グーグルのワールドモデル「Genie 4」、音声追加・よりリアルな世界・リアルタイム操作に対応

何が起きたのか

Google DeepMind が、新しいワールドモデル Genie 4 を研究向けプレビューとして公開しました。ワールドモデルとは、AI が仮想の世界を作り、動かすしくみのことです。Genie 4 では、シミュレーションの途中で文章を入力すると、場面を変えられます。さらに、世界に合わせた音楽、環境音、会話もリアルタイムで作られます。

主な数字と事実

• 一貫した場面を最大2分間保てます。前のモデル Genie 3 の2倍の長さです。
• Genie 3 は1年ほど前に研究プレビューとして公開されました。
• 天気やカメラの角度を変えたり、人や物を追加したりできます。
• 提供は今後数週間で、Google AI Ultra の加入者（Project Genie）と、Gemini API や Google AI Studio の早期提供パートナーに広がる予定です。

業界の動き

ワールドモデルの分野は競争が激しくなっています。AI 動画の新興企業 Runway は2つ目のワールドモデルを出しました。また、World Labs は AMD に買収される予定で、Amazon は Decart の買収を協議中です。自動運転車の Rivian も、シミュレーション技術を社内に取り込むため Third Dimension を買収しました。

なぜ大事なのか

Genie 4 は、ロボットの試験を現実の前に仮想空間で行える可能性を示しています。Google は、Gemini が手順を立て、Genie が映像を作るという組み合わせも試しています。映画の企画づくりなど、クリエイティブな場面での使い道も期待されています。ただし、Google 自身も、長く動かすと細部が変わることや、音声の正確さと文字の読みやすさにはまだ課題があると認めています。

今後の注目点

• 製品としての全体的な使い方が、まだはっきりしていないこと。
• 長い時間動かしたときに、細部や物が崩れないかどうか。
• 音声の正確さと、世界の中の文字が読めるかどうか。
• 一般の利用者に広がったあと、ゲーム、学習、ロボットでどう使われるか。