Google、リアルタイム音声とプロンプト駆動イベントを備えたワールドモデル「Genie 4」を公開

Googleは、最もリアルでインタラクティブなワールドモデルであるGenie 4を発表した。これは動的な環境をリアルタイムで操作し、世界にマッチしたネイティブ音声を生成する。キャラクターがリアルタイムで会話することも可能だ。このモデルは写実的なシーンと現実世界の物理をシミュレートし、Geminiからの推論を通じてより一貫性のある多段階イベントを生成する。信頼できるテスター向けに研究プレビューとして展開を開始しており、Google AI Ultra加入者向けにはProject Genieで、早期アクセスパートナー向けにはGemini APIとAI Studio経由で近日提供予定である。
イベントのバージョン 1.
Key insights
リアルタイム環境制御
Genie 4は動的な環境をリアルタイムで操作し、イベント、カメラアングル、アクションを形作ることができる。デモでは、青信号のプロンプトによりGeminiが信号変化を推論し、エンジンが吹かされ、モーターサイクルが海岸沿いを加速する様子が示されている。
ネイティブ音声生成
このモデルは、リアルな背景音からリアルタイムで会話できるキャラクターまで、世界にマッチしたネイティブ音声を生成する。
写実的な物理と多段階推論
Genie 4は写実的なシーンと現実世界の物理をシミュレートし、Geminiからの推論を通じてより一貫性のある多段階イベントを生成する。
展開と提供状況
Genie 4は信頼できるテスター向けに研究プレビューとして展開を開始した。Google AI Ultra加入者向けにはProject Genieで、早期アクセスパートナー向けにはGemini APIとAI Studio経由で近日提供予定である。