GoogleのProject Genie、テキスト指示からインタラクティブな世界を生成—完成したゲームではない

読了時間:約9分
Google's Project Genie Turns Text Prompts Into Interactive Worlds, but Not Finished Games

探索しながら変化させられる世界

GoogleのProject Genieでは、日常的な言葉でインタラクティブな世界を説明すると、システムが生成した世界を探索し、編集できる。2026年11月18日、Googleは18歳以上の対象となるGoogle AI Ultra加入者向けに、更新版の提供を開始した。翌日には、開発者がGemini APIとGoogle AI Studioを通じてGenie 4モデルを利用できるようになった。

目次
  1. 探索しながら変化させられる世界
  2. 11月18日と19日に何が変わったのか
  3. 世界モデルは動画とどう違うのか
  4. ゲーム制作での活用の可能性は
  5. Mahjong Waysにとって何を意味するのか
  6. この技術に残る課題
  7. 主な日程
  8. 知っておきたいこと

今回のリリースでは、テキストプロンプト、画像、動きのある映像、音声を1つの実験的サービスに統合した。ユーザーは舞台となる設定を指定して中を移動し、さらに指示を入力して天候を変えたり、キャラクターを追加したり、出来事を変更したりできる。Googleによると、Genie 4は同期した音声を含む720pの映像を毎秒24フレームで生成でき、背景音やキャラクターのせりふにも対応する。

この製品の名称はPlaygroundではなく、Project Genieだ。Googleは、Google DeepMindのGenie 4を搭載した実験的な研究用プロトタイプと説明している。AI Proの会員はウェイトリストに登録でき、対象となるUltra加入者には順次提供されている。より広範な提供の時期や、加入者向けサービスにおけるGenie 4のセッション時間の上限について、Googleは明らかにしていない。

GoogleのProject Genieのページでは、アリになって世界を探索する例や、幽霊の出る別荘で手がかりを探す例が紹介されている。写真を探索可能な場所に変えたり、コミュニティーギャラリーで共有された世界をリミックスしたりすることもできる。こうした例から、この製品のイメージがつかみやすくなる。完成した動画をただ見るのではなく、変化する場面を作り、探索するためのものだ。

Google DeepMindは2025年8月、より初期の世界モデルとしてGenie 3を発表した。同社のGenie 3の発表では、テキストから移動可能な環境を生成し、数分間にわたって一貫性を保てると説明していた。Project Genieで使われている新しいモデルはGenie 4だが、GoogleはGenie 3にも、セッションの長時間化などの機能を追加している。

11月18日と19日に何が変わったのか

11月18日のアップデートでは、会話形式のクリエーティブエージェントと、世界を共有・リミックスするためのギャラリーとともに、Genie 4がProject Genieに追加された。エージェントは会話を通じて、説明をより練り込まれた設定へと発展させる手助けをする。ギャラリーでは、ユーザーが作品を探索し、環境やキャラクター、音声をアレンジできる。

Googleによると、初期テスターからは、生成された世界の中で起きることをより細かく制御したい、また、世界を作成・共有しやすくしてほしいとの要望が寄せられた。Google DeepMindのグループプロダクトマネジャー、ディエゴ・リバス氏と、Google Labsのグループプロダクトマネジャー、パバン・クマール氏は、同社の11月18日の発表で次のように記した。

初期テスターからは、そうした世界の中で起きることをもっと細かく制御したい、そして、世界をより簡単に作成・共有できるようにしてほしいとの声が寄せられました

11月19日、GoogleはGemini APIとGoogle AI Studioを通じて、開発者向けにGenie 4の提供を開始した。開発者はテキストによる説明、参照画像、またはその両方を使って作業を始め、キーボード操作やリアルタイムのプロンプトで場面を変更できる。Googleは、インタラクティブな体験の試作、空間デザインの可視化、ロボットやAIエージェントの訓練を、想定される用途として挙げている。同社の開発者向け発表によると、生成されるすべてのコンテンツには、目に見えないSynthIDの電子透かしが付与される。

開発者向けサービスの技術情報によると、ストリーミング出力の料金は1秒当たり約10セントで、セッションの上限は120秒。料金がこの水準なら、2分間のセッション全体で約12ドルかかる。この上限と料金は開発者向けAPIに関するもので、GoogleはProject GenieのGenie 4について、同様のセッション上限を公表していない。

広告

世界モデルは動画とどう違うのか

一般的な動画生成モデルは、視聴する人のために一連の映像を作る。これに対し、世界モデルは、人が移動したり場面を変えたりしたとき、その次に起きることを生成する。ユーザーが出入り口の方を向いたり、雨を降らせるよう指示したりすれば、システムはその操作に応じ、設定にも合った新たな映像を生成しなければならない。

そのため、一貫性の維持が大きな課題となる。説得力のある世界では、物体やキャラクターの位置と、環境がどのように変化したかを把握し続ける必要がある。Googleによると、Genie 4はリアルタイムの編集と、状況に応じて変化する音声に対応する。一方、カメラの遅延、複雑な物理的相互作用、正確なリアルタイム音声、長時間にわたる場面の安定性については、引き続き取り組んでいる課題として挙げている。

この技術の進歩を知るうえで、Genie 3は参考になる。Google DeepMindが2025年に発表した際、このモデルは最大で毎秒24フレーム、720pの世界を生成でき、数分間にわたり一貫性を保てるとしていた。一方で、地理的な正確さが不十分なこと、読みやすい文字の描画が難しいこと、直接操作できる範囲が狭いこと、やりとりできる時間が短いことなどが制約として挙げられていた。Googleは当初、少数の研究者やクリエーターに限定した研究プレビューとしてGenie 3を提供した。

Googleの今回の更新により、Genie 3のセッションは1回の生成で最大3分となり、従来の60秒から延長された。また、複数の世界をつないだり、360度パノラマ画像から開始したりできるようになった。これらはGenie 3に関する変更点だ。消費者向け製品におけるGenie 4のセッション時間として公表されたものと混同してはならない。

ゲーム制作での活用の可能性は

ゲーム開発者にとって、生成された世界は、従来のゲームエンジンで環境全体を構築する前にアイデアを試すのに役立つ可能性がある。デザイナーは照明や背景、キャラクターの外見を変えて試したり、初期段階のコンセプトを同僚に見せたりできる。開発者向けAPIを使えば、チームはあらゆる視覚要素を手作業で作成する前に、インタラクティブな場面を試すこともできる。

これは、完成した商用ゲームを作ることとは異なる。ゲームエンジンとは、定められた素材、ルール、操作方法を備えたゲームを開発・実行するためのソフトウェアだ。一方、世界モデルは、プロンプトや操作に応じて変化する場面を生成する。両技術は互いに補完し合う可能性があるが、生成されたシミュレーションだけで、完成したゲームに必要な検証済みのシステム、安定したパフォーマンス、完全な制作ツールが自動的にそろうわけではない。

Googleが以前公開した10月のプレビューでは、Genie 4は移動や音声、変化する出来事を備えたインタラクティブな環境を作るモデルとして紹介された。その後のリリースでは、加入者や開発者向けのアクセスに加え、世界を作成・共有するツールが加わった。一連の発表が示しているのは、限定的な研究プレビューから実用的な実験へと移行していることだ。Googleが完全なゲーム開発システムを公開したという意味ではない。

広告

Mahjong Waysにとって何を意味するのか

PG Softのゲーム「Mahjong Ways」は、プレイヤーの探索に応じて変化するオープンワールドとは構造が異なる。回転するリール、麻雀をテーマにしたシンボルやアニメーションに加え、「Wild Transformation」や「Free Spins」といった固定された機能を採用している。ゲームプレイは、このゲーム専用に設計されたルールと結果に基づいている。

理論上は、生成AIを使ってスタジオがビジュアルのアイデアを探ったり、アニメーションのラフなテストを作ったり、異なる画面サイズでデザインがどう見えるかを確認したりできる。これらはゲーム制作におけるAIの活用可能性であり、PG Softが実際に利用していると確認されたものではない。同社がMahjong Waysの開発にProject GenieやGenie 4を使っているという証拠はない。

ルールが定められたゲームには、慎重な技術検証も必要だ。機能が意図したとおりに動作すること、インターフェースが読みやすいこと、ゲームが安定して動作することを、デザイナーやエンジニアが確かめなければならない。結果に偶然性が関わる場合は、システムのルールや数学的な挙動を別途検証する必要がある。もっともらしい場面を生成するモデルだけでは、ゲームのこうした要素を検証できない。

違いは単純だ。Genieは指示からインタラクティブな環境を生成する一方、固定されたゲームは指定された設計に従うよう作られる。スタジオはAIを使って初期のビジュアル実験を効率化し、その後、自社の制作・テスト工程を通じてゲームを完成させることができる。

この技術に残る課題

生成された場面は、時間がたつと一貫性を失うことがある。カメラが動いた後に物体がずれたり、見た目が変わったりする場合があり、複雑な物理的相互作用を安定して再現することも依然として難しい。音声や文字が不正確になることもある。プレイヤーが物体やキャラクター、ルールの一貫性を期待するゲームでは、こうした問題が重要になる。

Googleによると、Genie 3が対応するやりとりの時間は数分で、数時間ではない。Genie 4については、長時間にわたる場面の持続性や正確な音声を引き続き課題として挙げているが、消費者向けバージョンのセッション上限は公表していない。開発者はまた、映像の品質や音声の一貫性だけでは、ゲーム全体のロジックや品質管理を満たせないことも考慮する必要がある。

Googleによると、Project Genieはモデルへの入力と出力を安全性の観点からチェックし、生成された動画と音声にSynthIDの電子透かしを付与する。この電子透かしは、GoogleのAIツールで作成されたコンテンツを識別することを目的としている。これらの対策は製品の技術的な制約を補うものであり、生成された場面の内容をユーザーや開発者が確認する必要がなくなるわけではない。

広告

主な日程

  • 2025年8月5日:Google DeepMindがインタラクティブな世界モデルとしてGenie 3を発表し、限定的な研究プレビューを開始。

  • 2026年10月27日:Google DeepMindが信頼できる少数のテスター向けにGenie 4を発表。

  • 2026年11月18日:対象となるGoogle AI Ultra加入者向けに、Project GenieでGenie 4の提供を順次開始。AI Proの会員はウェイトリストに登録可能に。

  • 2026年11月19日:GoogleがGemini APIとGoogle AI Studioを通じて開発者向けにGenie 4の提供を開始。

知っておきたいこと

  • Project GenieはGoogle DeepMindのGenie 4を使い、テキストプロンプトや画像、ユーザーの操作からインタラクティブな世界を生成する。

  • Genie 4は2026年11月18日、対象となるGoogle AI Ultra加入者向けに提供開始。開発者は翌日、API経由で利用できるようになった。

  • Googleによると、このモデルは同期した音声を含む720pの映像を毎秒24フレームで生成できる。

  • Genie 3のセッションは最大3分間。GoogleはGenie 4の消費者向けサービスについて、セッション時間の上限を公表していない。

  • AIはゲームチームによるコンセプトの検証に役立つ可能性があるが、PG SoftがMahjong WaysにGenie 4を使っているという証拠はない。

  • 場面の安定性、複雑な相互作用、音声の正確さ、長時間のセッションは、引き続き技術的な課題となっている。

この記事を共有

こちらもおすすめ