Genie 4発表で世界シミュレーションが新世代に

Googleは世界モデル「Genie 4」の発表を発表し、招待されたテスター向けにリサーチプレビューの提供を開始した。ユーザーはキーボードで視点や移動を操作できるほか、テキストを入力して、シーン実行中に天候の変更、人物やオブジェクトの追加が可能。Googleによれば、このモデルは映像、環境音、状況に応じた会話を同期して生成し、人物の動きや衝突などの物理的な相互作用をシミュレートできるというが、これらの機能はより広範な利用を通じて検証される必要がある。 Genie 4はGeminiシリーズモデルを組み合わせている。そのうち、Gemini 3.8 Flashは生成された映像を継続的に監視し、目標をステップに分解し、シーンが変化した後に計画を調整する。Googleはさらに、Genie 4をGemini 4 Argonやロボティクス研究と組み合わせ、マルチステップタスクのシミュレーションに活用することを探っている。現在、招待されたテスターは映画、ゲーム、教育、エンジニアリングなどの分野でこのモデルを試している。Googleはその後、Project Genie内のGoogle AI Ultraサブスクライバー、およびGemini APIとGoogle AI Studioのアーリーパートナー向けに展開する計画だが、具体的な日程は未発表である。 Googleは同時に、Genie 4は依然として実験的なモデルであると指摘している。長時間の運用やプロンプトの複数回修正により、オブジェクトや視覚的な詳細が変化する可能性があり、複雑な物理的相互作用、音声の正確性、空間的一貫性についても改善の余地がある。生成された動画および音声にはSynthIDデジタルウォーターマークが付与される。