Google DeepMindは、Google AI Ultra加入者向けのProject GenieにGenie 4を導入したと発表した。新モデルでは、仮想世界を探索しながら内容を変更できる。新しいプロンプトを入力するとシーンがすぐに更新され、天候を変えたり、キャラクターを追加したり、物語を書き換えたりできる。Genie 4は、背景音からセリフまで、変更に応じて変化する音声も標準で生成する。 今回のアップデートでは、Genie 3の機能強化に加え、コミュニティギャラリーと、会話を通じて世界づくりを支援するProject Genieエージェントも導入された。Genie 3ではセッション時間が1分から3分に延び、複数の世界をつなげられるようになった。また、360度パノラマ画像をもとに新しい世界を生成できる。エージェントはGeminiを含むGoogleのマルチモーダルモデルを連携させ、次の操作を提案したり、世界を移動する際にイベントを発生させたりする。 厳選された体験を集めたギャラリーも公開された。個人の写真を使った空間、実際のパノラマ画像から作られた恐竜のフィールドガイド、Geminiが審判を務めるじゃんけんアリーナなどが楽しめる。クリエイティブテクノロジストのWill(BLVCKL!GHT)や映画監督のAnand Gandhiら初期の協力者は、ゴシック様式の邸宅を舞台にした謎解きや、アリのコロニーを探検する体験を通じて、Genie 4の可能性を示した。 Googleによると、提供対象は現在のGoogle AI Ultra加入者に限られ、Google AI Pro会員はウェイトリストに登録できる。生成された動画と音声にはすべて、安全対策としてSynthIDの電子透かしが入り、入力と出力は安全性審査を受ける。
GoogleのAIロードマップにおけるGenie 4の位置づけ
Project Genieは、Googleのワールドモデル研究と、大規模言語モデル(LLM)であるGeminiを組み合わせたものだ。GeminiはChatGPTを支えるAIと同種の技術で、ブラウザー上で没入型の環境を作成、探索、再構成できるようにすることを目指している。GoogleはGenie 4を、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説明する一方、カメラの遅延、複雑な物理現象、長時間にわたるシーンの安定性には課題が残るとしている。技術的な詳細を知りたい人向けに、Genie 4の研究概要も公開されている。
なぜ重要か
Google AI Ultra加入者はGenie 4を使い、コードを書かずにテキストプロンプトだけで没入型のシーンを作成・編集できる。コミュニティが作った世界を誰でも探索したり再構成したりできる共有スペースも広がり、個人の写真やアイデアをインタラクティブな体験に変えられる。