えられますが、長時間の利用では見え方がずれる場合があります。
- 発表時点では招待制の研究プレビューです。映像制作の事前検討やロボット訓練などへの応用を探っています。
Google DeepMindは2026年10月27日、新しいワールドモデル「Genie 4」の研究プレビューを発表しました。映像づくりやロボット訓練のシミュレーションに関わる担当者にとって、何が変わるのかを整理します。
映像と音声を一緒に作り、言葉で場面を変更
Genie 4は、キーボード操作やテキストでの指示に応じて映像をその場で生成する「ワールドモデル」(現実の光景や物の動きをAIがシミュレーションする仕組み)です。DeepMindによれば、Genie 4は同社のリアルタイム・ワールドモデルで初めて音声も生成するモデルで、風や波の音といった環境音や、場面に登場する人物の会話まで映像と一緒に作り出せます。
天候を変える、新しい人物や物を場面に追加するといった指示も、会話のように自然言語で出せます。指示を受けると、Geminiが場面に合うよう内容を調整してつなぎこむ仕組みです。
Geminiの能力を取り込み、動きや操作を支援
Genie 4は複数のGeminiモデルの能力を取り込んでいます。写実的な外見や挙動を担うのが「Gemini Omni」、場面の一貫性を保つための推論を担うのが別系統のGeminiモデルで、さらに「Gemini 3.8 Flash」が目標を手順に分解しながら進行を確認する案内役を務めます。これにより、空気の流れや物同士の衝突といった物理現象、人物の自然な動きまで再現できるとしています。
想定されている使い道は、ロボットやAIエージェントを訓練するための仮想環境づくり、映像制作前の下見用シミュレーション、ゲームの試作、企業による社内シミュレーションなど幅広いです。H-JEPAのように計画を立てる仕組みを持つワールドモデルなど、ワールドモデルには異なる研究の取り組みもあります。
招待制で検証中、長時間の一貫性には課題
Genie 4は現時点では招待されたテスターのみが使える研究プレビューです。今後はGoogle AI Ultra加入者向けの「Project Genie」経由や、Gemini APIとGoogle AI Studioの早期アクセス提携先への展開が予定されており、順番待ちリストも用意されています。DeepMind自身も、長時間使ったり何度も編集を重ねたりすると物の見え方がずれてくることがあると明かしており、現状はまだ実験段階のモデルという位置づけです。
まとめ
ロボットの訓練環境や映像の事前検討にAIシミュレーションを使う可能性を探っている担当者は、Geminiをロボット応用に使う別の取り組みと合わせて、用途ごとの検証結果を見ていくとよいでしょう。
映像として自然に見えることと、現実の動きの検証に使えることは別の確認点です。自社で必要な物の動きや、場面を保つ長さを整理すると、研究プレビューのどの結果を判断材料にするかが明確になります。
※2026年10月時点の情報です。
