Genie 4 運営中

Genie 4はGoogle DeepMindが開発した次世代の世界モデルで、リアルタイムに自由に探索できる仮想世界を生成します。ユーザーはキーボードでキャラクターを操作し、テキストで天候をリアルタイムに変えたり要素を追加したりできます。ネイティブオーディオとインタラクティブな会話にも初めて対応しました。Genie 4はGeminiファミリーの能力を統合し、Geminiが推論と計画を、Genieが環境のレンダリングを担当します。ロボットの訓練、映画のプリビズ、ゲームのプロトタイプなどに活用できます。現在のシミュレーション時間は約2分で、研究プレビューとしてテスターに公開されています。

リアルタイムで探索可能な世界を生成：テキストを入力するだけで、事前に3Dシーンを構築することなく、自由に探索できる仮想世界を生成します。
キーボードとテキストによるリアルタイム操作：キーボードでキャラクターの移動やカメラを操作し、実行中にプロンプトを入力して天候を変更したり、人物や物体を追加したりできます。
ネイティブ音声生成：世界と同期した環境音、音楽、人物の会話の生成に初めて対応した、初のネイティブマルチモーダルGenieモデルです。
インタラクティブなキャラクター会話：仮想キャラクターは、ユーザーの入力や世界で起きる出来事に応じて、リアルタイムに言葉や反応を生成します。あらかじめ設定された台詞に依存しません。
リアルな物理シミュレーション：衝突、空気力学、重力などの物理法則をシミュレートでき、キャラクターの動きは自然で、リアルタイムに誘導できます。
Geminiエージェントによる循環制御：Gemini 3.8 Flashがリアルタイムの誘導エージェントとして画面を観察し、タスクを手順に分解して実行結果を検証します。これにより、シミュレーションの因果関係の一貫性を保ちます。
ロボット訓練シミュレーション：Gemini 4 Argonと組み合わせることで、ロボットに仮想世界で複雑なタスクを繰り返し練習させ、現実世界へ移行できます。
多業界向けプロトタイピングツール：映画のプリビズ、ゲームのコンセプト検証、歴史写真のシーン再現、企業の産業シミュレーションなど、「ゼロから1」までのシーン生成に対応します。

世界モデルアーキテクチャ：Genie 4は、Genieシリーズの「動画から世界を学習する」という方針を継承しています。膨大な動画データを学習することで、動作と環境変化の因果関係を把握し、ユーザーの操作ごとに次に起こる画面をリアルタイムで予測・生成します。
Gemini Omniによる感覚基盤の確立：Gemini Omniはシミュレーションに現実世界の外観と挙動に関する事前知識を提供し、生成される世界の視覚的な質感、物体の挙動、物理法則を現実に近づけます。シミュレーション全体の感覚的な土台となります。
Gemini 3.8 Flashによるエージェント循環制御：Gemini 3.8 Flashはリアルタイムの誘導エージェントとして、生成された画面を継続的に観察し、タスクを手順に分解して、実行が成功したかをフレーム単位で検証します。ユーザーの介入や環境の変化があると計画を即座に調整し、長時間のシミュレーションにおける因果関係の一貫性を維持します。
Gemini 4 Argonによるタスク分解駆動レンダリング：研究実験では、Argonがユーザーの指示を連続した手順に分解し、テキスト字幕としてGenie 4にリアルタイムで入力します。Genie 4はテキストによるリアルタイム誘導に対応しているため、シミュレーションはタスクの進行に合わせて動的に適応できます。ロボット訓練などの複雑な用途への道を開きます。

ウェイティングリストに登録：Project Genie公式サイトにアクセスし、Genie 4のwaitlistへの参加を申請します。
アクセス資格を待つ：現在は信頼できるテスターにのみ研究プレビューが公開されています。
Project Genieを開く：資格を取得したら、Project GenieからGenie 4のクリエーション画面にアクセスします。
プロンプトを入力して世界を生成：希望するシーンをテキストで説明すると、Genie 4が探索可能な仮想世界をリアルタイムで生成します。
キーボードとカメラを操作：標準キーボードでキャラクターを移動させ、カメラ視点を操作しながら世界を自由に探索します。
リアルタイム指示でシーンを変更：実行中もテキストプロンプトを入力し、天候を変更したり、人物や物体を追加したりできます。Geminiが現在のシーンを踏まえて意図を自動的に理解します。
キャラクターと会話：仮想キャラクターに直接話しかけると、キャラクターがリアルタイムで応答を生成します。音声はモデルがネイティブに生成します。
テスター向けの応用方法：開発者はGemini API / AI StudioでGenie 4を呼び出し、ゲームのプロトタイプ、映像制作のプリビズ、ロボットシミュレーションなどのワークフローに組み込めます。

リアルタイムでインタラクティブ：これまでの「見るだけのAI動画」から、入り込んで自由に書き換えられる生きた世界へと進化しました。すべての操作が世界の展開に影響する新たな変数になります。
ネイティブマルチモーダル：映像と音声を同期生成する初の世界モデルです。環境音、音楽、キャラクターの会話が視覚シーンとリアルタイムに同期します。
Geminiによる推論能力：大規模言語モデルが計画と検証を担い、Genieがレンダリングを担当することで、シミュレーションに信頼性の高い因果関係と複数ステップの推論能力を持たせます。
最高水準のリアリティ：Gemini Omniの外観・挙動に関する事前知識に基づき、映像のリアリティ、キャラクターの自然な動き、物理シミュレーションの精度がシリーズ最高水準に達しています。
インテリジェントNPC：キャラクターは環境やユーザーの入力に応じて言葉や反応を動的に生成し、従来のゲームにおける固定台詞や行動ツリーの制約を超えます。

公式サイト：https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/

リアルタイムで世界を形作るシミュレーション
Environment prompt: A sweeping aerial view over the vast, frozen landscape of Antarctica, featuring endless snow-covered glaciers, jagged icy mountain peaks, and sculpted blue icebergs bathed in crisp polar sunlight under a clear, pale blue sky. Numerous hot air balloons dot the horizon at varying altitudes, with a large cream, red, and blue striped balloon floating prominently in the mid-distance above the ice sheet.
Character prompt: Shot from a first-person POV standing inside the woven wicker basket of a flying hot air balloon, looking out over the leather-trimmed basket edge on the right side of the frame, where black padded support poles, metal rigging chains, and the dark base of the balloon canopy overhead frame the drifting polar vista.
環境プロンプト：広大で凍てついた南極の大地を見渡す壮大な空撮視点。果てしなく続く雪に覆われた氷河、険しい氷の山々、彫刻のような青い氷山が、澄み切った極地の陽光を浴びて輝いている。空は晴れた淡い青色。さまざまな高度に多数の熱気球が地平線を彩り、その中でもクリーム色、赤色、青色のストライプが入った大型の熱気球が、氷原の上空の中景にひときわ目立って浮かんでいる。
キャラクタープロンプト：飛行中の熱気球の編み込み柳細工のバスケットの中に立つ人物の一人称視点。画面右側にある革で縁取られたバスケットの縁越しに外を見ている。黒いパッド付きの支柱、金属製の索具チェーン、頭上にある気球キャノピーの暗い底部が、ゆっくり流れていく極地の景色をフレームの中に収めている。
複雑な出来事をシミュレート
Prompt: crowned crane walks across the snow beneath the clear dusk gradient sky. Natural colors in a documentary style.
プロンプト：晴れた夕暮れのグラデーションの空の下を、タンチョウが雪の上を歩いている。自然な色彩、ドキュメンタリースタイル。

映像制作のプリビズ（Pre-vis）：監督はテキストで入り込める仮想シーンを生成し、カメラ、照明、台詞、動きをリアルタイムで調整できます。セットを組んだり事前撮影を行ったりすることなく、さまざまな撮影案を素早く試せます。
ゲームのプロトタイプ開発：開発者はプロンプトで探索可能なゲーム環境を数秒で作成し、正式な開発に投資する前に、アートスタイル、素材表現、インタラクティブなゲームプレイを検証できます。
ニュースと歴史教育：フォトジャーナリストは2Dの歴史写真を探索可能な動的シーンに変換したり、洪水や山火事などの出来事の進行をシミュレートしたりできます。報道や教育をより没入感のあるものにします。
ロボット訓練シミュレーション：人型ロボットに仮想世界で複雑なタスクを繰り返し練習させます。Geminiが手順を分解し、Genie 4が環境をシミュレートすることで、コストとリスクを削減します。
企業の産業シミュレーション：企業は複雑なシーンをゼロから1まで迅速に生成し、産業シミュレーション、環境テスト、プロセス検証に活用できます。現実の試験にかかる時間とコストを削減します。