Genie 4：DeepMindの世界モデルが音声生成に対応
DeepMindの世界モデルGenie 4は、音楽や環境音、会話付きの世界をリアルタイムで生成します。ほかに何ができるとされているのか確認します。
この記事の他の言語版:العربيةDeutschEnglishEspañolFrançaisItalianoPolski简体中文
10月27日、Google DeepMindは世界モデルの新世代となるGenie 4を発表しました。世界モデルとは、中を自由に動き回れるインタラクティブな世界をリアルタイムで生成するAIです。現時点では一部のテスター向けの研究版で、次にProject GenieのGoogle AI Ultra加入者、Gemini APIとGoogle AI Studioのパートナーに提供される予定です。
世界モデルGenie 4の新機能は？
最大の目玉は音声です。DeepMindによれば、これは「音声をネイティブに生成する初のリアルタイム世界モデル」（原文は「our first real-time world model to generate audio natively」）です。映像と一緒に生成されるのは次のとおりです。
- 環境音
- 音楽
- その場の展開に合わせて変わるキャラクターの会話
2つ目は、シミュレーションの最中に普通のテキストで世界を操作できることです。天気を変える、カメラを動かす、人や物を追加するといった操作が、最初からやり直さずにできます。Geminiモデルが指示をシーンに当てはめ、指示と指示の間も出来事を進めて、世界の一貫性を保ちます。
3つ目は物理と人です。発表では、空気力学や衝突のシミュレーション、そして自分で動き、周囲に反応するキャラクターについて触れています。
Genie 4はGeminiとどう連携するのか？
エージェント好きにとって面白いのはここからです。Genie 4はGeminiファミリーを活用しています。Gemini Omniが世界を本物らしく見せ、本物らしく振る舞わせる役割を担い、ほかのGeminiモデルが推論と連続性を受け持ちます。
デモでは、Gemini 3.8 Flashが生成された世界の中でエージェントとして動きます。シーンを観察し、目標をステップに分解し、次のフレームで各ステップが成功したかを確認し、世界が変わったりユーザーが介入したりすると計画を修正します。さらにDeepMindは、Gemini 4 ArgonとGemini Roboticsを使った実験も公開しました。Genie 4がApptronikのヒューマノイドロボットApolloがチェッカーをする様子をシミュレートするものです（実機のロボットは使っていません）。
MinecraftをクリアしたGeminiのエージェントと同じ方向性ですが、こちらは世界がゲームではなくモデルから生まれています。
Genie 3はどうだったのか？
比較のために言うと、2025年8月のGenie 3は720p・24fpsで世界を生成し、数分間は一貫性を保ち、視覚的な記憶は最大1分前までさかのぼれました。Genie 4については、こうした仕様（解像度、フレームレート、セッションの長さ）はまだ公表されていません。
Genie 3はその後、AI Ultra加入者向けのProject Genieに搭載され、株式市場をざわつかせました。2026年1月30日、Sherwood NewsはUnityの株価が25%以上、Robloxが約9%下落したと報じています。そのため、Genie 4でも「世界モデルはゲームエンジンを脅かすのか」という疑問が再び浮上しています。今のところは、ゲーム制作にすぐ使える道具というより面白い実験といったところです ;)
Genie 4を試すには？
現時点では、招待されたテスター（DeepMindはクリエイティブ業界、ジャーナリズム、教育、ゲーム、エンジニアリングを挙げています）でない限り、自分で試すことはできません。今後の予定は次のとおりです。
- Google AI Ultra加入者向けのProject Genie（「近日中」）
- 早期アクセスパートナー向けのGemini APIとGoogle AI Studio
- 発表ページにリンクがあるProject Genieのウェイトリスト
API提供の時期と料金は公表されていません。
注意すべき点は？
1つ目は、DeepMind自身が挙げている制約です。長いセッションや多くの編集を重ねると、映像の細部が変わったり、物が元の位置にとどまらなかったりすることがあります。複雑な物理的インタラクション、リアルタイム音声の正確さ、読める文字、長期的な一貫性は、まだ解決されていない課題です。
2つ目は、数字がないことです。機能の説明とデモはありますが技術仕様がないため、Genie 3からどれほど進化したのかは判断しにくい状況です。
3つ目は、コンテンツの表示です。DeepMindによれば、Genie 4で生成されたすべての動画と音声にSynthIDの透かしが入ります。
FAQ
Genie 4とは？
Google DeepMindの世界モデルで、映像、音声、キャラクターの会話を含むインタラクティブな環境をリアルタイムで生成します。シミュレーション中にテキストで世界を変更できます。
Genie 4はいつ使える？
2026年10月27日から一部のテスターが利用しています。DeepMindによれば、「近日中」にProject GenieのGoogle AI Ultra加入者と、Gemini APIおよびGoogle AI Studioのパートナーに提供されます。正確な日付は発表されていません。
Genie 4は無料？
無料という発表はありません。一般向けには有料のGoogle AI Ultraサブスクリプション経由で提供される予定で、APIの料金は公表されていません。
Genie 4とGenie 3の違いは？
DeepMindによれば、Genie 4は音声をネイティブに生成し、物理と人のシミュレーションが向上し、よりフォトリアルになり、より複雑で多段階の出来事をリアルタイムで操作できます。