powered by TechFeed
表示モード
Google

720p・24fps・音声同期・リアルタイム操作——GoogleのGenie 4がGemini APIで開発者向けに公開

11月20日、Googleが「Genie 4 is now available on the Gemini API.」と題した記事を公開した。テキストや画像を入力するだけで720p・24fps・音声同期・リアルタイム操作という複合スペックのインタラクティブ世界を生成できるモデル「Genie 4」が、Gemini APIおよびGoogle AI Studioを通じて開発者向けに提供開始された。映像生成・音声・操作性を単一モデルに統合したという点で、映像生成モデルの競争に新たな次元を持ち込む発表だ。

11月20日、Googleが「Genie 4 is now available on the Gemini API.」と題した記事を公開した。テキストや画像を入力するだけで720p・24fps・音声同期・リアルタイム操作という複合スペックのインタラクティブ世界を生成できるモデル「Genie 4」が、Gemini APIおよびGoogle AI Studioを通じて開発者向けに提供開始された。映像生成・音声・操作性を単一モデルに統合したという点で、映像生成モデルの競争に新たな次元を持ち込む発表だ。


Genie 4とは何か——「世界モデル」という位置づけ

Genie 4は、Googleが「インタラクティブ世界生成モデル(Interactive World Generation Model)」と呼ぶカテゴリに属する。単なる動画生成ではなく、ユーザーが生成された環境の中をリアルタイムで動き回り、状態を変化させ続けられる点が特徴だ。

この「世界モデル」というコンセプトはGoogleが継続的に研究してきた領域であり、Genie 4はその系譜に連なる。前世代のGenie 2はオープンエンドなシミュレーション環境の生成に焦点を当てていたが、Genie 4では解像度・音声・操作性の実用水準が大幅に引き上げられ、開発者がAPIとして直接利用できる形になった点が大きな前進だ。


Genie 4がGemini APIで利用可能に

Googleは11月19日(現地時間)にGenie 4を発表し、翌日にはGemini APIおよびGoogle AI Studioを通じて開発者への提供を開始した。

Genie 4は、テキストプロンプト・参照画像、またはその両方を入力として、720p・24fpsの連続したインタラクティブ世界をリアルタイムで生成できるモデルだ。高解像度・高フレームレート・音声・インタラクティビティという要素を単一モデルで同時に満たしているのが核心的な差別化要素である。


生成できるものと操作方法

最も目を引く仕様が「ネイティブ音声の同期生成」だ。環境音やサウンドエフェクト、キャラクターのセリフまでを映像と同期して生成する。これまでの映像生成モデルが音声を別途処理するケースが多かったのに対し、Genie 4では音声が生成パイプラインに統合されている。

操作はリアルタイムのキーボードコントロールとライブテキストプロンプトを組み合わせて行う。生成された環境の中を移動しながら、天候・照明・オブジェクト・イベントをその場で変更できる。世界の状態の一貫性はGeminiの推論機能が維持する仕組みだ。


想定されている用途

元記事では以下の用途が明示されている:

  • インタラクティブ体験のプロトタイピング
  • 空間コンセプトのデザイン可視化
  • ロボティクスおよびAIエージェントの学習データ生成

特にロボティクスや強化学習の文脈では、現実に近い多様な環境を低コストで大量生成できる「合成データ生成基盤」としての活用が期待される。物理的な撮影環境を用意せずに多様なシナリオの学習データを得られる点は、エージェント開発の加速につながる可能性がある。


透かし(SynthID)について

すべての出力には**SynthID**による知覚不可能な電子透かしが埋め込まれる。SynthIDはGoogleが開発したAI生成コンテンツの識別技術で、人間の目には見えないが機械的に検出可能な形でコンテンツに情報を付加するものだ。生成コンテンツの出所を追跡可能にするこの仕組みは、フェイク映像の拡散抑止という観点からも重要な位置づけを持つ。


試し方

Google AI Studio上でインタラクティブキャンバスとスターターアプリが提供されており、すぐに試すことができる。APIとしての利用はGemini APIドキュメントを参照。料金の詳細も同ドキュメント内で確認できる。


詳細はGenie 4 is now available on the Gemini API.を参照していただきたい。