Google DeepMindは火曜日、最新のワールドモデルGenie 4をリサーチプレビューとして公開した。この最新モデルはこれまでで最もフォトリアルでインタラクティブな世界を生成し、ユーザーはシミュレーション中にプロンプトを入力してシーンを変更できる。このモデルは、音楽、環境音、インタラクティブな対話を含む、シミュレートされた世界に合ったリアルタイムのオーディオも生成する。
Genie 4の公開は、AI動画スタートアップのRunwayが2つ目のワールドモデル GWM Worlds 2を公開してから数か月後のことだ。これはユーザーの入力に動的に応答し、オーディオ生成を含むプレイアブルなモデルである。同時に、ワールドモデル業界は統合が始まりつつある。Fei-Fei Liの World LabsはAMDに買収されるほか、AmazonはDecartの 買収を協議中であり、Rivianは自動運転テスト向けにシミュレーション機能を社内に取り込むため Third Dimensionを買収した ばかりである。
Genie 4は、混雑したこの分野で優位性を保とうとするGoogleの最新の動きである。
Googleは前世代のGenie 3を1年余り前にリサーチプレビューとして公開した。はるかにフォトリアルでオーディオを備えているほか、Genie 4は自由形式の編集、例えばリアルタイムでの天気やカメラアングルの変更、新たな人物や物体の追加が可能である。最大2分間シーンの一貫性を維持でき、これは前世代の上限の2倍で、より優れた物理演算とより人間らしいキャラクターを提供する。
GoogleのAIモデルであるGeminiもGenie 4とより緊密に統合されており、Genieがビジュアルを生成する間、工程を計画しフレームをチェックするディレクターとして機能する。Gemini Roboticsに関連するリサーチ実験では、Gemini 4 Argonモデルがタスクを工程に分解し、それをGenie 4がリアルタイムでシミュレートした。この実験は、ロボットのシナリオを現実世界で起こる前にシミュレーションでテストする一つの方法を示している。
「今後ますます見られるようになるのは、こうしたハイブリッド型のワールドモデルです。Geminiがコードやテキストを書き、Genieがそれをリアルタイムで取り込んで、異なる抽象度で現実をシミュレートする組み合わせです」と、GoogleのリサーチディレクターTejas Kulkarniはブリーフィングで述べた。
他のワールドモデルと同様に、想定される商用ユースケースにはゲーム、インタラクティブ学習、ロボティクスが含まれる。インタラクティブ学習の思いつきの例としては、歴史的な場面の絵画に入り込み、描かれた出来事について絵画の登場人物と会話することが挙げられる。
しかし、Googleの最先端製品に最初にアクセスできる「信頼されたテスター」たちは、新たな可能性のある用途として、映画のプロトタイピングを挙げている。
「クリエイティブの領域でフロー状態を維持することが非常に有用となる分野では、リアルタイム性が最も価値を持ちます。例えば、アイデア出しの段階、絵コンテの段階——迅速なアイデア出しが必要な場面すべてです」と、Google DeepMindのエンジニアDiego Rivasは記者ブリーフィングで述べた。
Googleはまた、テキスト、画像、または動画のプロンプトから同期されたオーディオ付きの高解像度クリップを作るAI動画生成モデルVeoも提供しており、このツールは 映像作家.
たちの間で人気が高まっている。Rivasはさらに、ユーザーは最終的に、画像、オーディオ、テキストから動画を生成できるマルチモーダル大規模言語モデル Gemini Omniを利用して、それらのプロトタイプをクリエイティブな資産に変換できるようになるかもしれないと述べた。ただし、これらの機能はまだ先の話だと彼は言う。
ブリーフィングを通じてRivasは、Genie 4はまだ初期段階であり、エンドツーエンドの製品体験がどのようになるかはまだ明らかでないと強調した。チームはまた、Genie 4にはまだ課題があることも認めた。シミュレーションが長く続くほど細部や物体がドリフトすることがあり、オーディオの正確さや世界内テキストの判読可能性を確実にする方法はまだ完全には解明されていない。
Genie 4は現在、信頼されたテスター向けにリサーチプレビューとして利用可能である。今後数週間で、このモデルは、テキストまたは画像のプロンプトからインタラクティブな世界を生成するGoogleのAIツールである Project Genieを通じてGoogle AI Ultraの加入者に展開されるほか、Gemini APIとGoogle AI Studioのアーリーアクセスパートナーにも提供される。