GoogleのGenie 4世界モデル、オーディオ追加、よりリアルな世界、リアルタイム操作を実現

Google DeepMindは、最新の世界モデル「Genie 4」の研究プレビューを公開しました。このモデルは、極めてフォトリアルでインタラクティブな環境を生成でき、音楽や環境音を含むリアルタイムのオーディオ生成も可能です。ユーザーはシミュレーション中にテキストプロンプトを入力することで、天候やカメラアングル、オブジェクトをリアルタイムに変更する「ステアリング（操作）」ができます。前モデルよりも向上した物理演算と、最大2分間のシーンの一貫性を維持する能力を備えています。

Genie 4はGoogleのGeminiモデルと密接に統合されており、Geminiが「ディレクター」としてステップの計画やフレームの確認を行うことで、Genieが視覚要素を生成します。ロボティクス分野の実験では、Geminiがタスクを分解し、Genie 4がそれをリアルタイムでシミュレートすることで、実世界でのロボット運用前に仮想環境でテストを行う手法が示されました。

ゲーム、インタラクティブ学習、ロボティクスなどの用途が期待されていますが、初期テスターからは映画のプロトタイピングや迅速なアイデア出しへの活用も注目されています。ただし、長時間のシミュレーションによる物体のズレや、オーディオの正確性、文字の判読性といった課題も残されています。Genie 4は今後、Google AI Ultraサブスクライバーやパートナー向けに展開される予定です。

(出典：TechCrunch)