Genie 4とは？音の出る世界モデルが映像制作で変える工程

Genie 4は、Google DeepMindが2026年10月27日（米国時間）に発表した世界モデルです。文章で指示した空間を、キーボードで歩き回れる映像としてリアルタイムに作り続け、風や波の音、台詞まで同時に鳴らします。映像制作の用途として公式が名前を挙げたのはプリビズの下書きだけで、ロケハンや仮の効果音づけにどこまで効くかは、まだ読みの段階なんですよ。

「これがあればロケハンもプリビズも要らなくなる？」と社内で聞かれたら、どう答えますか。工程ごとに、使えそうな所とまだ判断できない所を分けて、最後は見積書の費目まで落として整理します。

Genie 4は動画生成AIと何が違うのか？

動画生成AIは、指示を受けて数秒から数十秒の動画を1本書き出したら、そこで仕事が終わります。Genie 4は、操作を受けるたびに次のフレームを作り続けるシミュレーションです。こうした「操作に応じて世界の続きを描くAI」を世界モデルと呼びます。

操作は、キーボードで移動とカメラ、テキストで場面の変更です。歩いている途中でも、文章で場面に手を入れられます。1カットごとに書き出しては作り直す動画生成とは、付き合い方がまるで違うって話です。

新しいのは音です。公式はGenie 4を「音をネイティブに生成する、DeepMind初のリアルタイム世界モデル」と書いていて、環境音、音楽、相手の反応に合わせて変わる台詞が、絵と一緒に出ます。前のGenie 3は映像だけでした。裏ではGemini 3.8 Flashが案内役につき、目標を手順に分け、届いたフレームを見ながら各手順が成功したかを確かめます。

いま触れるのは、DeepMindが選んだ限られたtrusted testers（先行して試す利用者）だけです。研究段階のresearch previewという位置づけで、近日中にGoogle AI Ultra加入者向けのProject Genieと、Gemini API・Google AI Studioのearly access partnersへ広げると発表されています。

Genie 4

Our most realistic and interactive world model yet

deepmind.google

公式が映像制作で挙げた用途は、プリビズのdraft mode

DeepMindの公式ブログで映像制作に触れているのは、1か所だけです。クリエイターや技術者がGenie 4を、プリビズとアイデア出しのための「draft mode（下書きモード）」として試していると書かれています。映像の作り手がシーンのシミュレーションに入り、カメラアングル、照明、台詞、芝居をその場で変えながら、「テイク」を何度もリアルタイムで回せる、という説明です。

プリビズは、撮影前にカメラ位置や動きを仮の映像で確かめる工程です。絵コンテやビデオコンテ、3DCGのアニマティクスで組むのが一般的で、3DCGで組むならアセットを作る人とカメラを付ける人の手間が乗ります。あなたの現場では、プリビズをどこまで外に出していますか？

これ、現場的にはかなり具体的な話なんですよ。たとえばプリビズ会議で監督が「カメラをもう少し低く、照明は夕方寄りで」と言うと、今は持ち帰って数日後に直した版を見せる流れになります。draft modeの説明どおりに動くなら、その場で変えて見られるので、この往復が減ります。

ここから先は自分の読みです。公式が書いたのは「下書き」と「アイデア出し」までで、仕上がったプリビズ映像を納品物として出せるかには触れていません。Google側の発表は、映画制作を報道やゲーム、製造と並べて応用先に挙げていますが、ロケハンや仮の効果音づけという言葉は、どちらの発表にも出てきません。続く2つの工程は、公表された性能と制限から当てはめた話として読んでください。

ロケハンにGenie 4は使えるか？

ロケハンのうち、「この場所でどう見えるか」の当たりをつける部分なら、手を出せる余地があります。きっかけはGenie 3を使ったProject Genieのほうです。2026年5月にStreet View連携が入り、地図にピンを立てた実在の場所をもとに、歩き回れる世界を作れるようになりました。ただし対象は今のところ米国内の場所だけです（Googleの発表）。

Genie 4の発表には、この連携も実在の場所の再現も出てきません。しかも公式は、空間の正確さを研究中の課題に挙げています。道幅や建物の高さが実物どおりに出る保証がないので、レンズを決めたり機材車の置き場を測ったりする用途には向きません。

それに、ロケハンの手間の多くは「見え方」以外の所にかかっていませんか？ 撮影許可の窓口、電源の取り回し、搬入経路、近隣の生活音、時間帯ごとの日の向き。これは現地に行かないと分からないし、許可は人が取りに行くものです。Genie 4が入っても、候補地を絞る前の打ち合わせが短くなる程度と見ておくのが安全です。

Genie 4の効果音と台詞は、まず仮音の候補

音が絵と一緒に出るのは、プリビズにとって大きいんですよ。無音のビデオコンテだと、テンポの判断がどうしても甘くなります。波の音や雑踏が鳴っているだけで、カットの長さの感覚が変わります。

ただ公式は、リアルタイムの音声の正確さを研究課題として明記しています。足音が画面の動きとずれる、台詞が意図と違う、といった揺れは前提にしておいたほうがいい。そのうえ、効果音と台詞と音楽を分けたステム（素材別の音声トラック）で取り出せるかは、どこにも書かれていません。

MAに渡すには、音が素材ごとに分かれていて、尺と同期が揃っている必要があります。Genie 4の音で今見込めるのは、プリビズ会議で場の空気をつかむための仮音までです。効果音のライブラリ代や仮MAの作業が減るかは、書き出しの仕様が出るまで判断できません。

シーンが保つ時間は、Genie 3と同じ数分という書き方

日本語の記事でよく見る「約2分、Genie 3の倍」は、公式の数字ではありません。出どころはTechCrunchの記事で、「最大2分までシーンの一貫性を保ち、前の世代の倍」と報じたものです。

DeepMindのGenie 4のモデルページは、「数分の連続したやり取り」と書いています。そしてGenie 3の発表のときも、同じく「数分の連続したやり取り」でした。Genie 3は、環境が数分おおむね保たれ、見た目の記憶は約1分前まで、という説明です。報道の「倍」は、物差しの違う数字を並べた比較だと読めます。

制作側が気にすべきは、どういうときに崩れるかのほうです。公式によると、シミュレーションを長く回したとき、込み入った指示の編集を何度も重ねたとき、シーンの中を移動したときに、見た目の細部や物の位置がずれていきます。看板や小道具の文字も、最初の場面説明に書いた文字でないと、はっきり出にくいそうです。

つまり、1シーンを短く区切ってカメラ位置と照明の当たりを見る使い方なら噛み合います。長回しの段取りや、店名が読める看板を含むカットの検証には、まだ向きません。

書き出しと商用利用、納品物に混ぜていいのか？

今の時点では、混ぜる判断ができません。Genie 4について、書き出しの形式、解像度、フレームレート、料金、APIのモデル名、商用利用の条件は、どれも公表されていないからです。日本で使える時期も確認できていません。

参考になるのはGenie 3版のProject Genieです。1月の公開時点で、1回の生成は60秒まで、720p・24fpsで、探索の様子を動画でダウンロードできると報じられました。5月には、世界の対象となるUltra加入者（18歳以上）へ順次広げると公式が発表しています。Genie 4も720p・24fps前後にとどまるなら、本編に使う画質ではありません。

決まっているのは、Genie 4が作る映像と音声のすべてにSynthID（目に見えない電子透かし）が入ることです。映像だけでなく音にも入るので、仮音のつもりで使った音が本編のMAに紛れ込んでも、AI生成の素材だという印が残ります。SynthID入りの素材をどのフォルダに置き、誰が本編に入れていいと判断するのか。社内の素材管理のルールに一行足す話です。

映像制作の見積書で、動く行と動かない行

ここまでを費目に置き直すと、消える行はありません。

予算を握る側から見ると、動くのは撮影前の打ち合わせまわりの数行です。プリビズを外注しているなら、その行が真っ先に話題に上がるはずです。逆に「ロケハンが浮く」「仮MAが要らなくなる」という話が出たら、今の公表情報には根拠がありません。

Project GenieにGenie 4が来たら、最初に見る価値があるのは、書き出した映像と音を編集ソフトに読み込めるかの1点です。そこが通れば、プリビズの行の見積もりを引き直す話が始まります。プリビズを外に出している本数が年に何本あるかが、Genie 4を自分の予算の話として追うかどうかの目安になります。