Google DeepMind、世界モデル「Genie 4」発表　Geminiが頭脳として指示を実行

本ページはプロモーションを含みます（掲載基準）

画像: Google AI 公式 X

結論（先に3行）

1. Google DeepMindが世界モデル「Genie 4」を発表しました。2. 言葉による指示で仮想空間や音響をリアルタイムに操作できます。3. 仮想環境の生成や物語の作成を行う人が対象です。

米Google DeepMindは、世界モデルの「Genie 4」を発表しました。シミュレーション空間を動かす中核の処理に「Gemini」を採用しています。

利用者は日常の言葉を使い、仮想環境や音響をリアルタイムに操作できます。天候の変更や視点の移動に加え、新しい要素を空間に追加する指示も処理します。環境音の生成や、状況に合わせて変化する対話機能も備えます。

Geminiは全体の頭脳として動作します。利用者の要望を行動へ変換し、複雑な出来事を計画します。さらに空間の推移を監視して状況を把握し、利用者が変更した筋書きに合わせて全体を調整します。

仮想空間を用いた制作を行う現場では、言葉で指示を出すだけで場面や音声を即座に切り替えられます。複雑な事象の計画や変化への追従をGeminiに任せることで、対話を含むシミュレーションを素早く構築できます。

ざっくり言うと、言葉で指示を出すだけで、ゲームや仮想世界の天候やカメラ、登場人物の会話を即座に動かせる仕組みです。たとえるなら、舞台監督の指示をGeminiが瞬時に理解し、大道具や照明、役者のセリフをその場で切り替えてくれる助手を雇うような感覚です。

映像を生成するだけでなく、指示に応じて天候やカメラ、さらには会話までリアルタイムに制御できる点に、筆者はかなり驚きました。シミュレーション全体の進行管理までGeminiが担っており、頭脳としての役割がはっきり見えます。

操作系そのものの転換。

裏側で状況を常に把握し、利用者の指示に合わせて筋書きを調整する仕組みは、ゲームや対話コンテンツの制作工程を大きく変えそうです。今後は一般公開の時期とともに、次の開発者向け発表で外部の開発者が試せるAPIが提供されるかを見たいです。

仮想空間のシミュレーションを作成している人は、言葉での指示だけで場面や音声をリアルタイムに変更できるようになります。