ニュース

Google、対話型「Genie 4」を「Project Genie」で提供開始

「Project Genie」

 Google DeepMindとGoogle Labsは11月18日(米国時間)、ブラウザ上で対話型の仮想世界を生成・探索できる実験的プロトタイプ「Project Genie」の大型アップデートを発表した。利用条件を満たすGoogle AI Ultra契約者向けに順次提供を開始し、最新の世界モデル「Genie 4」へのアクセスを初めて開放する。なお、Google AI Proメンバー向けにはウェイトリストが用意される。

 今回のアップデートで初めて一般向けに開放されるGenie 4について、Googleは「これまでで最も写実的でインタラクティブ性の高い世界モデル」と位置づけており、高精細なビジュアルや物理演算を備える。

 ユーザーは世界を探索している最中に追加のプロンプトを入力し、天候を変えたりキャラクターを登場させたりと、環境をリアルタイムに編集できる。また、Genieシリーズとして初めて、シーンの展開に合わせて環境音やキャラクターの対話などを変化させるリアルタイムのネイティブ音声を映像と組み合わせた。

 より長時間の探索や360度パノラマ画像を起点とした空間生成が必要な場合、モデル選択画面から引き続き「Genie 3」も利用できる。今回のアップデートにより、1回の生成あたりの探索時間は従来の60秒から最長3分へと延長され、複数の世界をつなげてより長い移動を行なえるワールドの連結に対応した。探索中の自然言語プロンプトによるリアルタイムの環境変化にも対応する。

 新設された「Project Genieエージェント」は、単一のテキストや画像プロンプトにとどまらない制作を支援する。自然言語で構想を伝えると、エージェントがGoogleのマルチモーダルモデル群を連携させ、世界観の土台となる初期ビジュアルと、雰囲気に合わせた専用のBGM(背景音楽)を生成する。探索時にはGeminiモデルをセッションに組み込むこともでき、画面上の状況を把握して次の行動候補(提案チップ)を表示したり、進行に応じてイベントを自動で発生させたりする。

新設された「Project Genieエージェント」

 同時に公開された新しいギャラリーでは、公式に厳選された世界やコミュニティ作品を試せる。個人写真を探索可能な空間にする「Living Memory」、360度パノラマを基盤とした先史時代の生息地を巡る「Dino Field Guide」、机の上でテーマに沿ったオブジェクト同士を対戦させ、Geminiがリアルタイムで審判を務める「Rock Paper Scissors」などが含まれる。

 早期アクセスに参加したクリエイターとの協業作品として、映画監督のアナンド・ガンジー(Anand Gandhi)氏と制作し、Genie 4の高い写実性を活かしてアリの視点から複雑な巣(コロニー)を探索する「The Life of Ants」や、クリエイティブテクノロジストのWill aka BLVCKLIGHT氏と制作したゴシック邸宅のミステリー「Villa Giallo」も掲載される。ユーザーは既存のギャラリー作品をエージェントとともにリミックスし、構造やサウンドトラック、ルールを調整したうえでコミュニティギャラリーへ公開できる。

「The Life of Ants」
「Villa Giallo」

 安全性と研究面では、Project Genieで生成されるすべての映像と音声にGoogleの電子透かし技術「SynthID」が組み込まれ、入出力には安全性スクリーニングが実施される。

 GoogleはGenie 3とGenie 4を最先端の研究段階における世界モデルと位置づけており、カメラ操作の遅延(レイテンシ)、複雑な物理挙動、リアルタイム音声の精度、長期的なシーンの一貫性といった課題に取り組んでいるとしている。