Google DeepMind（グーグル・ディープマインド）は10月27日、インタラクティブな仮想世界をリアルタイムで生成するAIモデル「Genie 4」を発表しました。テキストや画像から世界を構築し、ユーザーの操作に応じて環境を変化させるワールドモデル（仮想空間の物理法則などを模倣するAI）です。映像のリアリティ向上に加え、音声や会話の同時生成が可能になりました。AIが単なる動画制作を超え、操作可能な「世界」を構築できる段階に入ったため、今この技術が注目されています。
Genie 4で何ができるようになるのか
Genie 4は、ユーザーの操作に合わせてリアルタイムに仮想世界を生成します。あらかじめ作られた映像を再生する従来の動画生成AIとは異なり、ユーザーが空間を移動したり環境に働きかけたりすると、その結果が即座に反映されるのが特徴です。
具体的には、自然言語による指示で天候の変更や物体・人物の追加、カメラの移動が行えます。また、空気力学や衝突といった物理現象のシミュレートが可能になり、特に人物の表現が進化し、環境に反応して自然に動く人物を生成し、その行動をリアルタイムで指示できるようになりました。
さらに、音声のネイティブ生成にも対応しました。風や波などの環境音だけでなく、登場人物が状況やユーザーの入力に応じて会話することも可能です。
図1: ユーザーの入力から仮想世界がリアルタイムに構築される流れ
Geminiとの連携でどのような仕組みを実現したのか
技術面では、GoogleのAIモデルである「Gemini（ジェミニ）」ファミリーとの連携を強化しています。「Gemini Omni」が現実的な外観や動作の生成を支え、「Gemini 3.8 Flash」が場面を監視して複雑な行動を計画・修正する役割を担います。
また、「Gemini 4 Argon」と組み合わせることで、ロボットが複雑な作業を行うシミュレーション実験も進めています。これにより、映画制作やゲーム開発、教育、ロボットやAIエージェントの訓練への応用が期待されています。
一方で課題もあり、連続して操作できる時間は数分程度に留まります。長時間の利用では物体の外観や位置の一貫性が失われることがあり、複雑な物理的相互作用や音声の正確性にも改善の余地があるとしています。
図2: Genie 4を支えるGeminiファミリーの機能構成
今後の提供計画はどうなるのか
Genie 4は、まず限定されたテスター向けに研究プレビューとして提供されます。その後、仮想世界の生成・探索サービス「Project Genie」を通じて、有料プランの「Google AI Ultra」加入者に提供される計画です。
開発者向けには、「Gemini API」および「Google AI Studio」を通じて早期アクセスパートナーに提供されます。なお、AI生成コンテンツであることを識別するための電子透かし「SynthID（シンスアイディー）」が、生成される映像と音声に埋め込まれます。
よくある質問
Q. 従来の動画生成AIと何が違うのですか？
A. 従来のAIは完成した映像を再生しますが、Genie 4はユーザーの操作に応じて世界をリアルタイムに変化させる「ワールドモデル」である点が異なります。
編集部の見方
これまでの動画生成AIは「見る」ことが中心でしたが、Genie 4が目指すワールドモデルは「体験する」AIへの転換を意味します。物理法則をシミュレートし、リアルタイムで環境を書き換えられる能力は、特にロボットの学習において革命的です。現実世界で試行錯誤させるリスクを避け、仮想空間で数百万回の訓練を高速に行うことが可能になるためです。
一般ユーザーにとっては、個々人が自分だけのインタラクティブな物語やゲーム空間を、プログラミングなしに言葉だけで構築できる未来が近づいています。まずはProject Genieのウェイトリストを確認し、どのような体験が提供されるのか注視しておくことをおすすめします。
関連記事
- AIによるスピアフィッシングの危険性、クリック率が約2.7倍に上昇
- AnthropicがIPOを申請、AI安全性の維持に向けた特殊な統治体制を導入
- OpenAIがGPT-6.1 Terraを公開、API価格を50%削減し性能を向上
- AI情報の記事一覧
出典
この記事は WEB3-ON 編集部が公開情報をもとに AI を用いて作成しました。内容の正確性には注意を払っていますが、詳細は出典をご確認ください。誤りや削除のご要望は お問い合わせ からお知らせください。
コメント