📌 この記事の要約
-
文章から歩ける世界を生成し、音声や会話にも対応
Google DeepMindが2026年10月27日に発表した「Genie 4」は、文章で作った世界を歩き回りながら、雨を降らせたり人物を登場させたりできるAI。映像に加え、環境音や人物の会話もリアルタイムに生成する。現在は研究段階で、体験は最長2分程度。 -
Geminiが「監督役」として映像の進行を管理
「Gemini 3.8 Flash」が画面を確認して次に起こす内容を判断し、Genieが映像を描く仕組み。「Gemini 4 Argon」と組み合わせ、人型ロボット「Apollo」がチェッカーで遊ぶ場面の仮想実験も公開された。 -
世界の一貫性はまだ課題
実際の利用では、振り返ると扉や建物が消えたり、部屋の様子が変わったりする例が報告されている。Googleも、長く操作すると物体や景色の一貫性が失われることを認めている。 -
まず役立つのは「作り始める前」のアイデア出し
映画の演出検討やゲームの世界観確認など、完成品を作る前の試作に向く。Googleは偽映像対策として、生成した映像と音声に電子透かし「SynthID」を埋め込む方針だ。
文章で作った街を歩き回り、途中で雨を降らせ、通りかかった人物と会話する。そんなゲームのような仮想世界を、その場で生成するAIが登場しました。Google DeepMindが2026年10月27日に発表した「Genie 4」です。映像だけでなく、音楽や環境音、人物の会話もリアルタイムに生成できます。
Genie 4は「ワールドモデル」と呼ばれる種類のAIです。周囲の状況や物の動きを学習し、ある操作をすると次に何が起きるかを予測する仕組みです。Genie 4はその予測を使って、操作するたびに新しい景色を描き続けます。現在は一部のテスターだけが使える研究段階ですが、ゲームや映画制作、ロボット開発への応用が期待されています。どこまで実現できているのか、実際に使った人の反応も交えて見ていきましょう。
Google DeepMindが発表したGenie 4のデモ映像です。キーボードとテキストの指示で、生成された世界をリアルタイムに動き回れます。
ゲーム業界も揺さぶったGenieシリーズの進化
Genieシリーズの初代モデルは2024年2月に公開されました。当初は1枚の画像から2Dゲームのような世界を作る技術でしたが、同年12月のGenie 2では3D空間を操作できるようになっています。2025年8月のGenie 3は、解像度720p、毎秒24フレームで映像をリアルタイムに生成し、約1分前に見た景色を覚えておく能力も備えました。さらに、天候を変えたり新しい物体を登場させたりする指示にも対応しました。
2026年1月29日には、Genie 3を使って仮想世界を生成できる「Project Genie」が、米国のGoogle AI Ultra加入者向けに公開されました。1回の体験は60秒まででしたが、ゲーム業界は敏感に反応します。翌30日の米国市場では、ゲームエンジン大手Unity Softwareの株価が24%下落しました。Robloxも13%、Take-Two Interactiveも8%値を下げています。同年5月には、月額200ドルのGoogle AI Ultra加入者を対象に、Project Genieの世界展開も始まっています。
もっとも、仮想世界を生成できるからといって、クオリティの高いゲームを完成させられるかどうかは別の話です。Unityのマシュー・ブロムバーグCEOも、ワールドモデルだけでは、同じ条件で繰り返し遊べるゲーム体験を実現するのは難しいとの見方を示しました。実際、当時のProject Genieには音声がなく、人物の動きも不自然でした。Genie 4では、こうした表現力や操作性が大きく改善されています。
2025年8月に発表されたGenie 3です。解像度720p、毎秒24フレームの世界をリアルタイムに生成し、Project Genieの基盤にもなりました。
歩き回れる世界に加わった音声と会話
Genie 4では、キーボードで移動したりカメラの向きを変えたりしながら、文章で世界を書き換えられます。歩いている途中で雨を降らせたり、新しい人物を登場させたりしても、最初から生成し直す必要はありません。Geminiが指示を周囲の状況に合わせて解釈し、変化を反映させます。現時点で長時間の操作には対応しておらず、公開された体験は最長2分程度です。
Genie 4で新たに加わったのが音声です。木々を揺らす風の音や浜辺の波音が、映像に合わせて生成されます。登場人物の会話にも対応し、ユーザーの指示や周囲で起きた出来事によって発言が変わります。人の動きも改善され、キャラクターが周囲の状況に反応して自然に動くようになりました。物理表現では、カエデの種が回転しながら落下する様子や、石の台に載せたスイカのデモなどが公開されています。
印象的なのは、1980年代の日本の地方駅を再現した映像です。夏の山あいの駅に赤い普通列車が停まり、荷物を抱えた乗客がホームを行き交っています。紺色の制服を着た駅員も登場し、古い映画のワンシーンのようです。ほかにも、風景全体がステンドグラスでできた世界や、ドラゴンに乗って山岳コースを飛ぶ一人称視点の映像が公開されました。いずれも、ユーザーの操作に合わせて映像と音をその場で生成したものです。
1980年代の日本の地方駅を再現したデモです。ホームを行き交う乗客や駅員の姿まで、リアルタイムに生成しています。
Geminiの指示に沿ってGenieが世界を描く仕組み
Genie 4の裏側では、Googleの生成AI「Gemini」が重要な役割を担っています。2026年5月に発表された「Gemini Omni」の技術が、現実世界に近い映像や動きの生成を支え、9月公開の「Gemini 3.8 Flash」が監督役として働きます。Genieが映像を描いている間、Geminiは画面を確認し、次に何を起こすべきかを判断する仕組みです。
例えば、人物が部屋に入って机の上の物を手に取る場面を考えてみましょう。映像がきれいでも、人物がいきなり机を通り抜けたり、手に持った物が消えたりしては、場面として成り立ちません。Gemini 3.8 Flashは目標を細かな手順に分け、生成された映像を確認しながら、予定どおりに進んでいるかを判断します。途中でユーザーが指示を変えれば、残りの手順も組み直します。
この仕組みをロボット研究に応用する実験も始まっています。DeepMindは9月30日発表の高性能モデル「Gemini 4 Argon」とGenie 4を組み合わせ、人型ロボット「Apollo」がチェッカーで遊ぶ場面を公開しました。Argonが作業を手順に分け、Genie 4に指示を渡すと、その内容に沿って映像が生成されます。実物のロボットを動かす前に、さまざまな行動を仮想世界で試すことを目指した研究です。
Googleはさらに、Geminiの推論能力とGenieの映像生成能力を組み合わせる「ハイブリッドワールドモデル」を構想しています。現在の取り組みを発展させ、複雑な作業の手順と、実際に見える世界の動きを両立させようという考え方です。
Gemini 4 Argonがタスクを手順に分解し、Genie 4がApptronikの人型ロボットApolloのチェッカー対戦をシミュレーションしています。
実際の利用で見えてきた進歩と限界
Genie 4を早期に試した米ペンシルベニア大学ウォートン校のイーサン・モリック氏は、ロボットと馬が暮らす都市を文章で指示し、約1分で仮想世界を生成できたとXに投稿しました。その後、ドラゴンを登場させ、さらに親しげなカワウソのNPC(プレイヤーが操作しないキャラクター)を追加できたそうです。世界を作った後も、操作しながら設定を変えられる点を高く評価しています。
ただし、映像が美しいからといって、世界を正確に描写できているとは限らないようです。映像制作に携わるクリエイターたちは、実際の建物の写真から仮想空間を作り、内部を歩き回る検証を公開しています。米国のハースト・キャッスルを再現した空間では、最初に見えた2つの扉のうち、奥に進むと片方がなくなっていました。元の部屋に引き返すと、室内の様子そのものが変わっていたそうです。別の建物では、振り返ると建物自体が消えていました。
こうした現象は、ゲームやロボットの開発で大きな問題になります。机の位置や部屋の形が途中で変わってしまえば、同じ条件でテストを繰り返せません。Googleも、長く操作したり複雑な指示を重ねたりすると、物体や景色の一貫性が失われることを認めています。見た目は本物に近づいていても、世界の中身まで正確に再現できるわけではないのです。
Genie 4を試したイーサン・モリック氏の投稿です。文章で作った都市に、ドラゴンやカワウソをリアルタイムに追加できたと報告しています。
Genie 4がまず役立ちそうな場面と今後の展開
現在のGenie 4が役立ちそうなのは、完成品を作る工程よりも、その前のアイデア出しです。Googleが協力するテスターの中には、映画の場面を仮想世界で試し、カメラの角度や照明、台詞をその場で変えながら演出を検討する制作者がいるそうです。ゲーム開発でも、本格的にプログラムを書く前に、世界観や操作したときの感触を確かめる用途が考えられます。
報道分野では、古い写真から当時の空間を体験できるようにする実験も進んでいます。ただし、AIが写真に写っていない部分まで想像して生成するため、史実どおりに復元されるとは限りません。実物そっくりの偽映像を作れる危険性もあります。Googleは対策として、生成した映像と音声に電子透かし「SynthID」を埋め込む方針です。
ワールドモデルの開発競争も激しくなっています。Runwayは2026年9月、音声付きの世界を時間制限なしで生成できる「GWM Worlds 2」を発表しました。AI研究者フェイフェイ・リー氏が率いるWorld Labsも、半導体大手AMDに約82億ドルで買収されることで合意しています。AIが現実世界の動きを理解し、シミュレーションする技術に投資が集まっているのです。
Genie 4は現在、限られたテスター向けの研究プレビューです。今後はProject Genieを通じてGoogle AI Ultra加入者に提供されるほか、Gemini APIやGoogle AI Studioの一部パートナーへの公開も予定されています。現時点では、ゲームエンジンの代わりに完成したゲームを作ったり、正確な物理実験を任せたりする段階ではありません。一方で、頭の中にあるアイデアを、その場で歩き回れる世界に変えられることには大きな意味があります。Genie 4はまず、作り始める前に試せることを増やす技術として力を発揮しそうです。
- 【著者プロフィール】 星川アイナ ほしかわ あいな AIライター
- はじめまして。テクノロジーと文化をテーマに執筆活動を行う27歳のAIライターです。AI技術の可能性に魅せられ、情報技術やデータサイエンスを学びながら、読者の心に響く文章作りを心がけています。休日はコーヒーを飲みながらインディペンデント映画を観ることが趣味で、特に未来をテーマにした作品が好きです。
- 【著者プロフィール】 柳谷智宣 Yanagiya Tomonori 監修
- ITライターとして1998年から活動し、2022年からはAI領域に注力。著書に「柳谷智宣の超ChatGPT時短術」(日経BP)があり、NPO法人デジタルリテラシー向上機構(DLIS)を設立してネット詐欺撲滅にも取り組んでいます。第4次AIブームは日本の経済復活の一助になると考え、生成AI技術の活用法を中心に、初級者向けの情報発信を行っています。
