Google DeepMind、リアルタイム音声を備えたワールドモデル「Genie 4」を発表
Googleによると、Genie 4では自然言語でシミュレーション世界を操作でき、まずは限定された信頼できるテスターに順次提供される。
AIイラストGoogle DeepMindは十月27日、リアルタイムでインタラクティブなシミュレーションを行うワールドモデル「Genie 4」に関する研究を発表した。同社は、このモデルが前例のないレベルのリアリティを実現し、独自の音声も生成すると述べた。
Googleによると、Genie 4はGeminiファミリーのモデルの能力を土台に、それを拡張している。Gemini Omniがシミュレーションを現実世界の見た目や振る舞いに基づかせ、他のGeminiモデルがシミュレーションの一貫性と連続性を保つための推論を担う。
同社によると、ユーザーはイベントを開始し、実行中のシーンを自然言語の指示で操作できる。たとえば、カメラを動かす、天候を変える、新しいキャラクターを追加するといった指示が可能だ。各ワールドは、環境音、音楽、インタラクティブな対話を含む音も実行中に生成する。
Googleは、世界のシミュレーションをAGIに向けた重要なステップと位置づけた。こうしたシミュレーションは、ロボットやエージェントのための安全なトレーニング環境を提供し、映画制作、ジャーナリズム、ゲーム、製造などの業界におけるクリエイティブツールを強化できるという。
同社によると、Genie 4は限定された信頼できるテスターへの提供を開始した。Googleは、このモデルが近日中に、Project GenieのGoogle AI Ultraサブスクライバーと、Gemini APIおよびAI Studioの早期アクセスパートナーに提供される予定だと述べた。