Genie 4は、Google DeepMindが2026年10月27日に発表した最新のワールドモデルで、テキストで指示したシーンがその場で音を鳴らし、人物が動き、反応し、話すところまでリアルタイムに生成できるのが特徴です。
室谷代表取締役いやあ、来ましたね。Google DeepMindが「Genie 4」を発表しました。
前世代のGenie 3から約1年2か月での更新で、今回は音声までネイティブに扱うようになったんですよね。
前世代のGenie 3から約1年2か月での更新で、今回は音声までネイティブに扱うようになったんですよね。
テキトー教師DotAI 認定講師そうなんですよ。単に映像がきれいになったという話じゃなくて、ワールドモデルが「見るもの」から「対話するもの」に寄ってきた発表なんです。
まずは何が発表されたのか、整理していきましょう。
まずは何が発表されたのか、整理していきましょう。
Genie 4とは？Google DeepMindが発表した最新ワールドモデルの正体
Genie 4の5つの柱
写実性
Gemini Omniの上に構築され、空間や被写体のディテールをリアルに見せる土台
物理演算
リアルタイム操作
ネイティブ音声
環境音・音楽・背景ノイズ・インタラクティブな対話まで同時生成
Gemini推論
室谷代表取締役そもそもワールドモデルって何かというと、AIが世界の仕組みを理解して、その一部をシミュレーションするシステムのことなんですよね。Google DeepMindはこれをAGIへの重要な要素と位置づけていて、Genie 4もその系譜にあります。
テキトー教師DotAI 認定講師ええ。Genie 4は「これまでで最もリアルでインタラクティブなワールドモデル」と公式に説明されています。
テキストで指示すると、その場で探索できる動的な環境をリアルタイムに生成する仕組みです。ここは「3D環境」ではなく「動的な環境」「インタラクティブな世界」という表現が正確ですね。
資料に3Dという明記はありませんから。
テキストで指示すると、その場で探索できる動的な環境をリアルタイムに生成する仕組みです。ここは「3D環境」ではなく「動的な環境」「インタラクティブな世界」という表現が正確ですね。
資料に3Dという明記はありませんから。
室谷代表取締役柱は5つ。写実性、物理演算、リアルタイム操作、ネイティブ音声、そしてGemini推論です。
特に写実性はGemini Omniの上に構築されていて、空間や被写体のディテールをリアルに見せる土台になっている。MYUUUでも動画生成系は触っていますけど、土台モデルが違うとここまで質感が変わるのかというのは素直に気になります。
特に写実性はGemini Omniの上に構築されていて、空間や被写体のディテールをリアルに見せる土台になっている。MYUUUでも動画生成系は触っていますけど、土台モデルが違うとここまで質感が変わるのかというのは素直に気になります。
テキトー教師DotAI 認定講師しかもGenie 4は「初のリアルタイム音声生成に対応したワールドモデル」と公式に書かれています。環境音、音楽、背景ノイズ、そしてインタラクティブな対話まで同時に生成される。
講座で受講生さんによく言うのは「生成AIは映像と音を別々に作る時代が長かった」ということなんですが、その前提が崩れてきた感じがしますね。
講座で受講生さんによく言うのは「生成AIは映像と音を別々に作る時代が長かった」ということなんですが、その前提が崩れてきた感じがしますね。
室谷代表取締役位置づけとしても面白くて、Google DeepMindのモデル一覧ではGenie 3が「インタラクティブな世界を生成・探索」と並んでいる横に、Genie 4も同じ説明で載っているんですよ。つまり世代が入れ替わる形でラインナップに加わったと。
テキトー教師DotAI 認定講師はい。そして忘れてはいけないのが、これは研究プレビュー段階だということです。
信頼できるテスター向けにロールアウトが始まったところで、いきなり誰でも使える製品ではない。ここを混同すると記事の意味が変わってきます。
信頼できるテスター向けにロールアウトが始まったところで、いきなり誰でも使える製品ではない。ここを混同すると記事の意味が変わってきます。
Genie 4でできること——ネイティブ音声・物理演算・人物モーションの進化
Genie 4でできること
リアルタイム操作
自然言語で天気・カメラ・人物や物体の登場をその場で変更。Geminiがプロンプトを周囲のシーンに文脈的に適応させる
Geminiによるシーン監視
入力と入力の間もシーンを監視して舵を取り、世界の一貫性を保つ。裏側で推論モデルが働く
物理演算の進化
空気力学・衝突・人物の自然な動き。風に揺れる草原、台座のスイカ、カエデの種が落ちるマクロ撮影など
人物モーションの跳躍
キャラクターが自然に動き環境に有機的に反応、リアルタイム操作可能。1980年代の日本の混雑した駅の例も
ネイティブ音声生成
初めてリアルタイムで音声をネイティブ生成するワールドモデル。風や波などの環境音をまとう
人間のspeech(会話)
キャラクターが入力や世界の出来事に反応し、その場で会話が適応。音が世界の設定と結びつく
Gemini推論の層
複数ステップのイベントを計画し、シーンが進化しても一貫性を保つ。エージェント訓練の文脈で有効
室谷代表取締役ここが今回の核心ですよね。まずリアルタイム操作。
自然言語でシミュレーションをその場で変更できる。天気を変える、カメラを動かす、新しい人物や物体を登場させる。
しかもGeminiがプロンプトを周囲のシーンに合わせて文脈的に適応させてくれるんです。
自然言語でシミュレーションをその場で変更できる。天気を変える、カメラを動かす、新しい人物や物体を登場させる。
しかもGeminiがプロンプトを周囲のシーンに合わせて文脈的に適応させてくれるんです。
テキトー教師DotAI 認定講師単にプロンプトを反映するだけじゃないんですよ。入力と入力の間も、Geminiがシーンを監視して舵を取る。
だから世界が一貫性を保ったまま進んでいく。ここは「単に指示を反映するな話じゃない」という典型で、裏側で推論モデルが働いているから成立している体験なんです。
だから世界が一貫性を保ったまま進んでいく。ここは「単に指示を反映するな話じゃない」という典型で、裏側で推論モデルが働いているから成立している体験なんです。
室谷代表取締役物理演算も進化しています。空気力学、衝突、そして人物の自然な動き。
公式のデモでは、風に揺れる草原や、石の台座に置かれたスイカ、カエデの種が木から草むらへ落ちるマクロ撮影なんかが例に挙がっています。
公式のデモでは、風に揺れる草原や、石の台座に置かれたスイカ、カエデの種が木から草むらへ落ちるマクロ撮影なんかが例に挙がっています。
テキトー教師DotAI 認定講師人物の表現が一番ドラマチックな跳躍だと公式が書いていますね。キャラクターが自然に動き、環境に有機的に反応し、リアルタイムで操作できる。
1980年代の日本の混雑した駅のプロンプト例なんかは、群衆の密度や赤い列車の位置まで細かく指定されていて、生成側の指示の解像度が問われる例になっています。
1980年代の日本の混雑した駅のプロンプト例なんかは、群衆の密度や赤い列車の位置まで細かく指定されていて、生成側の指示の解像度が問われる例になっています。
室谷代表取締役音声はどうですか。Genie 4は初めてリアルタイムで音声をネイティブ生成するワールドモデルで、それぞれの世界がその場の環境音をまとう。
木々を渡る風、浜辺の波。でも本当のフロンティアは人間の speech、つまり会話なんですよ。
キャラクターがこちらの入力や世界の出来事に反応して、その場で会話が適応していく。
木々を渡る風、浜辺の波。でも本当のフロンティアは人間の speech、つまり会話なんですよ。
キャラクターがこちらの入力や世界の出来事に反応して、その場で会話が適応していく。
テキトー教師DotAI 認定講師公式ページには「Audio On」で聴けるデモが複数あります。1995年の香港インディーズ恋愛映画風のマクロ撮影、竜騎士の一人称視点、ステンドグラスの世界。
どれも音が世界の設定と結びついているのがポイントです。
どれも音が世界の設定と結びついているのがポイントです。
室谷代表取締役あとGemini推論の層も見逃せない。複数ステップのイベントを計画して、シーンが進化しても一貫性を保つ。
これはエージェント訓練の文脈で効いてくる部分ですよね。
これはエージェント訓練の文脈で効いてくる部分ですよね。
テキトー教師DotAI 認定講師ここで使われているGeminiの役割分担も公式に書かれています。Gemini Omniが外観と挙動の土台、Gemini 3.8 Flashがリアルタイムの誘導役、Gemini 4 Argonが多段階計画の作成。
役割が分かれているのが面白いところです。
役割が分かれているのが面白いところです。
Genie 3から何が変わった？世代差分で見るGenie 4の実力
Genie 3とGenie 4の世代比較
| 項目 | Genie 3（2025年8月） | Genie 4（2026年10月） |
|---|---|---|
| リアルタイム操作 | 対応 | 対応（自然言語でシーン変更・要素追加・対話） |
| 解像度・フレームレート | 720p・24fps | 資料に明記なし |
| 一貫性の持続 | 数分間 | 連続操作は数分間（引き続き制約） |
| 音声生成 | 発表では言及なし | ネイティブ音声・対話音声に対応 |
| 物理演算 | 水・光などの自然現象 | 空気力学・衝突・人物の自然な動き |
| 推論 | 資料に明記なし | Gemini推論で多段階イベントを計画 |
室谷代表取締役ここは比較を整理しておきたいですね。Genie 3は2025年8月5日発表で、テキストからリアルタイムに操作できる環境を24fps・720pで生成できた。
ただし一貫性は数分間。Genie 1と2は環境生成はできてもリアルタイム操作はできなかった。
ただし一貫性は数分間。Genie 1と2は環境生成はできてもリアルタイム操作はできなかった。
テキトー教師DotAI 認定講師整理するとこうです。
| 項目 | Genie 3（2025年8月） | Genie 4（2026年10月） |
|---|---|---|
| リアルタイム操作 | 対応 | 対応（自然言語でシーン変更・要素追加・対話） |
| 解像度・フレームレート | 720p・24fps | 資料に明記なし |
| 一貫性の持続 | 数分間 | 連続操作は数分間（引き続き制約） |
| 音声生成 | 発表では言及なし | ネイティブ音声・対話音声に対応 |
| 物理演算 | 水・光などの自然現象 | 空気力学・衝突・人物の自然な動き |
| 推論 | 資料に明記なし | Gemini推論で多段階イベントを計画 |
室谷代表取締役なるほど。解像度やfpsの数値がGenie 4で出ていないのは、比較の軸が「きれいさ」から「インタラクションの質」に移ったからかもしれないですね。
テキトー教師DotAI 認定講師ただ、音声については正確に言っておきたい。Genie 3の発表時に音声生成の言及がなかったというのが事実で、「Genie 3には音声機能がなかった」と断定する資料はありません。
ここは表現に注意が必要です。
ここは表現に注意が必要です。
室谷代表取締役あとGenie 3の資料では「エージェントが環境の変化や自身の行動の影響を予測できるようにする」ことが動機として挙げられていました。Genie 4はその延長線上で、物理法則や人物の反応、音声まで含めた忠実なシミュレーションを目指しているわけです。
テキトー教師DotAI 認定講師世代を追うごとに「操作できる」から「リアルに、音まで含めて、一貫して操作できる」へと軸が動いているのがよく分かります。
Genie 4の使い方・始め方——Project GenieとAPI提供の現在地
室谷代表取締役で、どうやって使うのかという話ですよね。現時点では信頼できるテスター向けのリサーチプレビュー。
ここが現在地です。
ここが現在地です。
テキトー教師DotAI 認定講師公式には、まずGoogle AI Ultra加入者向けのProject Genieで、そしてGemini APIとGoogle AI Studioの早期アクセスパートナー向けに順次展開予定と書かれています。Genie 4のウェイトリストも用意されていて、Project Genieのウェイトリストに参加できる形です。
室谷代表取締役使い方のイメージとしては、Project Genieの中でテキストプロンプトを打ち、キーボードで移動とカメラ操作をし、シーンが進化する中でプロンプトで介入する。公式のデモも「標準的なキーボード操作でナビゲーションとカメラ制御、テキストプロンプトでシーンを誘導」と説明されています。
テキトー教師DotAI 認定講師開発者目線だと、Gemini APIとGoogle AI Studioの早期アクセスパートナー枠が気になるところですね。ただ、APIの具体的なモデル名や料金、レート制限は今回の資料には書かれていません。
ここは「現時点では明らかにされていません」と正直に書くべき部分です。
ここは「現時点では明らかにされていません」と正直に書くべき部分です。
室谷代表取締役ですよね。Gemini APIのドキュメントを見れば何か分かるかもしれないですけど、少なくとも今回の発表資料にはモデルIDの記載はない。
勝手に補完しないのが正確な報道です。
勝手に補完しないのが正確な報道です。
テキトー教師DotAI 認定講師あと、Gemini APIのモデル群とは別枠の扱いなのかどうかも資料には書かれていません。だから「早期アクセスパートナー向けに提供予定」とだけ書くのが正解です。
室谷代表取締役ちなみにGemini APIの全体像については、Google DeepMind、Gemini 3.6 Flashなど3モデルを発表の記事でも整理していますので、そちらと合わせて読むと位置づけが分かりやすいと思います。
Genie 4は日本でいつから使える？料金と提供範囲
室谷代表取締役ここが一番聞かれるところですよね。日本でいつから使えるのか。
テキトー教師DotAI 認定講師結論から言うと、日本を含む地域別の提供開始時期は今回の資料に明記されていません。分かっているのは、信頼できるテスター向けのリサーチプレビューが始まったこと、次にGoogle AI Ultra加入者向けのProject Genie、そしてGemini APIとGoogle AI Studioの早期アクセスパートナー向けに順次展開予定ということだけです。
室谷代表取締役料金も同じで、Genie 4単体の価格は資料にありません。Google AI Ultra加入者向けに提供予定という記述があるだけで、サブスクリプションの詳細な枠組みは今回の資料では触れられていません。
テキトー教師DotAI 認定講師ですから「日本でいつから」という問いには、現時点では明らかにされていないと答えるのが誠実です。ウェイトリストに参加して案内を待つ、というのが今できる現実的なアクションですね。
室谷代表取締役過去のGoogle DeepMindのリリースを見ても、日本での展開は段階を踏むことが多いので、まずはProject Genieのウェイトリストが窓口になるという理解でいいと思います。
テキトー教師DotAI 認定講師あと、Google AI Ultra加入者向けという表現から、既存の有料プラン経由での提供が想定されているように読めますが、価格や条件は資料にないので断定は避けましょう。
Genie 4の応用先と限界——ロボティクス・エージェント訓練から見えた課題
室谷代表取締役応用先の話をしましょう。公式が挙げているのは、ロボティクスとエージェントの訓練、そして新しいインタラクティブ体験の創出です。
テキトー教師DotAI 認定講師特にロボティクスは具体的で、Gemini 4 Argonがタスク完了のための詳細な多段階計画を作り、そのステップをテキストキャプションとしてGenie 4に渡しながらシミュレーションがレンダリングされる例が紹介されています。Gemini Roboticsとの実験も進んでいる。
室谷代表取締役これは「無限の遊び場」をロボティクスに提供するという発想ですよね。現実に出す前に、多様な環境でエージェントやロボットを訓練・テストできる。
SIMAのようなエージェントが新しいスキルを学ぶ場としても想定されています。
SIMAのようなエージェントが新しいスキルを学ぶ場としても想定されています。
テキトー教師DotAI 認定講師ゲームや映画の文脈でも、インタラクティブな体験の創出という応用が示されています。ただ、ここは具体的な製品名や提携先までは資料にないので、可能性の話として書くのが適切です。
室谷代表取締役で、限界も公式がかなり正直に書いています。視覚的ディテールと物体の永続性は時間とともに揺らぐ。
長時間の実行、複雑なプロンプト編集の後、シーン内を移動するときに顕著になる。
長時間の実行、複雑なプロンプト編集の後、シーン内を移動するときに顕著になる。
テキトー教師DotAI 認定講師複数の独立したエージェントと共有環境の複雑な相互作用のモデリングは継続研究課題。実在の場所を完全に正確に再現することはできない。
テキストの描画は入力の世界記述に含まれている場合に限られる。連続したインタラクションは数分間で、長時間セッションには向かない。
音声の精度も発展途上。
テキストの描画は入力の世界記述に含まれている場合に限られる。連続したインタラクションは数分間で、長時間セッションには向かない。
音声の精度も発展途上。
室谷代表取締役この「数分間」という制約はGenie 3から続いている課題なんですよね。リアルタイム性と一貫性のトレードオフがまだ残っている。
テキトー教師DotAI 認定講師講座でも受講生さんに「デモの派手さと、実際に使える範囲は別物」と伝えているんですが、まさにその典型です。制約を理解した上で、どこに使うかを設計する力が問われます。
室谷代表取締役あと、これは研究プレビューであるという前提も大事です。公式も「初期段階の進化する技術であり、多くの領域で研究が進行中」と明記しています。
テキトー教師DotAI 認定講師責任ある形でフロンティアを進めるという姿勢も示されています。安全性の観点は、こうしたシミュレーション技術では避けて通れない論点ですね。
室谷代表取締役関連して、Gemini Roboticsの進化についてはGoogle DeepMind「Gemini Robotics 2」全身制御AI発表で詳しく解説しています。ロボティクスとワールドモデルの組み合わせは、今後ますますセットで語られると思います。
Genie 4に関するよくある質問
室谷代表取締役では最後に、よく聞かれる点を整理しておきましょう。
テキトー教師DotAI 認定講師まず「Genie 4は無料で使えるのか」。これは資料に料金の記載がないので、現時点では明らかにされていません。
提供はテスター向けプレビューから始まり、Google AI Ultra加入者向けのProject Genie、Gemini APIとGoogle AI Studioの早期アクセスパートナーへ順次展開予定です。
提供はテスター向けプレビューから始まり、Google AI Ultra加入者向けのProject Genie、Gemini APIとGoogle AI Studioの早期アクセスパートナーへ順次展開予定です。
室谷代表取締役「日本でいつから使えるのか」も同じで、地域別の開始時期は明記されていません。ウェイトリストが案内の窓口になります。
テキトー教師DotAI 認定講師「Genie 3との違いは何か」。ネイティブ音声生成への対応、空気力学や衝突を含む物理演算の強化、人物の自然な動きとリアルタイム操作、Gemini推論による多段階イベントの一貫性維持が主な進化点です。
室谷代表取締役「どんなことができるのか」については、テキストで指示した世界をリアルタイムに探索し、プロンプトで天気やカメラ、人物や物体を変更でき、環境音や会話まで生成される。キーボードで移動とカメラ操作をする形です。
テキトー教師DotAI 認定講師「制約は何か」もよく聞かれます。物体の永続性の揺らぎ、複数エージェントの相互作用モデリング、実在地点の完全再現不可、テキスト描画の限定、連続操作は数分間、音声精度は発展途上。
これらは公式に明記されている制約です。
これらは公式に明記されている制約です。
室谷代表取締役「APIではいつ使えるのか」。Gemini APIとGoogle AI Studioの早期アクセスパートナー向けに順次展開予定とされていますが、具体的なモデル名や料金、日付は資料にありません。
テキトー教師DotAI 認定講師こうして並べると、期待と制約のバランスがよく分かりますね。派手なデモに目が行きがちですが、研究プレビューとしての現在地を正確に押さえることが、これからの活用を考える第一歩になります。
室谷代表取締役ですね。ワールドモデルが音声と対話を手に入れた意味は大きいので、今後の展開を追いかけていきましょう。
