AIが作った世界を、自分で歩く。Google「Genie 4」が変える映像体験

ClearAI編集部｜2026年10月28日

湖に浮かぶ小さな足場で、男性がサックスを吹いている。周囲には木々と水面、そばには丸い光。画面の端には、ゲームで見慣れた「W・A・S・D」の操作キーが並ぶ。

Google DeepMindが10月27日に発表した「Genie 4」の公式デモだ。この景色は、ユーザーが動かせる。生成された場面の中を操作し、その途中で天気や人物、カメラの位置を変えられる。音も、あとから添えた効果音ではなく、世界と一緒にAIが生成しているという。

「こんな動画を作って」と頼むところから、「この世界に入って、続きを動かす」ところへ。その違いが分かる公式デモを、画像とともに見ていこう。

出来上がった動画を再生するのと、何が違う？

通常の動画は、再生を始めれば決まった展開をたどる。Genie 4が目指すのは、操作に応じて、その先の景色や出来事を作り続ける体験だ。

Googleが公開したデモでは、キーボードなどで移動やカメラを操作し、文章で場面に指示を加えている。天候を変える、新しい人物や物を登場させる、といった変更もリアルタイムに行う。仕組みとしては、周囲の様子を生成するGenieと、場面の流れを見ながら指示や手順を調整するGeminiを組み合わせている。

写真のように見える場所も、初めから精密な3D空間として作り込んだゲームとは成り立ちが違う。操作の先をAIが生成するため、試せる場面の幅が広がる一方、物の位置や形が途中で変わることもある。

景色に音がつき、登場人物が反応する

Googleは、Genie 4を同社で初めて音声も直接生成するリアルタイム世界モデルと説明する。画面を動かすのに合わせて、世界の音も作るという。

Genie 4は、風や波といった環境音に加え、人物の会話も生成する。Googleによると、登場人物はユーザーの入力や場面の出来事に応じて話し、反応する。例えば、日本の駅を描いたデモには、赤い列車と駅員が登場する。画面には「次の発車を案内する」という指示が表示される。背景として眺めるだけの人物から、場面に応じて振る舞う人物へ。駅の画像を見返すと、この変化を具体的に想像しやすい。

映像制作の打ち合わせを想像すると分かりやすい。「この位置から撮ったらどう見えるか」「照明を変えたら印象はどう変わるか」。頭の中のイメージを説明する代わりに、その場で場面を動かして見せられる可能性がある。

Googleが紹介するテスターも、撮影前の構図検討や、ゲームの初期試作に活用を探っている段階だ。完成作品を一度に作るというより、作る前の試行錯誤を速くする使い方が、まず想像しやすい。

見た目がリアルでも、「現実の予測」にはまだ距離がある

ここで気をつけたいのは、自然に見える映像と、正確なシミュレーションは同じではないことだ。

Googleは、Genie 4を初期の研究段階にあるモデルと説明している。連続して操作できるのは数分程度。長く動かしたり、複雑な変更を重ねたりすると、景色や物体の一貫性が崩れる場合がある。複雑な物理現象、音の正確さ、読みやすい文字、空間の整合性も改善の対象だ。

ロボット分野では、Geminiが作業を手順に分け、Genieが場面を生成する研究例も公開された。ただし、そこで自然な動きが見えたからといって、実際のロボットが同じ仕事を安全にこなせると証明されたわけではない。

ClearAI編集部は、現段階では「正しい答えを確かめる装置」より、「試したい場面をすぐ形にする道具」として見るのが適切だと考える。企画の方向性を比べたり、関係者で完成イメージを共有したりする用途なら、精密な予測とは別の価値が生まれる。

いつ使える？ 10月28日時点では限定公開

Genie 4は、信頼されたテスター向けの研究プレビューとして提供が始まっている。Google AI Ultra加入者向けのProject Genieや、Gemini API・Google AI Studioの早期アクセスパートナーには、今後提供する予定だ。一般ユーザー全員が今日から使える、という発表ではない。

まず確かめるなら、公式ページの操作デモが入口になる。完成映像の美しさに加え、途中の操作で何が変わり、どこで不自然さが出るかを見ると、この技術の現在地をつかみやすい。

まずは、気になる場面でカメラをどちらへ動かしてみたいか。そう考えながら公式デモを見ると、従来の映像生成との違いが見えてくる。