グーグル、世界モデル「Genie 4」を発表　ネイティブ音声に対応し一部テスターに展開

　グーグルのAI研究部門グーグル・ディープマインドは10月27日（米国時間）、リアルタイムで操作できる対話型シミュレーション向けの新しい世界モデル「Genie 4」を発表した。ネイティブの音声生成に対応しているのが特徴で、まず一部の信頼できるテスターに展開を始めた。

　Genie 4は、同社のAIモデル群「Gemini」ファミリーの能力を土台にしたモデルという。「Gemini Omni」が現実世界の見た目や振る舞いをシミュレーションに反映し、ほかのGeminiモデルが、シミュレーションの整合性や連続性を保つための複雑な推論を担うと説明している。

　利用者は、出来事を動かしながら、自然言語でシーンをリアルタイムに操れる。カメラの移動、天候の変更、新しい登場人物の追加などが可能。生成される世界では、環境音や音楽、対話といった音声もその場で作られる。

　同社は、空気力学や衝突といった物理シナリオを扱えるほか、人物が環境に応じて自然に動くと説明している。標準的なキーボード操作でのナビゲーションやカメラ操作にも対応する。Geminiが入力の合間もシーンを監視し、プロンプトを文脈に合わせて調整するという。

　世界のシミュレーションは、AGI（汎用人工知能）に向けた重要な一歩と位置づけている。ロボットやAIエージェントの安全な訓練環境になるほか、映画制作、報道、ゲーム、製造業といった分野の創作ツールを強化できるとしている。

　提供は、一部の信頼できるテスターへの展開から始めた。今後、Project GenieでGoogle AI Ultra加入者に、Gemini APIとGoogle AI Studioで早期アクセスパートナーに、それぞれ近く提供する予定。公式ブログは、価格や提供地域には触れていない。