Googleは11月19日(米国時間)、公式ブログで、文章や画像から歩き回れる世界を作り出すAI「Genie 4」を、開発者向けの「Gemini API」と、ブラウザで試せる開発ツール「Google AI Studio」で使えるようにしたと発表した。前日に有料プラン「Google AI Ultra」の契約者向けに提供を始めたばかりで、1日で開発者にも門戸を広げた形だ。

文章や画像から、音つきの世界をつくる

Googleによると、開発者は文章の指示(プロンプト)、手本となる画像、またはその両方から、途切れずに続く世界を解像度720p・毎秒24コマで生成できる。映像と同時に、周りの環境音や効果音、登場人物のせりふまで、場面に合った音声も生まれる。キーボードでリアルタイムに操作して世界の中を移動しながら、文章で指示を加えると、天気や照明、置かれた物、起きる出来事をその場で変えられる。Googleは、Geminiの推論(AIが筋道を立てて考える処理)によって、世界の状態が最後まで矛盾なく保たれるとしている。

Gemini APIでは、複数のやりとりをまとめて扱う「Interactions API」を通じて使う。API(ソフト同士をつなぐ窓口)とは、開発者が自分のアプリやサービスからGoogleのAIを呼び出すための仕組みのことだ。Google AI Studioには、操作しながら試せる画面と、そのまま作り始められるお手本のアプリ(スターターアプリ)が用意された。料金は公式の料金ページで案内されている。

ゲームの試作からロボットの訓練まで

Googleは使い道として、操作して楽しむ体験の試作、空間のデザインの下見、ロボットやAIエージェントの訓練を挙げ、Genie 4は「アイデアを試し、新しい可能性を描くための真っ白なキャンバス」になると説明している。たとえばゲーム会社がステージの雰囲気を短時間で確かめたり、建築や内装のアイデアを歩いて見て回れる形にしたり、ロボットに見せる練習用の環境を大量に作ったりする使い方が考えられる。

Googleは、生成されるすべての映像に、目には見えない電子透かし「SynthID」を入れていると改めて強調した。AIで作った映像だと後から見分けられるようにする仕組みだ。

前日には一般向けの「Project Genie」で提供開始

Genie 4は、AIが「動く世界のしくみ」を頭の中に持ち、操作に合わせて次の場面を描き出す「世界モデル」と呼ばれる種類のAIだ。前日の11月18日には、ブラウザで遊べる体験サイト「Project Genie」の新しい版として、AI Ultraの契約者向けに提供が始まった。その内容は当サイトのGenie 4の提供開始を伝えた記事で詳しく紹介している。同じ週には、Gemini APIでAIエージェントが道具の説明を必要なときだけ読み込む新機能「Tool Retrieval」も発表されており、Googleは開発者向けの機能の追加を立て続けに進めている。