2026年10月27日 · モデル
Raia Hadsell、Diego Rivas、Hang Qi

本日、私たちは最新の世界モデル(world model)である Genie 4 を正式に発表します。Genie 4 はこれまでにないリアリズムをもたらし、リアルタイムでインタラクティブなシミュレーション機能を大幅に向上させています。ネイティブなマルチモーダル性能を備えた Genie 4 は、構築された世界と同期して、音楽、環境音、インタラクティブな対話などの音声を同時に生成することができます。
Genie 4 は、Gemini ファミリーの能力を統合し、その基盤の上に構築されています。Gemini Omni がシミュレーション世界に現実世界さながらの見た目と振る舞いをもたらし、他の Gemini モデルが必要とされる高度な推論機能を提供することで、シミュレーションの一貫性と連続性を維持します。
この基盤により、イベントを1つトリガーするだけで、Genie 4 はその後の展開――世界がどう反応し、どんな音を立て、登場人物がどのように行動し、反応し、会話するか――をシミュレートできます。
現実世界を理解しシミュレートすることは、汎用人工知能(AGI)を構築する上で不可欠な要素です。Genie 4 は、ロボットやエージェント(agent)向けのトレーニング環境の構築から、新たなインタラクティブ体験の創出に至るまで、安全で無限のバリエーションを持つシミュレーション環境を生成する能力を大幅に引き上げます。
一般のユーザーや開発者への広範なリリースに先立ちフィードバックを収集するため、信頼できるテスター向けに Genie 4 のリサーチプレビュー(research preview)の提供を開始しました。最初の展開対象には、Project Genie を利用する Google AI Ultra サブスクリプションユーザーや、Gemini API および Google AI Studio のアーリーアクセスパートナーが含まれます。Project Genie における Genie 4 のウェイトリストへの参加はこちら。


Genie 4 は、より優れたフォトリアリズム(photorealism)、滑らかなモーション、そしてネイティブな音声生成能力を実現しています。上記の動画に含まれるすべての環境音や効果音は、Genie 4 によって直接生成されたものです。
Genie 4 がブレークスルーを果たした4つのコア機能
以下は Genie 4 のリアルタイムインタラクションの画面収録です。ユーザーは標準キーボード操作で視点移動やカメラワークを制御し、テキストプロンプト(prompt)を用いてシーンの動的な展開を誘導しています。
世界シミュレーションのリアルタイムな再構築
Genie 4 を使えば、自然言語でシミュレーションシーンをリアルタイムに変更できます。例えば、天気を変えたり、カメラの位置を移動したり、新しい人物やオブジェクトを登場させたりすることが可能です。Gemini はコンテキストに応じてプロンプトを調整し、周囲のシーンと完全に調和させます。また、入力の合間にも Gemini がシーンを継続的に監視・誘導し、世界の展開における一貫性を保ち続けます。
音声をオンにして、Genie 4 が生成した世界のサウンドをお聴きください。
スライド 1 / 3


プロンプト:参照画像をシーンの正確な最初のフレームおよび視覚的基準として使用。同一の浮遊する長方形のプラットフォーム、風化したコンクリートのエッジ、雑草、シダ植物、曲がりくねった小さな木、温かみのある光を放つ琥珀色の球体、そしてゆったりとした茶色のスーツを着て真鍮のサックスを演奏する中年男性をそのまま維持。
映画のような質感を持つ、極めてリアルなドキュメンタリー風シーン。16mmフィルムで撮影され、繊細な粒子感、柔らかな撮影ディテール、非常に低いコントラスト、落ち着いた自然な色合い、明るめのシャドウ、穏やかなハイライト、そして柔らかく拡散した曇り空の拡散光を伴う。HDR、ドラマチックなコントラスト、光沢感の強いデジタルレンダリング、人工的な映画照明は一切排除。
プラットフォームは広大で穏やかな湖の中央に浮かび、遠くには霧に包まれた森が広がっている。水面には薄い霧の層が漂う。空は灰青色で雲に覆われ、穏やかでほぼモノクロに近い雰囲気を醸し出している。温かみのある琥珀色の球体が繊細な明暗のコントラストを生み出し、周囲の植生を優しく照らしながら湖面に反射している。
開始カットは参照画像よりもサックス奏者に近づきつつ、プラットフォーム、発光する球体、木、そして周囲の湖面がすべて視野に収まるようにする。男性はかすかな息遣い、指の動き、体の穏やかな揺れを伴いながら、自然にサックスを演奏し続ける。
カメラは独立して動き、水面上をスムーズかつコントロールされた滑らかな動作で移動しながら、環境全体を自由に探索できる。カメラは人物やプラットフォームに固定されない。リアルな空間の連続性と自然なカメラワークを維持。
エクスペリエンス全体を通じて、すべての要素は常にフォトリアリスティックであり、物理法則に従い、ドキュメンタリーの質感、極めて低いコントラスト、そして落ち着いた低彩度を維持しなければならない。
ワンカット(ノーカット)。リアルな湖の環境音、遠くの風の音、穏やかな水音、そして本物のサックスの音。シーン内に実際に登場する楽器以外のBGMは一切なし。
プロンプト:参照画像をシーンの正確な最初のフレームおよび視覚的基準として使用。同一の浮遊する長方形のプラットフォーム、風化したコンクリートのエッジ、雑草、シダ植物、曲がりくねった小さな木、温かみのある光を放つ琥珀色の球体、そしてゆったりとした茶色のスーツを着て真鍮のサックスを演奏する中年男性をそのまま維持。
映画のような質感を持つ、極めてリアルなドキュメンタリー風シーン。16mmフィルムで撮影され、繊細な粒子感、柔らかな撮影ディテール、非常に低いコントラスト、落ち着いた自然な色合い、明るめのシャドウ、穏やかなハイライト、そして柔らかく拡散した曇り空の拡散光を伴う。HDR、ドラマチックなコントラスト、光沢感の強いデジタルレンダリング、人工的な映画照明は一切排除。