ニュース

Googleの世界モデル「Genie 4」が「Project Genie」で利用可能に、遊びながら世界を書き換え

「Google AI Ultra」向けに展開。「Gemini API」でも一般提供

「Project Genie」

 米Googleは11月18日(現地時間)、世界モデル(ワールドモデル)「Genie 4」を「Project Genie」に導入したと発表した。現在、条件を満たす「Google AI Ultra」のサブスクライバーへ順次展開中。「Google AI Pro」契約者はウェイトリストに登録できる。

 「Project Genie」は、インタラクティブな世界を生成して探索できる実験的な研究プロトタイプ。テキストや画像から生成した世界に入り込み、キーボードで歩き回ったりできる。今回、最新モデル「Genie 4」への対応に加え、世界の作成や共有を支援する機能が拡充された。

 「Genie 4」は、同社のワールドモデルの中でもっともリアルでインタラクティブなモデルで、セッションの途中でもプロンプトを入力して世界を変更できるのが特徴。天候を変えたり、キャラクターを登場させたり、展開を変えたりといったことが、世界を探索しながらリアルタイムで行える。また、環境音からキャラクターのセリフまで、場面に合わせて変化する音声をリアルタイムで生成できるようになった。

 さらに新しいAIエージェント機能「Project Genie Agent」を利用すれば、作りたい世界を自然言語で説明するだけで、Googleのマルチモーダルモデル群を組み合わせて、世界の見た目を決めるビジュアルや雰囲気に合わせたBGMを作ってもらえる。探索中に「Gemini」を呼び出せば、画面の状況を見て次の行き先を提案したり、世界の中のイベントを自動で発生させたりもしてくれる。

 作った世界はギャラリーに公開して、他のユーザーに探索・リミックスしてもらうことも可能。ギャラリーには、Googleがキュレーションした世界やクリエイターとのコラボレーション作品も並んでいる。

「Project Genie Agent」と対話しながら世界を作成できる(公式ブログより)
Googleがキュレーションした世界やコミュニティの作品が並ぶギャラリー(公式ブログより)

 従来の「Genie 3」も、モデルピッカーで「Genie 4」と切り替えて引き続き利用できる。今回、以下の改善が加えられた。

  • 1回の生成で探索できる時間を最大3分に延長(従来は60秒)。複数の世界を連結して、より長い旅を楽しむことも可能
  • 360度パノラマ画像を基に世界を生成可能
  • 探索中に自然言語のプロンプトで環境を動的に変更可能

 「Project Genie」は、Webブラウザーさえあれば利用可能。ただし、利用できるのは「Google AI Ultra」が提供されている国・地域の18歳以上のサブスクライバーで、1日あたりの利用上限がある。早期アクセスの研究プロトタイプのため、世界の生成に「AI クレジット」は消費されない。「Project Genie」で生成された映像と音声には、電子透かし技術「SynthID」が埋め込まれる。

開発者向けには「Gemini API」でも提供

 「Genie 4」は「Gemini API」でも一般提供中(models/genie-4)。「Interactions API」(v1beta)で利用でき、テキストや16:9の参照画像から世界を生成して、720p・24fpsの映像と48kHzステレオの音声をストリーミングできる。キーボードの[W][A][S][D]キーや矢印キー、テキストのイベントで、世界をリアルタイムに操作することも可能。1セッションあたりの長さは最大120秒。

 有料枠でのみ利用でき、価格はいずれも100万トークンあたり、入力が1.50米ドル、テキスト出力が9.00米ドル、動画出力が17.50米ドル(1秒あたり約0.10米ドル、音声込み)。