NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

Google DeepMind、音声と対話を同時生成するワールドモデル「Genie 4」を研究プレビューで公開

Google DeepMindは2026年10月27日、ユーザーの操作に応じて仮想世界をリアルタイムに生成・変化させるワールドモデル「Genie 4」を発表しました。Genie 4は世界の映像と同時に、環境音、音楽、対話音声をネイティブに生成できます。現時点では信頼されたテスター向けの研究プレビューで、一般公開の日付と料金は公表されていません。

公式発表によると、Genie 4はGoogle DeepMindで初めて音声をネイティブ生成するリアルタイムワールドモデルです。世界ごとの環境音に加え、登場人物が入力や出来事に反応して話す対話もリアルタイムに生成されます。操作はキーボードで移動とカメラを行い、テキストで天候の変更、カメラの移動、人物や物体の追加を指示できます。指示文はGeminiが場面に合わせて調整されるため、途中で入力しても世界は一貫性を保って進む設計です。

図解Geminiが計画し、Genieが世界を描く
  1. 01 世界の生成

    Genie 4が描画

    操作と指示に応じて世界をリアルタイムに描き、音も鳴らす。

  2. 02 場面の観察

    Gemini 3.8 Flash

    生成された映像を連続的に観察する。

  3. 03 計画と検証

    手順の分解と確認

    目標を手順に分解し、各フレームで手順の達成を確認する。

  4. 04 適応

    計画を立て直し

    世界の変化や介入に応じて計画をその場で立て直す。

Google DeepMindの公式発表による。Gemini Omniが外観と挙動の現実性を支える構成と説明されています。

DeepMindは、Gemini Omniが世界の外観と挙動の現実性を支え、Gemini 3.8 Flashが生成映像を観察して手順を計画・追跡・検証する「ループ内の案内エージェント」として働く構成を説明しています。物理表現では空力や衝突といったシナリオのシミュレーションが改善され、人物は自然な動きで操作に反応するのが特徴です。あわせて、Gemini 4 Argonがタスクを手順に分解し、Genie 4がApptronikのヒューマノイド「Apollo」がチェスを指す場面を描く研究実験も公開されました。これは研究実験であり、実機ロボットの性能改善を実証した発表ではありません。

図解Genie 3からの変化
  • 操作

    Genie 3
    リアルタイム操作あり(24fps、720p)
    Genie 4
    あり(改善)
  • 場面変更

    Genie 3
    テキストで変更(promptable world events)
    Genie 4
    あり(Geminiが文脈に合わせ調整)
  • 音声

    Genie 3
    ネイティブ生成なし
    Genie 4
    あり(環境音・音楽・対話)
  • Gemini統合

    Genie 3
    限定的
    Genie 4
    Omniが現実性を支え、3.8 Flashが計画・検証

両世代の公式発表による。リアルタイム操作とテキストによる場面変更そのものはGenie 3に存在し、Genie 4の新規性ではありません。

つまりGenie 4の新規性は「操作できる世界」の初登場ではなく、音声のネイティブ生成、写実性と人物動作の改善、Geminiとの深い統合にあります。TechCrunch(2026年10月27日)は、一貫した場面の長さが前世代の倍の最大約2分になったと報じています。これは取材に基づく報道値であり、Genie 3の公式発表は「数分間の一貫性」と説明していたため、単純な性能比較としては読めません。

提供は信頼されたテスター向けの研究プレビューから始まり、Google AI Ultra加入者向けのProject Genieと、Gemini API・AI Studioの早期アクセスパートナーへ順次広げる計画です。生成した動画と音声にはすべて、AI生成物を示すSynthIDの透かしが埋め込まれます。

DeepMind自身が、長時間の実行や複雑な編集で視覚的な詳細や物体の永続性がずれ得ること、複雑な物理相互作用、音声の正確さ、判読できる文字の描画、空間精度、長期の一貫性が今後の研究課題だと明記しています。公開されている映像はすべて生成されたデモであり、実写ではありません。物理の正確さや商用利用の効果についての独立した第三者評価は、この時点では公表されていません。

出典

  1. Genie 4: A new generation of world simulation(Google DeepMind公式ブログ)2026-10-27発表。音声のネイティブ生成、キーボード操作とテキストによる場面変更、Gemini Omniと3.8 Flashの役割、Argonとのロボット実験、テスター向けプレビューと展開予定、SynthID、限界の説明
  2. Genie 3: A new frontier for world models(Google DeepMind公式ブログ)2025-08-05発表。リアルタイム操作(24fps、720p、数分の一貫性)とpromptable world eventsが既存機能であることの確認
  3. Google's Genie 4 world model adds audio, more realistic worlds, and real-time steering(TechCrunch)一貫した場面の長さ最大約2分(前世代の倍)の報道値。Google研究者への取材に基づく

出典の確認日 2026.10.28

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. Google DeepMind、気象AIの基盤データSatWeaveとPARDIGを公開――17チャンネルの全球衛星モザイクと15分刻みの降水量推定、履歴アーカイブとライブ配信を解放

    Google DeepMindのWeatherNextチームは2026年11月13日、同社の気象AI「WeatherNext 3」を支える2つの基盤データセットSatWeaveとPARDIGの公開を発表した(Google DeepMindブログ)。SatWeaveは静止気象衛星の画像を可視・水蒸気・赤外の17チャンネルに統合した全球モザイクで、毎時更新のライブフィードと10年超の歴史アーカイブを公開する(ブログ本文は衛星を5基、動画キャプションは6基と表記していて食い違う)。PARDIG(Precipitation AI Reanalysis: Densely Inferred GPM)は、NASAのGPM衛星の疎な星載レーダー観測を教師信号に、SatWeave画像とECMWF大気場を入力として学習したAI降水量推定データで、0.1度(約10km)・15分刻み、平均約5時間の遅延で更新する。米国・欧州・日本のレーダー網と世界3万6,000超の地上観測所での評価では、NASAのIMERG-Finalを含む主要ベースラインをすべての降水強度と地域で上回り、弱〜中程度の降水の毎時検出スキルはIMERG-Finalより30%超改善したとGoogleは発表している。PARDIGの1999〜2026年履歴と双方のライブ配信はGoogle Cloud Storageで、PARDIG履歴はGoogle Earth Engineでも入手できる。30%超は発表元の限定的な比較値で、第三者検証はまだない。

    記事を読む
  2. Google DeepMindがAlphaGenome 2を発表 DNA配列に細胞型・状態の条件を組み合わせ、28免疫細胞型の評価で原因変異の検出を16%から30%へ(著者報告)

    Google DeepMindは2026年11月11日、DNA配列(最大100万塩基)に細胞型・細胞状態の条件を入力できる次世代の配列モデルAlphaGenome 2を発表した。ヒトとマウスのバルク・単一細胞データを用い、1億700万超のヒト単一細胞RNA配列データ(68組織)で学習し、DNAメチル化の予測を新たに加えた。28の免疫細胞型を含むTenK10Kデータセットの評価では、単一細胞データで追加調整した初代AlphaGenomeに比べて原因変異の検出が16%から30%、遺伝子発現効果の向きの予測が23%から43%になったと著者は報告する。APIとColabノートブックを非商用研究向けに公開し、商用研究は限定プレビュー。臨床・診断用途には使えないとしている。数値は著者の比較結果で、第三者検証はまだない。

    記事を読む
  3. Google DeepMind、Signalの暗号実装を機械語レベルで形式検証 AIエージェントが約650万行のLean証明を生成

    Google DeepMindは2026年11月10日、AIエージェントでソフトウェアを深部まで形式検証する新フレームワーク「AlphaProof Code」を発表し、Signalプロトコルの基盤実装libsignalのセキュリティをコンパイル済みバイナリの機械語レベルまで数学的に証明したと公表しました。対象はlibsignal v0.105.4とSPQR v1.6.0の1対1セッションで、生成されたLean証明は約650万行、人が読んで信頼する部分は約2.6万行です。証明と仕様はApache 2.0で公開されました。

    記事を読む