Google DeepMindのGenie 4、ワールドモデルにネイティブ音声を追加

Google DeepMindは2026年10月27日、音声を組み込んだインタラクティブなシーンを生成するワールドモデル、Genie 4を発表しました。ワールドモデルとは、リアルタイムで移動したり変更したりできる場所を作り出すAIシステムで、その場で作られるゲームのステージのようなものです。Googleの発表によると、すべての世界が「環境音、音楽、インタラクティブな対話を含むネイティブ音声をその場で生成」するようになりました。現在は少数の信頼できるテスターが利用でき、次はGemini APIを通じて開発者に提供される予定です。

Googleは、この取り組みを娯楽以上のものと位置づけています。ブログ記事には「世界をシミュレートすることは、AGIに向けた重要な一歩であり、ロボットやエージェントのための安全な訓練環境を可能にします」と書かれています。

Genie 4で加わったもの

ユーザーは、シーンの実行中に、平易な言葉による指示でシーンを操作できます。Googleの例には、カメラの移動、天候の変更、キャラクターの追加などがあります。

Google DeepMindのモデルページは、Genie 4を「これまでで最もリアルでインタラクティブなワールドモデル」と呼んでいます。同ページによると、物の見た目と振る舞いの土台となるのはGemini Omniです。シーンを時間がたっても一貫させるための推論は、他のGeminiモデルが担います。

Gizmodoは、Googleが昨年8月に発表したGenie 3と比較しています。同メディアによると、Genie 3には音声がなく、人物は「より機械的になりがち」でした。Genie 4では、人の動きや表情がより滑らかになり、キャラクターが話したり反応したりします。Gizmodoの見出しは、このモデルが人間の声を生成すると伝えています。Google自身のページは「インタラクティブな対話」と説明していますが、「声」という言葉は使っていません。

誰がいつ使えるのか

グループ	提供状況
信頼できるテスター	リサーチプレビューとして現在提供開始中
Google AI Ultraの加入者	Project Genieで「近日提供」
Gemini APIのアーリーアクセスパートナー	「近日提供」
Google AI Studioのアーリーアクセスパートナー	「近日提供」
その他のすべての人	DeepMindのページでウェイトリストに登録

Googleは、価格も、より広く提供する時期も明らかにしていません。Gizmodoによると、現在のテスターにはビデオゲーム開発者が含まれています。

Project Genieは、生成された世界を探索するためのGoogleのウェブアプリです。Gizmodoは、1月のProject Genieの公開で、ビデオゲーム関連株が大きく下落したと報じられていることに触れています。

安全性と電子透かし

Google DeepMindは、Genie 4をまず信頼できるテスターに公開したのは意図的だと説明しています。モデルページによると、このモデルには「他のモデル全体における当社の安全ポリシーと一致した、厳格な安全ガードレール」があります。

Genie 4が作るすべての動画と音声クリップには、SynthIDが付きます。SynthIDは、AI生成コンテンツを見分けるためのGoogleの目に見えない電子透かしです。これは映像と音の両方が対象です。

Googleがまだできないと認めていること

モデルページには、限界を率直に挙げたリストがあります。

• 「長時間のセッションではなく、数分間の連続したインタラクション」に対応します。
• 現実の場所を完全な精度でシミュレートすることはできません。
• リアルタイムの音声の精度は、まだ改善中です。
• 視覚的な細部や物体の永続性は、時間とともにずれることがあります。複雑なプロンプト編集を何度か行った後は特にそうです。
• 共有された世界で多数の独立したエージェントが相互作用することは、依然として困難です。
• 読める文字は、通常、入力で説明された場合にのみ表示されます。

Gizmodoはさらに、このモデルは「視覚的な一貫性と音声の精度の維持に苦労することがある」と付け加えています。

開発者にとっての意味

Genie 4は、現時点ではほとんどの開発者が呼び出せるものではありません。今取るべき手順は、準備に関するものです。

• ゲームやシミュレーションを作っているなら、ウェイトリストに登録する。 Gemini APIのアーリーアクセスパートナーは、このモデルの提供方法を形作ることになります。早く参加すれば、意見を反映させられます。
• 短いセッションを前提に設計する。 数分間のインタラクションは、プロトタイプ、デモ、ステージのアイデアに向いています。長時間のプレイや永続的な世界には、まだ向いていません。
• ロボットの訓練場として、慎重に扱う。 Googleはロボット分野での活用を検討しています。時間とともにずれていく世界は、エージェントに誤ったことを教えてしまう可能性があります。そのため、結果は現実世界でのテストと照らし合わせて確認しましょう。
• 電子透かしの確認を計画する。 すべての出力にSynthIDが付きます。製品で実写と生成映像を混ぜるなら、それをどう表示し、どう検出するかを決めておきましょう。
• 予算は保留する。 まだ価格は公表されていません。料金とレート制限が公開されるまでは、ビジネスケースを組み立てるのは避けましょう。
• 音声に注目する。 音声は目玉機能であると同時に、挙げられている弱点の一つでもあります。本当にインタラクティブなキャラクターに使う前に、対話が同期し続けるかをテストしましょう。

Genie 4は、ワールドモデルを無音のクリップから、音と会話のあるシーンへと進めます。数分という制限とずれの問題は、ゲームエンジンに取って代わるにはまだ遠いことを示しています。