【ニュース】Google DeepMindが「Genie 4」を発表 — 文章や写真から"歩き回れる3Dの世界"をつくるAI、音も自動で生成
Google DeepMindは2026年10月27日、文章や画像から、自由に歩き回れる3Dの世界をリアルタイムで生成するAI「Genie 4（ジーニー フォー）」を発表しました。前のバージョン「Genie 3」の発表から1年あまりでの新モデルです。
Genie 4は、写真のようにリアルな映像に加えて、環境音や音楽、会話まで自動で生成できるようになりました。この記事では、Genie 4で何ができるのか、どんなことに使えそうなのか、そしてまだできないことは何かを詳しく解説します。
3行でわかる今回のニュース
- 文章や画像から、操作できる3Dの世界をリアルタイムで生成するAI「Genie 4」を発表
- 映像に合わせて音（環境音・音楽・会話）も自動で生成。世界の途中で天気を変えるなどの指示もできる
- 現在は一部のテスターに限定した研究プレビュー。今後、Google AI Ultraの契約者などに広げる予定
そもそも「ワールドモデル」とは？
Genie 4は「ワールドモデル（世界モデル）」と呼ばれる種類のAIです。
ふつうの動画生成AIは、決まった長さの動画をつくるだけです。一方、ワールドモデルは、ユーザーの操作に合わせて、次に何が起きるかを予測しながら世界をつくり続けます。
たとえば、生成された森の中で「右に曲がる」と操作すると、AIがその先の景色をその場でつくり出します。ゲームのように、自分で歩き回れる世界が、あらかじめ用意されたデータなしで生まれるのです。
ワールドモデルの考え方は、こちらのコラムでもやさしく解説しています。
Genie 4で何ができる？
文章や画像から世界をつくる
文章で「雨上がりの京都の路地」と指示したり、参考の写真を見せたりすると、その世界を歩き回れる3D空間として生成します。
よりリアルな映像
前のバージョンに比べて、写真のようなリアルさと、人の自然な動きが向上したとされています。
音も自動で生成
Genie 4の大きな進化が、映像に合わせた音の生成です。
- 風や雨、街の雑踏などの環境音
- 場面に合った音楽
- 登場人物との会話
映像と音がそろうことで、より没入感のある体験になります。
世界の途中で指示を変えられる
シミュレーションが動いている最中に、文章で次のような指示ができます。
- 天気を変える（晴れ → 雨など）
- カメラの位置を変える
- 物や登場人物を追加する
物理の再現が向上
空気の流れや、物がぶつかったときの動きなど、物理の再現もよくなったとされています。登場人物はまわりの環境に反応し、リアルタイムで操作することもできます。
Geminiとの連携
Genie 4は、GoogleのAI「Gemini」と組み合わせて動きます。
- Gemini Omni：見た目や動きを、現実に合ったものにする
- ほかのGeminiモデル：世界のつじつまが合うように考える
- Gemini 3.8 Flash：目的を小さなステップに分け、映像を確認しながら計画を調整する「案内役」
DeepMindは、言葉を扱うAIが場面の構成やストーリーを考え、Genieのようなモデルが映像をつくる「ハイブリッドなワールドモデル」を長期的な目標に掲げています。
Genieの歩み
| モデル | 主な特徴 |
|---|---|
| Genie 1 | ワールドモデルの考え方が実現できることを示した |
| Genie 3（2025年8月） | リアルタイムで操作できるように。数分間の記憶 |
| Genie 4（2026年10月） | 写真のようなリアルさ、音の生成、Geminiとの深い連携 |
どんなことに使えそう？
DeepMindは、次のような使い道を挙げています。
| 分野 | 使い方の例 |
|---|---|
| 映画 | 撮影前に、場面のイメージを確認する（プレビズ） |
| 歴史 | 古い写真から、歩き回れる歴史の場面を再現する |
| ゲーム | ゲームの舞台の試作をすばやくつくる |
| 教育 | 教科書の内容を体験できる世界にする |
| 報道 | 出来事の現場を立体的に伝える |
| ものづくり・企業 | さまざまな状況をシミュレーションする |
ロボットへの応用
さらに注目なのが、ロボットの訓練への応用です。発表では、Gemini 4 ArgonやGemini Roboticsと組み合わせ、人型ロボット「Apollo」がチェッカー（ボードゲーム）をする様子も紹介されました。
ロボットを現実の世界で訓練するのは、時間もお金もかかり、危険もともないます。AIがつくった仮想の世界で訓練できれば、ロボットの開発は大きく速くなる可能性があります。
誰が使える？
| 段階 | 対象 |
|---|---|
| 今 | 信頼できる一部のテスター（研究プレビュー） |
| 次 | Google AI Ultraの契約者（Project Genie経由）、Gemini API・Google AI Studioの早期アクセスパートナー |
利用を希望する人向けに、Googleの順番待ちのフォームも用意されています。料金や、日本で使えるかどうかは発表されていません。
まだできないこと
DeepMindは、Genie 4の限界も率直に説明しています。
- 長く使うと、細かい部分がずれる：長い時間動かしたり、何度も複雑な指示を出したりすると、見た目の細部や「物がそこにあり続けること」が崩れることがある
- 研究中の課題：複雑な物理的なやりとり、リアルタイムの音の正確さ、読める文字の表示、空間の正確さ、長時間のつじつま
つまり、今はまだ「短い時間の体験」に向いた段階で、ゲームのように何時間も遊べる世界をつくれるわけではありません。
安全への取り組み
- 研究プレビューの前に、有害な使い方を防ぐための社内評価を実施
- 生成されるすべての映像と音に、Googleの電子透かし「SynthID」を付与
SynthIDは、人の目や耳ではわからない形で「AIがつくったもの」という印を埋め込む技術です。AIでつくった映像が本物と区別しにくくなる中で、こうした仕組みはますます重要になっています。
私たちにどう関係する？
一般の利用者
今はまだ限られた人しか使えませんが、将来は「自分だけの世界を言葉でつくって遊ぶ」という、まったく新しいエンタメが生まれるかもしれません。
クリエイター・ゲーム制作者
ゲームの舞台や映画の場面を、言葉だけで試作できるようになれば、アイデアを形にするまでの時間が大きく縮まります。
教育関係者
「教科書で読む」から「その場に行って体験する」学びへ。歴史や理科の授業が大きく変わる可能性があります。
よくある質問
Q. 日本でも使える？
現時点では一部のテスター向けの研究プレビューで、日本での提供時期は発表されていません。
Q. 動画生成AIとの違いは？
動画生成AIは決まった動画をつくるだけですが、Genie 4はユーザーの操作に合わせて、世界をつくり続けます。
Q. ゲームはつくれる？
ゲームの舞台の試作には使えそうですが、長時間のつじつまにはまだ課題があります。
編集部の見方
これまでのAIは、文章、画像、動画と、「ひとつの完成品」をつくるものが中心でした。ワールドモデルは、ユーザーの行動に合わせて変わり続ける世界をつくるという点で、まったく違う方向の技術です。
エンタメや教育だけでなく、ロボットや自動運転の訓練など、現実の世界で動くAIを育てるための「練習場」として、ワールドモデルの重要性はこれからますます高まっていくはずです。