|

Genie 4はどれほど強力か:映像と音声を認識し、約1分間プレイできる

Genie 4はどれほど強力か:映像と音声を認識し、約1分間プレイできる

著者注:公式のモデルカード、11月18日の製品発表、11月19日の製品ページに基づいて、Genie 4 の720p、最大24フレーム、同期オーディオという仕様を整理します。評価スコアが非公開であること、連続インタラクションが約1分であること、そして Genie 3 とタスクに応じてどう使い分けるのかを説明します。

Google DeepMind は2026年11月18日に Genie 4 のモデルカードを公開し、同日 Project Genie で利用可能にしました。リアルタイム720p、毎秒最大24フレーム、同期オーディオを備えたインタラクティブな世界を提供しています。デモを見た多くの人の第一印象は「すごい」でしたが、具体的にどこが優れているのか、どの項目について公式が数値を出していないのか、自分は何に使うべきなのかは、デモ動画自体からは分かりません。

この記事はデモ動画の再説明でも、当サイトのハンズオンテストでもありません。 以下では、公式文書に明記されている内容だけを整理します。モデルカードがどの仕様と評価軸を示しているのか、製品発表が Genie 4 と Genie 3 をどう位置づけているのか、製品ページにどの6つの制限が挙げられているのか、という点です。公式が公開していないスコア、勝率、価格については、本文ではいずれも「未公表」と明記し、推測はしません。

この記事で分かること:読み終えると、Genie 4 の具体的な仕様は何か、評価結果を何に使えるのか・何に使えないのか、そしてどんなときにセレクターで Genie 3 に切り替えるべきかが分かります。

genie-4-review-visuals-audio-one-minute-ja-image-0

Genie 4 のコア機能:公式仕様には何が書かれているのか

まず、モデルカードで直接確認できる確実な情報を列挙します。これらは Genie 4 が「どれだけ強力か」を判断する唯一の信頼できる根拠であり、その他の主張はすべてここに戻って照合する必要があります。

項目 Genie 4 の公式表記 出典
出力映像 リアルタイム 720p、最大毎秒 24 フレーム モデルカード(11月18日)
音声 同期音声、およびその場で適応する対話 モデルカード(11月18日)
入力方式 テキスト、画像、キーボード・マウス モデルカード(11月18日)
基盤モデル Gemini Omni Flash 上に構築され、推論とリアルタイム制御は Gemini が担当 モデルカード(11月18日)
連続インタラクション時間 現時点では約1分間で、長時間のセッションではない 製品ページ(11月19日閲覧)
利用窓口 Project Genie、条件を満たす Google AI Ultra から提供開始 製品ページ(11月19日閲覧)
コンテンツ識別 映像と音声の両方に SynthID を付与 製品発表(11月18日)

Genie 4 の映像・音声仕様の詳細

映像の項目では「リアルタイム」「720p」「最大24フレーム」という3つの言葉をよく見てください。「リアルタイム」とは、映像があらかじめレンダリングされた動画を再生するのではなく、あなたのキーボード・マウス操作に応じて即座に生成されることを意味します。「最大24フレーム」は上限であり、常に24フレームで安定しているわけではありません。オフラインで生成した動画と解像度を比べると、720p は高くないと感じるかもしれません。しかしここで比較しているのは、その場で変更しながら進められるインタラクティブな世界であり、この2種類のものはそもそも同じ次元にありません。

音声は Genie 4 と Genie 3 の最もわかりやすい違いです。11月18日の製品発表によると、Genie 4 は初めてリアルタイムのネイティブ音声と対話を搭載しました。モデルカードでは「ネイティブ音声とその場で適応する対話を導入」と説明されています。ただし、製品ページの制限事項には「リアルタイム音声の精度は現在も改善中」と記されており、音声が映像に追従できるのは事実ですが、細部まで完全に一致しているかについては、公式も断言していません。

Genie 4 を支える3つの Gemini の役割

参考資料には複数の Gemini 名が登場しますが、それぞれ別のファイルに属し、役割も異なります。これらを一つのモデルとしてまとめて理解することはできません。

  • Gemini Omni Flash:モデルカードに Genie 4 がこの上に構築されていると明記されており、基盤となるレイヤーです。
  • Gemini 3.8 Flash:10 月 27 日の研究ブログ記事に登場し、ガイドエージェント(agent)として使われています。これは研究プレビュー段階での記述です。
  • Gemini 4 Argon:同じく研究ブログ記事のロボットの例に登場し、このモデルが手順を分解したうえで、Genie 4 が Apollo のチェッカーをプレイする画面をレンダリングします。公式はこれを実験と呼んでおり、公開されたベンチマークスコアではありません。

また、モデルカードの安全性評価の章では Gemini 3.1 Pro と Gemini 3.7 Flash にも言及しています。これらはフロンティア安全性フレームワーク評価における比較対象であり、Genie 4 の制作能力とは関係ありません。後述で別途説明します。

genie-4-review-visuals-audio-one-minute-ja-image-1


Genie 4 の実測データ:公式評価が語ったこと、語らなかったこと

この節のタイトルは「実測データ」ですが、まず断っておきます。以下の結果はすべてモデルカードの原文に基づくもので、私たちのテストではありません。公式は人手評価と自動評価を組み合わせ、Genie 4 をより初期の世界モデル(Genie 3 を含む)と比較しています。

Genie 4 の公式評価項目

評価項目 何を測っているか スコアの公開
画質と美観 画面の鮮明さ、構図、見た目の印象 なし
環境のリアルさ シーンや物体、物理挙動が本物らしく見えるか なし
音声の品質と同期 音そのものの品質と、映像と一致しているか なし
リアルタイム操作とテキスト指示への応答 キーボード・マウス操作やテキストプロンプトで世界を即座に変えられるか なし

モデルカードの結論は原文でこう述べています。Genie 3 と比べて写真のようなリアルさ、動作の滑らかさ、リアルタイムの切り替え反応が大幅に向上し、ネイティブ音声とその場で適応する対話を導入した、と。この一文は「Genie 4 がこれら数方向で Genie 3 より明確に進歩した」ことを裏付けますが、スコアや勝率、サンプル数、テストセット名は添えられていません。

そのため、この評価を読むときには境界を守る必要があります。方向は示しているが、幅は示していない。 「大幅な向上」が具体的にどれほどなのか、外部から検証する術はありません。11 月 19 日時点で Genie 4 のスコアを出した公開ランキングは存在せず、ネットで見かけるデモ映像もランキングの根拠にはなりません。デモはたいてい、最も良いパフォーマンスの場面を選んでいるものです。

Genie 4 の安全性評価の結論をどう読むか

モデルカードには誤読されやすい記述が一段あります。公式は Gemini 3.1 Pro と Gemini 3.7 Flash のフロンティア安全性フレームワークに基づいて評価し、これら2つのモデルは追跡対象や臨界能力のレベルに達していないとしています。Genie 4 はそれらに対して意味のある新能力や実質的な性能向上を持たないため、同じくそれらのレベルに達する可能性は低い、という判断です。

これは安全レベルの結論であり、対象はフロンティアのリスク能力であって、画質やインタラクション体験のランキングではありません。「新たな臨界能力がない」を「Genie 4 の創作能力は低い」と理解するのは、無関係な二つの事柄を混同することです。

Genie 4 の継続時間:1分と2分、どちらが正しいのか

ネット上では継続時間について二つの説があり、出所を区別する必要があります:

説 出典 日付 本文での採用
連続インタラクションは約1分 DeepMind 製品ページの制限項目 2026-11-19 閲覧 採用
約2分、前世代の約2倍 TechCrunch などのメディアによるブリーフィングの引用 2026-10-27 不採用(古いブリーフ)
研究ブログ記事の制限段落 DeepMind 研究ブログ 2026-10-27 1分とも2分とも記載なし

10 月 27 日の研究ブログ記事自体は研究プレビューであり、具体的な継続時間は書かれていません。「2分」は同日のメディアによる引用に由来し、11 月 19 日の製品ページの「約1分」と食い違っています。最終状態のページを基準とする原則に従い、本稿の結論は製品ページの「約1分」のみを採用します。


Genie 4 と Genie 3 の比較:タスクで使い分ける

11月18日の製品発表では、両世代の役割分担がはっきりと示されました。Genie 4 は現時点で最も高い画質・物理表現・ネイティブ音声を提供し、Genie 3 は選択リストに残り、1回あたりの時間をより長くしたい人や、パノラマ画像から始めたい人向けに用意されています。つまり公式は Genie 4 で Genie 3 を置き換えるのではなく、両者にそれぞれ別のタスクを担わせる形にしています。

genie-4-review-visuals-audio-one-minute-ja-image-2

やりたいこと より適した選択 根拠
画質がよりリアルで、動きがより滑らか Genie 4 モデルカードの評価結論
リアルタイム音声とその場での対話が必要 Genie 4 製品発表:初めてリアルタイムのネイティブ音声を搭載
インタラクションの途中で環境を変更 Genie 4 製品発表:会話中の環境変更は新機能
1回あたりをより長く(数分レベル) Genie 3 製品発表:1回最大3分、従来は60秒
360度パノラマ画像を起点にする Genie 3 製品発表:Genie 3 の当日アップデート
複数のワールドを連結する Genie 3 製品発表:Genie 3 の当日アップデート
API経由で呼び出す 現時点で利用可能なチャネルなし APIYI apiyi.com のモデル一覧に未収録

Genie 4 と Genie 3 の位置づけを読み解く

Genie 3 の位置づけ分析:Genie 3 は1回あたりの時間で優位に立ち、11月18日のアップデートで1回の上限を60秒から最大3分に拡大しました。さらに複数ワールドの連結やパノラマ画像からの開始もサポートしています。ただしリアルタイムのネイティブ音声は備えていませんし、画質のリアルさやリアルタイムの方向転換も Genie 4 の後塵を拝します。これに対し Genie 4 は、画質・物理・音声をまとめて揃えたい短いシーンに向いています。

Genie 4 のトレードオフ:Genie 4 は画質と音声をより完成度の高いものにしましたが、その代償として連続インタラクションは現在およそ1分です。公式が現在対応中の課題には、カメラの遅延、複雑な物理インタラクション、リアルタイム音声の精度、シーンの長期的な保持が含まれ、これらは実際に使う際に最も遭遇しやすいポイントでもあります。

Genie 4 のモデルと価格:APIYI の状況

APIと価格については、現状を率直に説明します。2026-11-19 時点で、Genie 4 は APIYI のモデル総合一覧および価格エンドポイントに含まれておらず、Gemini Omni Flash も同様に未収録です。まだ未上架ですが、できるだけ早くこのモデルを上架する予定です。モデルと価格はプラットフォームのモデル一覧が基準となりますので、最新の収録状況は APIYI apiyi.com でご確認ください。

現時点で公式の唯一の利用入口は Project Genie で、条件を満たす Google AI Ultra から順次開放されています。当社としても、他の動画生成モデルを Genie の代替として提供することはしません。インタラクティブなワールドモデルとオフラインの動画生成では、解決する課題が異なります。


Genie 4 クイックスタート:3ステップのセルフチェックで自分に合うか判断

Genie 4 はコードを書いて呼び出すタイプの製品ではないため、ここで紹介する「クイックスタート」は一種のセルフチェック手順です。セッションを入手したら、次の3ステップに沿って進めるだけで、自分のプロジェクトに使えるかどうかをすぐに判断できます。

ステップ1:Genie 4 の出力仕様を確認する

まず、表示される出力が公式仕様と一致しているかを確認します。

  1. 解像度:720p かどうか。納品要件がより高解像度の完成映像であれば、ポストプロセスの余地をあらかじめ確保しておく必要があります。
  2. フレームレート:最大毎秒24フレーム。素早いカメラワークの際はカクつきがないか注意してください。公式もカメラの遅延を対応中の問題として挙げています。
  3. 音声同期:足音、衝突、会話が映像と合っているか。製品ページにはリアルタイム音声の精度はまだ改善中と書かれており、細部のズレは既知の事項です。

ステップ2:Genie 4 がシーン変更向きか、それとも長く歩くのに向いているかを判断する

次に、自分にこう問いかけてください。求めているのは「1つのシーンの中で変更を繰り返し、音声も必要」なのか、「1つの世界の中をより長く歩きたい」のか。前者は Genie 4 の得意分野で、後者はモデルセレクターで Genie 3 に切り替え、最大3分という1回あたりの長さと、複数ワールドを連結する機能を活用すべきです。

ステップ3:6つの制限で Genie 4 に不向きな作業を除外する

製品ページの制限(11月19日) 実際の意味 任せるのに不向きな作業
視覚的細部と物体の永続性は時間とともにドリフトする 長く遊ぶと物体が変形したり消えたりする可能性 小道具が全編を通して一貫していることを求める連続ショット
マルチユーザー、複数の独立したキャラクター、共有環境での複雑なインタラクションは依然として研究課題 多人数が同じ場でインタラクションするのは不安定 多人数での協力や複数キャラクターの共演
現時点では実在の場所を完璧にシミュレーションできない 現実の場所を再現するとズレが生じる 実在の通りや建物の再現を求める作業
くっきりした文字は、冒頭のワールド記述に書いた場合にのみ表示されることが多い 途中で急に文字を追加しても、はっきり表示させるのは難しい 画面に突然くっきりした看板が現れること
連続インタラクションは現在およそ1分 長いセッションではない 一度に何分も連続して遊ぶこと
リアルタイム音声の精度は改善中 音声の細部が合わない可能性 正確なリップシンクや効果音のタイミング合わせが必要な作業

このうち「くっきりした文字は冒頭のワールド記述に書き込む必要がある」という項目は、実は実用的なやり方を示しています。看板やスローガンのような文字は、冒頭の記述の中で一度に明確に書いておきましょう。冒頭の記述は、まずテキスト大規模言語モデルに下書きと推敲を手伝ってもらうことができます。たとえば OpenAI 互換インターフェース経由で Gemini や Claude を呼び出し、base_url を https://api.apiyi.com/v1 に設定すれば、1つの Key で異なるモデルを切り替えて表現を比較できます。

🚀 クイックスタートのヒント:Genie 4 自体は Project Genie の中でしか使えません。冒頭のワールド記述を先に磨き上げたい場合は、APIYI apiyi.com で新規ユーザー向けの無料テスト枠を利用し、いくつかの主要なテキストモデルにそれぞれ下書きを作らせ、その中から1つのバージョンを選んで Genie に貼り付けましょう。

genie-4-review-visuals-audio-one-minute-ja-image-3

Genie 4 の長所と短所の分析

Genie 4 の長所

  • 画面と動作:モデルカードの結論では、写真のようなリアルさと動作の滑らかさが Genie 3 と比べて大幅に向上したと明記されており、研究ブログ記事では空気力学や衝突の例が挙げられています。
  • リアルタイムのネイティブ音声と対話:Genie シリーズでは初めてリアルタイム音声を搭載しており、雰囲気やセリフを必要とする短いシーンの制作に最も役立ちます。
  • セッション中の環境変更:プレイしながらテキストや操作で向きを変えられます。リアルタイムの方向転換も、モデルカードが向上点として名指しした方向性です。
  • 追跡可能な識別:画面と音声のいずれにも SynthID が付与され、生成コンテンツを識別しやすくなっています。

Genie 4 の限界

  • 再生時間が短い:連続インタラクションは約 1 分です。1 回あたりをより長くしたい場合は、Genie 3 に切り替えてください。
  • 長期的な一貫性:視覚的な細部やオブジェクトの永続性は徐々にずれていきます。プレイ時間が長くなるほど、変更が多くなるほど、遠くまで移動するほど、その傾向は顕著になります。解決策は、1 つのシーンを複数の短いセッションに分割することです。
  • 評価が不透明:公開されたスコア、勝率、サンプル数がないため、他のモデルと定量的に比較できません。モデル選定の際は、公式の定性的な結論に、ご自身の使用感を加えたものを基準にするしかありません。
  • 利用条件のハードル:現時点では、条件を満たす Google AI Ultra から開放されており、API 経由では一時的に利用できません。

よくある質問(FAQ)

Q1:Genie 4 とは何ですか?

Genie 4 は Google DeepMind のワールドモデルです。テキスト・画像・キーボード/マウス入力に応じて、インタラクティブな世界をリアルタイムで生成します。出力は 720p、最大 24fps で、同期オーディオも付属します。基盤は Gemini Omni Flash で、2026 年 11 月 18 日にモデルカードを公開し、Project Genie で開放されました。

Q2:Genie 4 と Genie 3 の違いは何ですか?

Genie 4 は映像・物理挙動・リアルタイムのネイティブ音声の面でより強力で、短く精緻なシーンに向いています。Genie 3 は 11 月 18 日の更新後、1 回あたり最大 3 分まで対応し、複数ワールドの連結や 360 度パノラマ画像からの開始も可能で、より長く体験したい人に向いています。公式は両方をセレクタに残しており、タスクに応じて選べばよいとしています。

Q3:Genie 4 はどれくらい連続で遊べますか?2 分と聞いたのですが?

2026 年 11 月 19 日時点で開いていた製品ページによると、連続インタラクションは現在およそ 1 分です。「2 分」というのは 10 月 27 日のメディア向けブリーフィングの伝聞に由来するもので、現行の製品ページと一致しません。期限切れの情報であり、本記事では採用していません。

Q4:Genie 4 には公開されている評価スコアがありますか?

ありません。モデルカードには人手評価と自動評価の観点が記され、Genie 3 と比べて大幅に向上したという定性的な結論も示されていますが、スコア、勝率、サンプル数、テストセット名は公開されていません。デモ動画も同様にランキングの根拠にはなりません。

Q5:API 経由で Genie 4 を呼び出せますか?

現在の公式入口は Project Genie のみです。11 月 19 日時点で、APIYI apiyi.com のモデル一覧および価格取得インターフェースには Genie 4 が含まれておらず、まだ上架されていません。このモデルはできるだけ早く上架する予定です。モデルと価格はプラットフォームのモデル一覧を基準とします。上架前でも、プラットフォーム上のテキストモデルでオープニングの世界設定を準備できます。インターフェースは OpenAI 互換で、導入コストは非常に低いです。

Q6:モデルカードに「新たな臨界能力はない」とありますが、Genie 4 の能力は平凡ということですか?

そうではありません。この記述はフロンティア安全フレームワークの評価結論であり、Genie 4 が Gemini 3.1 Pro や Gemini 3.7 Flash と比べて、追加の追跡が必要なリスク能力を持ち込んでいないという意味です。画質やインタラクション体験の良し悪しとは関係ありません。

Q7:Genie 4 はどんなシーンに最も適していますか?

1 分以内で、映像のリアルさと音声にこだわるシーンに適しています。たとえばゲームコンセプトの雰囲気サンプル、セリフ付きのインタラクティブな断片、途中で環境を変えたいクリエイティブな試みなどです。実在する場所の再現、複数人の同一シーンでのインタラクション、長時間の連続体験を求めるプロジェクトには、現時点では向いていません。

Q8:画面にはっきりした文字を入れたい場合はどうすればよいですか?

製品ページには、はっきりした文字は多くの場合、オープニングの世界設定に書き込んだときにだけ現れると明記されています。看板やスローガンは最初の設定でまとめて書き出すことをおすすめします。この部分の記述は、APIYI apiyi.com 上の複数のテキストモデルを使って比較しながら草稿を作れます。


Genie 4 の主なポイント Key Takeaways

  • Genie 4 の基本仕様:リアルタイム 720p、最大 24 fps、音声同期に対応。入力はテキスト、画像、キーボード・マウスをサポートします。
  • 評価は方向性のみでスコアなし:モデルカードでは Genie 3 と比べて大幅な向上が示されていますが、公開スコアや勝率はありません。
  • 時間は製品ページ基準:連続インタラクションは約1分です。10月のメディア向けブリーフィングで示された2分は古い情報です。
  • Genie 4 と Genie 3 はタスクで使い分け:映像・物理・音声を重視するなら Genie 4、1回のプレイを長く続けたいなら Genie 3 を選びます。
  • 安全に関する結論は能力評価ではない:「新たな臨界能力はない」は安全レベルの判断であり、創作のランキングではありません。
  • API の現状:Genie 4 は現時点で APIYI apiyi.com には掲載されていません。型番と価格はプラットフォームの一覧を基準にしてください。

まとめ

Genie 4 はどれほど強力なのか、次の3点にまとめられます。

  1. 映像と音声が強み:720p、最大24fpsのリアルタイム映像に加え、Genie シリーズで初めてリアルタイムのネイティブ音声と会話を実現しました。
  2. 時間と一貫性が弱み:連続インタラクションは約1分で、長く遊ぶほどディテールや物体の恒常性がドリフトしやすいです。
  3. 公開スコアがない:公式評価は方向性のみを示しており、デモクリップをランキングの根拠にしないでください。

実際に使うときは、まず3ステップのセルフチェックで仕様を確認し、次に自分が求めるのはシーンの変更なのか、より長いプレイなのかを判断し、最後に6つの制限で不適切なタスクを除外します。1回をより長くしたい場合は、セレクターで Genie 3 に切り替えてください。

Genie 4 が掲載される前に、APIYI apiyi.com で統一インターフェースを使ってテキストモデルを呼び出し、オープニングの世界観の説明を磨いておけば、モデルが利用可能になったときにすぐ使えます。


📚 参考資料

  1. Genie 4 モデルカード:出力仕様、評価項目、既知の制限、フロンティア安全性評価

    • リンク:deepmind.google/models/model-cards/genie-4/
    • 説明:2026年11月18日公開。本記事の仕様と評価の結論は、すべてこれを基準としています
  2. Genie 製品ページ:6つの制限と利用入口

    • リンク:deepmind.google/models/genie/
    • 説明:2026年11月19日にアクセス。「約1分」という記述はこのページが出典です
  3. Google ブログ:Genie 4 が Project Genie で提供開始:Genie 4 と Genie 3 の公式な役割分担

    • リンク:blog.google/innovation-and-ai/models-and-research/google-deepmind/genie-4-now-available-project-genie
    • 説明:2026年11月18日の製品発表で、同日の Genie 3 アップデート内容も含みます
  4. DeepMind 研究ブログ記事:Genie 4 新世代の世界シミュレーション:研究プレビュー段階における能力の紹介

    • リンク:deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
    • 説明:2026年10月27日公開。研究プレビューであり、製品仕様を示すものではありません
  5. APIYI モデル一覧:プラットフォームが現在収録しているモデルと価格

    • リンク:docs.apiyi.com/models
    • 説明:Genie 4 の掲載状況は、こちらを基準としています

著者:APIYI 技術チーム
技術的なやり取り:APIYI のウェブサイトトップページからお気軽にお問い合わせください。その他の資料は docs.apiyi.com のドキュメントセンターをご覧ください

類似投稿