AI最新情報読了 5 分

天候もカメラも文字で変えられる仮想世界、Google DeepMindの新モデル「Genie 4」が音声生成にも対応

Shiritomo編集部 @shiritomoAI_jp 2026年10月28日更新

画面の中の仮想世界に向かって「夕立に変えて」と文字で指示すると、数秒後には雨音とともに空の色が変わる——。
Google DeepMindが10月27日（現地時間）に発表した新しい世界モデル「Genie 4」は、そうした操作をリアルタイムでこなします。
AIで動画や画像を作る仕事に関わる人だけでなく、ゲームや映像制作の現場にも影響が及びそうな発表です。

先に結論をまとめると：
– Google DeepMindは10月27日（現地時間）、リアルタイムで操作できる世界モデル「Genie 4」を発表しました
– Genieシリーズとして初めて、背景音や登場人物の会話などの音声をシーンに合わせてその場で生成できるようになりました
– まずは一部のテスターに提供されており、Google AI Ultra加入者とAPIの早期アクセス先への拡大は数週間以内を予定しています

Google DeepMindとサンダー・ピチャイ氏が明らかにした新機能

発表したのはGoogle DeepMindの公式Xアカウントです。
「これまでで最もリアルで、操作しやすい世界モデルです。
環境を動的に探索しながら、その場でシーンがどう反応し、どう音が鳴り、登場する人物がどう動き、反応し、話すかを見ることができます」という趣旨の投稿とともに、デモ映像を公開しました。

This is Genie 4, our most realistic and interactive world model yet. 🌐

Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak. pic.twitter.com/6mmSUm9BBO
— Google DeepMind (@GoogleDeepMind) 2026年10月27日

Google CEOのサンダー・ピチャイ氏も自身のXで発表に触れ、「リアルタイムで動的な環境を操作し、出来事やカメラアングル、アクションを形作れる。
リアルな環境音から会話する登場人物まで、世界に合わせたネイティブな音声も生成できる」という趣旨のコメントを寄せています。

Excited to share Genie 4 today our most realistic and interactive world model:

– steer dynamic environments in real time, shaping events, camera angles, and actions

– generate native audio matched to the world, from realistic background sounds to characters who can converse in… pic.twitter.com/BFgQQH9KUb
— Sundar Pichai (@sundarpichai) 2026年10月27日

ただ、「操作できる」という言葉だけでは具体的に何が変わったのか分かりません。
そこで公式発表の内容を確認しました。

調べて分かったこと

何が新しくなったのか

Genie 4は、前世代の「Genie 3」に比べてシーンの一貫性を保てる時間が約2分と、2倍に伸びました。
自然言語の指示で天候やカメラの位置、登場させる人や物をその場で変えられる点も強化されています。
Genieシリーズとして初めて、音声をネイティブに生成できるようになったことが最大の変更点です。
波の音のような環境音から、登場人物同士の会話まで、映像と同時にその場で作られる仕組みだと説明されています。
物理演算の精度も上がり、空気の流れや物同士の衝突の表現に加え、「登場する人物の動きの改善が最も大きな進化だ」とされています。

Geminiとの関係、そしていつから使えるのか

Genie 4は、Googleの汎用AIモデル「Gemini」の技術を組み合わせて作られています。
Gemini Omniが実在の見た目や振る舞いをシーンに反映させる土台を担い、ほかのGeminiモデルが複雑な推論を担うことで、長い時間シーンの一貫性を保っているとされています。
アクセス面では、現在は一部のテスターに提供されている段階です。
Google AI Ultra加入者とGemini APIの早期アクセスパートナーへの拡大は「数週間以内」とされており、一般ユーザーが触れられるまでにはまだ時間がかかりそうです。
想定される用途としては、映像制作の事前検証やロボットの訓練環境としての活用が挙げられています。

Shiritomo編集部の考察

Genie 4で注目したいのは、音声と映像が同時に、その場で生成される点です。
これまでの生成AIは「まず画像や映像を作り、音は別工程で足す」という分業が前提でしたが、Genie 4はその境界をなくしました。
SNS向けの動画制作や広告クリエイティブの現場では、企画から試作までの時間を大きく圧縮できる可能性があります。
一方で、実在の人物の動き・話し方まで即興で生成できることは、合成メディアの見分けにくさが一段上がることも意味します。
Google AI UltraやAPIへの提供が始まる数週間後には、実際にどこまでの品質で使えるのか、具体的な活用事例とあわせて検証したいところです。