Genie 4を限定テスター向けに提供開始
グーグル・ディープマインド（Google DeepMind）が、世界モデル「ジーニー4（Genie 4）」を限定テスター向けに研究プレビューとして提供を開始したと10月27日に発表した。
世界モデルは、環境やユーザーの操作に応じて、その後の変化を予測・生成するAIモデルだ。「Genie 4」では、ユーザーが仮想空間の中を移動したり、テキストで指示を加えたりすると、それに応じた映像や音声がリアルタイムで生成される。
同社によると、ユーザーは自然言語の指示で、天候の変更、カメラの移動、人物や物体の追加などを行える。また、物体の衝突などの物理現象や、人の動き・周囲への反応の再現性も高めたという。
特徴の一つが、映像と同時に音声を生成できる点だ。環境音や音楽に加え、登場人物による会話にも対応する。登場人物は、ユーザーの入力や仮想空間で起きた出来事に応じて、リアルタイムに会話・反応するという。
同モデルには、グーグルのAIモデル「ジェミナイ（Gemini）」シリーズの能力が組み込まれている。「ジェミナイ・オムニ（Gemini Omni）」が実世界に即した見た目や振る舞いの再現を支え、他のGeminiモデルが推論を通じてシミュレーションの一貫性の維持を支援するという。
同社は、映画制作での場面や演出の検討、ゲームの試作、ロボットやAIエージェント向けの訓練環境などへの活用を想定している。また、教育分野のテスターとも検証を進めている。
今後は、仮想空間の生成・探索サービス「プロジェクト・ジーニー（Project Genie）」を通じて、「グーグルAIウルトラ（Google AI Ultra）」の加入者に提供する予定だ。また、「Gemini API」と「Google AI Studio」の早期アクセスパートナーにも提供を予定している。
なお「Genie 4」は初期段階の研究モデルで、連続して操作できる時間は数分程度に限られる。利用が長時間に及ぶ場合や複雑な指示変更を重ねた場合には、物体の見た目や存在の一貫性が崩れることがある。複雑な物理的相互作用や音声の正確性などにも課題が残るとしている。
生成する映像と音声には、AI生成コンテンツの識別を支援する電子透かし技術「SynthID」を組み込むという。
参考：DeepMind・Google・モデル紹介
画像：PIXTA