テクノロジー · ニュース解説
Genie 4、音声とリアルタイム編集を追加 提供は研究プレビュー段階
Google DeepMindの新しい世界モデルは、操作に応じた場面と音声を生成します。利用できる人と、世界の一貫性が続く時間を先に確認したいところです。
Google DeepMindは10月27日、インタラクティブな世界モデルGenie 4を発表し、ネイティブ音声とリアルタイムの場面変更を追加しました。現在は信頼できるテスター向けの研究プレビューで、一般利用者や開発者への拡大は今後の計画です。
Googleによると、世界が動いている間にテキストで天候を変え、カメラを動かし、人物を追加できます。環境音、音楽、会話も場面とともに生成します。これは同社が説明する能力であり、本媒体が実機で検証した結果ではありません。
制作を計画する前にアクセスを確認
次の提供対象として、Project Genieを使うGoogle AI Ultra加入者と、Gemini APIまたはGoogle AI Studioの早期アクセスパートナーが挙げられています。順番待ちは受け付けていますが、全員共通の開始日や、加入者全員が既にGenie 4を開けるという約束はありません。
モデルの発表とアカウントの利用資格は分けて確認してください。本番の制作工程を組む前に、自分に表示される製品、国、アクセス権、利用条件を確かめます。既存の契約や順番待ちへの登録だけでは、機能が有効になった証拠にはなりません。
生成の途中で操作に反応する場面
中心となるのは、新しい入力に反応しながら変化する環境です。GoogleはGemini Omniが外観や挙動の現実性を支え、ほかのGeminiモデルが出来事を計画、監視すると説明しています。一つの進行中の場面で、カメラ、動作、会話を試せます。
短いコンセプト試験は考えられる用途です。一つの要素を変え、反応を見て、案を発展させるか判断します。実際の出力で試作を評価し、完成したゲームや映画制作ツールと決めつけないことが必要です。
最初の一枚だけでなく連続性を見る
ITmediaによると、連続操作は数分程度です。Googleも、長いセッション、繰り返す編集、場面内の移動によって、物体や視覚的な細部が変化し得るとしています。複雑な相互作用、実在の場所、読みやすい文字、正確な音声も未完成です。
試す際は開始時の場面と編集内容を記録し、視点を移して戻った後に同じ物体を確認します。会話が動作に合うか、文字が読める状態を保つかも見ます。これは評価手順の提案で、ベンチマーク結果ではありません。本記事ではGenie 4を実行していません。
シミュレーションと記録映像を区別できるようにする
DeepMindは生成映像と音声にSynthIDの電子透かしを含めるとしています。デモは説明用で、短縮したものと明記されています。生成した場面は発想を試せますが、見た目が現実的であることだけで、描かれた出来事の実在は証明できません。
試作を報道、教育、創作の工程に使うなら、生成の経緯を残し、シミュレーションと明示します。再利用する前に、どの細部を検証すべきか判断してください。発表は試験の機会を開きますが、信頼して使うには個々の出力と利用条件の確認が必要です。
