Google DeepMindが世界モデル「Genie 4」を発表、音や人物の会話までリアルタイム生成

Gemini Omniを基盤に進化した「最もリアルで対話的な世界モデル」

Google DeepMindは2026年10月27日、対話型世界モデルの最新版となる「Genie 4」を発表しました。公式サイト（deepmind.google）では、映画品質の動画生成モデル「Veo」や音楽生成の「Lyria」、汎用エージェント研究の「SIMA」などと並び、Genieは「インタラクティブな世界を生成・探索するモデル」として位置づけられています。

Genie 4の基盤には同社のマルチモーダルモデル「Gemini Omni」が採用されました。これにより、単なる静止画の延長や無音の物理シミュレーションにとどまらず、写実的な動的環境をリアルタイムに生成しながら探索できるレベルへと到達しています。

シーンが反応し、音が鳴り、登場人物が動いて話すリアルタイム空間

Genie 4の決定的な進化は、生成される世界の中で視覚・聴覚・人物の振る舞いが一体となってリアルタイムに動く点です。公式発表では「動的な環境をリアルタイムで探索し、シーンがどのように反応し、音を発し、その場にいる人々がどう動き、反応し、話すかを確認できる」と説明されています。

従来のAI動画生成のように一度出力された映像を眺めるだけではありません。自然言語や音声による指示を通じて環境に働きかけると、その場でシーンが変化し、登場人物も状況に合わせて反応や会話を返します。ゲーム開発やシミュレーション、教育・トレーニング用途への応用が期待される理由がここにあります。

• リアルタイムの環境応答

  探索や指示に合わせて、周囲の風景や状況がその場で動的に生成・更新されます。

• ネイティブな音響生成

  映像だけでなく、シーン内の出来事に応じた環境音やサウンドが同時に鳴り響きます。

• 人物の動作・反応・会話

  環境内の人物が自然に歩き回り、ユーザーの働きかけに反応して言葉を交わします。

現在はテスター限定の研究プレビュー、一般公開日や料金は未発表

現時点でGenie 4は、限られたテスターのみが利用できる「研究プレビュー（Research Preview）」として運用されています。一般ユーザーがブラウザからすぐに試せる状態ではなく、テスター募集の応募窓口も公開されていません。

また、一般公開の時期、利用料金、対応地域、および具体的な操作インターフェースの仕様についても現段階では発表されていません。最新のデモ映像や研究概要は、Google DeepMindの公式サイト（deepmind.google）から確認できます。