Google DeepMindがワールドモデルGenie 4を発表

発表の内容

Google DeepMindは2026年10月27日、新しいワールドモデルGenie 4を発表しました。同社によると、Genie 4はネイティブにマルチモーダルなモデルで、音楽のような音声、環境音、世界との対話的なやり取りを同時に生成できるとされています。

同社は、Genie 4がGeminiファミリーの機能を取り入れ、その上に構築されていると説明しています。Gemini Omniがシミュレーションの見た目や挙動を現実に合わせ、ほかのGeminiモデルが複雑な推論を担ってシミュレーションの一貫性と連続性を保つ、というのが同社の説明です。

操作と生成の仕組み

ユーザーが出来事を動かし始めると、Genie 4がその後に起こることをシミュレーションします。操作には一般的なキーボードによる移動とカメラ操作、そしてテキストプロンプトを使って、展開するシーンを導く形だとされています。

自然言語を使えば、シミュレーションをリアルタイムに変更できます。Geminiがプロンプトを周囲のシーンに合わせて文脈的に調整するため、指示が場面に沿った形で反映されると同社は述べています。

Genie 4は、同社で初めて音声をネイティブに生成するリアルタイムワールドモデルだとされています。また、その場で適応する対話的なやり取りも新たに導入しています。発表に添えられた音はすべてGenie 4が直接生成したものだと、投稿には書かれています。

クリエイターや事業者にとっての意味

動画制作やSNS運用の現場では、シーンを言葉で調整しながら動きを確認できる点が、構成の検討やラフの共有に役立つ可能性があります。撮影の前に場面の流れを試すといった用途が考えられますが、実際の画質や応答の速さは公開されている情報だけでは判断できません。

一方で、誰がいつから使えるのか、料金はいくらか、対応言語や必要な環境については、今回の発表では触れられていません。導入を検討する場合は、同社の続報で提供条件を確認する必要があります。