Genie 4は従来のGenieモデルと何が違うのか。

Genie 4は、従来モデルのリアルタイムなインタラクションに、環境音や音楽、会話といった音声のネイティブ生成を加えた。Google DeepMindは、音声をネイティブに生成する初のリアルタイム世界モデルだと説明している。

シミュレーションの実行中に世界を編集できるのか。

できる。シミュレーション中に自然言語で指示を出すことで、天気を変えたり、カメラを動かしたり、新しい人や物体を登場させたりできる。

Genie 4はどのように構築され、いつ利用できるのか。

Google DeepMindによると、Genie 4はGeminiファミリーを基盤とし、Gemini Omniなどのモデルがシミュレーションを基礎づけ、Gemini 3.8 Flashが生成ループ内のガイドエージェントとして機能する。モデルの内部構造や一般公開の時期は明らかにされていない。

大規模言語モデル動画生成音声・スピーチnote AI1日前2026年11月4日 1:00

Google DeepMindがGenie 4発表

LINEで送る

3つのポイント

何が起きたか
Google DeepMindは2026年10月27日、Genie 4を発表した。映像とともに、風や波、音楽、変化する会話といった音声をネイティブに生成する初のリアルタイム世界モデルだとしている。
なぜ重要か
同社によれば、音声は映像と音を別々に生成して後から同期するのではなく、モデル内部でネイティブに生成される。ただし内部の仕組みは明らかにされていない。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

こうしたAIニュースを毎朝無料で受け取る LINEで友だち追加して受け取る

背景と解説

Genie 4は、2024年3月に始まり、同年12月のGenie 2、2025年8月5日のGenie 3へと続いたシリーズの第4世代として登場した。Genie 3はテキストから多様なインタラクティブ環境を生成する汎用世界モデルとして発表され、720p・24fpsのリアルタイム動作と約1分間の視覚メモリーに対応していた。2026年1月にはProject Genieと呼ばれる早期アクセス版が、Google AI Ultraを購読する18歳以上の米国在住者に提供され、セッションは世界探索60秒に制限されていた。

音声機能に加え、DeepMindはGenie 4をGeminiファミリーの上に構築されたと説明する。Gemini Omniがシミュレーションを実世界の見た目や挙動に基礎づけ、Gemini 3.8 Flashがシーンを観察し、目標を段階に分け、フレームを確認し、世界の変化やユーザーの介入に応じて再計画するガイドエージェントとして機能するという。DeepMindの研究ディレクター、Tejas Kulkarni氏は記者説明会で、Geminiがコードとテキストを書き、Genieが現実をシミュレートする「ハイブリッド世界モデル」が今後より一般的になるだろうと述べた。

この役割分担は、AIエージェントでおなじみの計画・実行・確認のループに似ている。一方、Gemini OmniとGemini 3.8 FlashがGenieモデルの内部に組み込まれているのか、外部から制御しているのか、各構成要素がどのようにつながっているのかは、公開情報からは明らかでない。

よくある質問

Genie 4は従来のGenieモデルと何が違うのか。: Genie 4は、従来モデルのリアルタイムなインタラクションに、環境音や音楽、会話といった音声のネイティブ生成を加えた。Google DeepMindは、音声をネイティブに生成する初のリアルタイム世界モデルだと説明している。
シミュレーションの実行中に世界を編集できるのか。: できる。シミュレーション中に自然言語で指示を出すことで、天気を変えたり、カメラを動かしたり、新しい人や物体を登場させたりできる。
Genie 4はどのように構築され、いつ利用できるのか。: Google DeepMindによると、Genie 4はGeminiファミリーを基盤とし、Gemini Omniなどのモデルがシミュレーションを基礎づけ、Gemini 3.8 Flashが生成ループ内のガイドエージェントとして機能する。モデルの内部構造や一般公開の時期は明らかにされていない。

note AI元記事を読む

LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

無料で受け取る

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

これは何がすごいの？: Genie 4で新しく、これまでと違うのは、リアルタイムに生成する世界に環境音や音楽、登場人物の会話といった「音」をネイティブに加えた点です[1][2]。・DeepMindはこれを、映像と音を別々に作って後から同期する方式ではなく、モデル内部で音を直接生成する「natively multimodal」な方式だと説明しています[1]。・Genie 3は720p・24fpsでリアルタイムに歩き回れ、約1分間の視覚的記憶を保持した[1][3]。・今回の音声と対話の対応について、過去記事では「映像がきれいになった以上の大きな一歩」だと位置づけられ、生成世界が見えるだけでなく聞いたり話しかけたりできるようになったとされています[3]。・一方で、解像度やfps、遅延、価格は公表されておらず、長く動かすと物体の存在が途中でずれることがあるなど、研究途上の課題も挙げられています[3][4]。出典Google DeepMindがGenie 4発表（AIToday・2026-11-03）Google DeepmindがGenie 4発表（AIToday・2026-10-27）音声と対話を備えた世界モデルGenie 4を発表（AIToday・2026-11-02）Google DeepMind、音声も同時に生成するリアルタイム世界モデル「Genie 4」を発表（AIToday・2026-10-28）
誰にどんな影響があるの？: ・Google AI Ultra加入者：今後数週間でGenie 4はProject Genie内のGoogle AI Ultra加入者とGemini API・Google AI Studioの早期アクセスパートナーに展開される[1][2]。・Gemini API・Google AI Studioの早期アクセスパートナー：今後数週間でGenie 4はProject Genie内のGoogle AI Ultra加入者とGemini API・Google AI Studioの早期アクセスパートナーに展開される[2][3]。・信頼できるテスター：まずは信頼できるテスター向けのリサーチプレビューとして提供を始めた[3]。出典Google DeepMindがGenie 4発表（AIToday・2026-11-03）GoogleがGenie 4公開（AIToday・2026-10-27）Google DeepMind、音声も同時に生成するリアルタイム世界モデル「Genie 4」を発表（AIToday・2026-10-28）