Google DeepMind、Genie 4発表。音声や会話も即時生成

Google DeepMindがワールドモデル「Genie 4」を発表したと、ITmedia NEWSが報じた。見出しによると、Genie 4は音声や会話もリアルタイムで生成でき、同社のAI「Gemini」と連携する。今回の材料は見出しのみで、生成できる映像の品質や長さ、利用できる対象、提供時期といった点は確認できていない。

ワールドモデルは、仮想の環境を生成し、その中で時間とともに起きる変化や、利用者の操作に対する反応を再現するAIを指す。ゲームや映像の生成に加え、ロボットや自律エージェントを仮想環境で訓練する用途が期待されている。見出しの内容からは、Genie 4が映像に加えて音声や会話まで同時に生成する方向へ広がったことがうかがえる。

Geminiとの連携が何を意味するかは材料からは分からないが、言語モデルが持つ対話や推論の能力と、ワールドモデルの環境生成を組み合わせる狙いがあるとみられる。仮想世界の中で登場人物と話す、といった体験が可能になれば、ゲームや教育、シミュレーションの分野で新しい使い方が生まれる可能性がある。