Googleは2026年10月27日、自然言語で場面を動かしながら、映像とともに音声も生成する世界モデル「Genie 4」の研究を発表しました。現在は限定された信頼できるテスターへの研究プレビューで、一般の契約者全員がすぐに使える製品として発表されたわけではありません。
制作やマーケティングの担当者にとっての関心は、完成動画を速く作ることだけでなく、場面を変えながら企画を検討できる可能性です。ただし、実在の場所の正確な再現や長時間の一貫性には制約があります。まずは提供条件を待ちながら、どの企画判断に使うかと、出来上がったものをどう評価するかを決めておくのが現実的です。
Genie 4は何が変わったのか
Googleの公式発表によると、Genie 4はリアルタイムの対話的なシミュレーションに、モデル自身による音声生成を組み合わせます。利用者は自然言語でカメラの移動、天候の変更、登場人物の追加などを指示し、変化する場面を操作できます。環境音や音楽、対話も生成対象です。
ここでいう「世界モデル」は、画像を一枚作って終えるのではなく、利用者の働きかけに応じて変化する環境を生成する仕組みです。例えば、同じ架空の通りを歩きながら天候を変えたとき、見た目や音がどう変わるかを検討する用途が考えられます。あくまで生成されたシミュレーションであり、現実世界の物理や人物の行動を常に正しく予測する装置ではありません。
GoogleはGeminiファミリーの能力を組み合わせて、場面の外観や動き、一貫性を支えると説明しています。ただし、モデル名だけから、他のGemini製品と同じ操作画面や契約条件で利用できると考えることはできません。Genie 4の提供経路と、普段利用するチャットサービスは分けて確認しましょう。
動画生成との違いは、変化させながら検討できること
通常の制作工程では、企画を決め、映像を作り、確認後に修正を依頼するという往復が発生します。Genie 4の発表で注目したいのは、生成された場面に対し、その場で変更を指示しながら反応を見られる点です。担当者は完成素材の置き換えより先に、演出の方向性を探る工程での適性を確かめられるでしょう。
ただし、この比較は作業の目的の違いを整理したもので、既存の動画生成サービスすべてに同様の操作がないという意味ではありません。公式発表だけでは、編集ソフトへの受け渡し、解像度、書き出し形式、商用利用の範囲をここで比較できません。最終納品が必要な案件では、それらの条件と人による編集工程を別に確認する必要があります。
また、音が付くことと、望んだ音が正確に出ることは別です。Google DeepMindの現行のモデル説明は、音声の精度を引き続き研究・改善中としています。環境音が雰囲気に合っていても、固有名詞の発音や台詞の内容まで正しいとは限りません。音声を企画確認に使う場合も、言葉と映像の両方を別々に点検してください。
日本から使えるか：現時点では提供条件の確認が先
公式発表では、信頼できるテスターへの提供を開始し、今後はProject GenieのGoogle AI Ultra加入者と、Gemini APIおよびGoogle AI Studioの早期アクセスパートナーから提供する予定としています。「今後」とされた対象は、全員への提供完了を意味しません。
今回確認した公式発表とモデル説明には、日本でのGenie 4の提供開始日、日本語での操作・音声の対応範囲、Genie 4固有の料金が明記されていません。Google AI Ultraへの加入があるだけで、日本のアカウントから必ず使えるとも断定できません。対象地域、アカウントの資格、利用回数、料金、契約上の利用範囲は、実際に案内された時点で公式条件を確認してください。
開発者向けのAPIについても、早期アクセスパートナーからの提供予定という段階です。一般公開済みのAPIとして開発計画や顧客への納期を確定することは避け、利用可能になってから仕様と制限を検証するのが安全です。
制作担当者が検討できる二つの想定例
店舗キャンペーンの演出を比較する
想定例として、販促担当者が架空のポップアップ店舗の雰囲気を企画する場面を考えます。最初に「入口、商品棚、通路、照明」という確認したい要素を書き出し、場面を生成できるようになった後、天候やカメラの位置を変えたときに印象がどう変わるかを比べます。音については、会話や環境音が演出の邪魔にならないかを確認します。
この例の目的は、配置や雰囲気に関する議論を早めることです。生成物を実際の店舗の寸法図や安全な動線の証拠として扱うことはできません。採用する案が決まったら、現地の図面や実測、施工担当者の確認へ戻します。生成した看板や商品名が正しいかも別途確認してください。
イベント会場の体験を検討する
もう一つの想定例は、イベントの企画担当者が、来場者の視点で架空の会場の演出を話し合うケースです。入口から展示へ向かう場面を作り、視点の変更や登場人物の追加によって、どのような雰囲気が伝わるかをチームで検討します。会話が必要な演出なら、生成された台詞の自然さだけでなく、意図した情報が含まれるかを人が確認します。
この例は、Googleが示した場面の制御と音声生成から考えられる使い方であり、実際に検証した成果ではありません。会場の収容人数、避難経路、実在する設備の位置を生成結果から判断することはできません。企画の材料として使い、実施判断には図面や現地確認を使う、という役割分担が必要です。
使えるようになったら、小さな企画でどう試すか
- 対象条件を確認する。利用可能なアカウント、提供地域、料金、回数制限、入力データと生成物の扱いを公式案内で確認します。条件が合わなければ試行を見送ります。
- 比較する作業を一つ選ぶ。例えば架空の店舗演出の方向性を決める作業に絞ります。実在する顧客情報や未公開資料を使う前に、契約条件と社内ルールを確認します。
- 判断基準を先に決める。雰囲気、視点を変えたときの整合性、音の適合、修正に要した回数を記録します。既存の絵コンテや参考画像で同じ判断をする場合の手間も残します。
- 一度に一つの変更を試す。同じ初期条件から天候や視点などを一つずつ変え、意図した差が見えるかを確認します。操作画面や具体的な手順は、実際に提供された公式案内に従います。
- 採否を決める。確認にかかった時間だけでなく、誤りの指摘や作り直しを含む全体の負担を比較します。判断に必要な一貫性が足りなければ、企画用の参考にとどめます。
評価では、生成が速かったかだけでなく、関係者の合意に役立ったかを見ます。例えば、修正の依頼が減ったとしても、生成内容の誤りを説明する手間が増えれば、工程全体の負担は減らないかもしれません。試行前に何をもって「使える」とするかを共有しておくと、見た目の新しさだけで判断せずに済みます。
制約を踏まえ、実写や設計の代わりにしない
Google DeepMindは、長く使った場合や複雑な変更を重ねた場合、場面の細部や物体の一貫性が変化し得ると説明しています。連続した操作も数分程度で、実在する場所の完全に正確な再現はできません。文字の描画や音声の正確さにも課題が残ります。複数の独立した人物と環境の複雑な相互作用も研究途上です。
これらは、例えば同じ会場を複数の視点から確認するときに、設備の位置が変わって見える可能性を意味します。気になる箇所は画面の印象だけで承認せず、実測や元資料と照らし合わせてください。音声も書き起こしや原稿と比較し、誤りを見つけた場合は人が修正可能な工程に戻します。
Googleは生成された映像と音声に、AI生成物の識別を助ける電子透かしSynthIDを含めるとしています。それだけで内容の正確さや利用権が保証されるわけではありません。社外に見せる場合は生成物であることを適切に伝え、用途に応じて権利や契約条件を確認しましょう。
今すぐ必要なのが寸法に忠実な会場図、正確な台詞、長時間の安定した映像であれば、現段階の研究プレビューに工程を依存する理由は乏しいでしょう。一方、架空の場面の方向性を複数人で話し合う仕事なら、提供後の小規模な比較対象になり得ます。まず一件の企画と評価基準を用意し、利用条件が公表されたら既存の方法と比べて採否を決めてください。