本文へ移動
LIFEMAKERS.COM — 自給率を上げる。自立型ライフの実践知メディア
Aboutベータ版
Signal観測趣味とカルチャーつくるFUTURE LIFE BRIEF

Genie 4、文章で歩ける世界をその場で書き換え

Google DeepMind が Project Genie に Genie 4 を入れた。歩きながら文章で世界を書き換え、音も鳴る。作る個人に何ができ、何がまだ難しいかを見る。

Genie 4、文章で歩ける世界をその場で書き換えのイメージ

この記事でわかること

  • Google DeepMind が11月18日、Project Genie に Genie 4 を入れ、対象の Google AI Ultra 契約者から提供を始めた
  • 歩いている最中に文章で世界を書き換えられ、場面に合わせた音も鳴る。Genie 3 は 1 回の探索が最大 3 分に
  • 研究段階の道具で、Google はカメラの遅れや場面の持続などを課題に挙げている

Google DeepMind は11月18日、文章や画像から歩き回れる 3D の世界を作る試作サービス「Project Genie」に、新しいモデル「Genie 4」を入れたと発表した。対象の Google AI Ultra 契約者から順に使えるようになり、歩いている最中に文章で天気を変えたり登場人物を足したりでき、場面に合わせた音も初めて同時に鳴るようになった。

Google 公式ブログ「Genie 4 is now available」(2026年11月18日・提供範囲・新機能・課題)Google

作った世界は新しいギャラリーで公開でき、ほかの人の世界を改造 (リミックス) して自分のものにすることもできる。映像や遊びを自分で作りたい個人にとって、道具の形が一段変わった。

「生成して見る」から「中で直す」へ

Project Genie は今年1月、米国の 18 歳以上の Ultra 契約者向けに始まった実験的な試作品だ。当初は、最初に書いた指示から世界が作られ、その中を動き回るのが中心だった。

Genie 4 では、移動しながら新しい指示を打ち込むと、その場で世界が書き換わる。発表文の例は、天気を変える、キャラクターを登場させる、展開の向きを変える、の 3 つ。環境音からキャラクターのせりふまで、映像に合わせて変わる音も付く。

あわせて、ひとつ前の Genie 3 にも手が入った。1 回に探索できる時間は 60 秒から最大 3 分に延び、複数の世界をつないで長い旅にもできる。360 度のパノラマ画像を種にして世界を作る機能も加わった。精細さと音は Genie 4、長く歩きたいときやパノラマから始めたいときは Genie 3、とモデル選択欄で使い分ける形だ。

会話で組み立てる、友人の世界を改造する

もう一つの変化は、作る手順の側にある。新しい「Project Genie エージェント」に、作りたい世界を言葉で説明すると、Google の複数の生成モデルを組み合わせて最初の見た目と、雰囲気に合う背景音楽を用意してくれる。探索中に Gemini を呼べば、画面を見て次の行き先を提案したり、出来事を起こしたりもする。

ギャラリーには、Google が用意した作品と利用者の作品が並ぶ。個人の写真を歩ける空間に変える「Living Memory」、映像作家と組んでアリの視点で巣の中を進む「The Life of Ants」などが例に挙がっている。公開された世界は、構造や音楽、ルールを変えて作り直せる。

家族の写真を歩ける場所にする、自分で考えた物語の舞台を作って歩いてみる。これまで 3D の制作ソフトやゲームエンジンを覚えないと届かなかった遊び方が、文章と会話で試せる。

使う前に知っておくこと

入口はまだ狭い。今回の提供は「対象の」Google AI Ultra 契約者で、発表文は国や地域を明記していない。1月の開始時は米国だけだった。Google AI Pro の契約者は同じページで順番待ちの登録ができる。

研究段階の道具であることも、Google 自身がはっきり書いている。カメラの遅れ、細かい物理的なやり取り、音の正確さ、長い時間がたっても場面が崩れないこと、の 4 つを課題として挙げた。作った世界がずっと同じ形で残るとは限らない。

生成された映像と音にはすべて、AI で作ったことを示す見えない透かし (SynthID) が入り、入力と出力は安全面の審査を通る。写真を種にするときは、誰が写っていて、それを公開ギャラリーに出してよいかを先に考えておきたい。

提供範囲が広がるかどうかは、Project Genie のページと Google の公式ブログで確かめられる。

ことば

  • ワールドモデル — 文章や画像から、動き回れる世界そのものを予測して作り続ける AI。動画を 1 本作る AI と違い、利用者の操作に合わせて次の場面をその場で生み出す。
  • SynthID — Google が生成した画像・映像・音声に埋め込む、目に見えない透かし。後から「AI で作られたものか」を確かめる手がかりになる。

文章だけで歩ける世界が作れるなら、あなたが最初に作ってみたいのは、記憶の中の場所だろうか、まだ誰も見たことのない場所だろうか?

参照

あなたの暮らしで、最初に試せることは何でしょうか。