世界モデル「Genie 4」、Gemini APIとGoogle AI Studioで一般提供を開始

世界モデル「Genie 4」、Gemini APIとGoogle AI Studioで一般提供を開始
平山 大樹(AB通信 運営責任者)

平山 大樹 AB通信 運営責任者

AB通信 編集部が、企業・行政の公式発表や決算資料などの一次情報を確認して書いています。運営会社・編集方針

目次

この記事のポイント

  • Googleは2026年11月19日、世界モデル「Genie 4」を、Gemini API(Interactions API)とGoogle AI Studioで開発者が使えるようにしたと発表しました。10月の研究プレビュー(本誌の解説)の続報です
  • テキスト、参照画像、またはその両方から、音声つきの720p(1280×720、16:9)、24fpsの世界を連続して生成できます。キーボードで歩き回り、途中の指示で天候、照明、物体、出来事を変えられます
  • 利用できるのはGemini APIの有料枠だけです。無料枠、Batch API、Flex、Priorityには対応していません。公式の標準料金では、映像の出力は1秒あたり約0.10ドル(音声込み、約6.05ドル/分)です
  • 配信拠点には日本のデータセンターも含まれます。公式ドキュメントは、東アジアでは往復150ミリ秒未満の応答を見込める、としています
  • 出力には、目に見えないSynthIDの透かしが入ります。見た目の安定は60〜90秒ほどで、上限は120秒です。タブを閉じただけでは課金はすぐ止まらないため、公式はセッション終了時に complete() を呼ぶよう案内しています

何が発表されたか

Googleは2026年11月19日、公式ブログ「Genie 4 is now available on the Gemini API.」で、Genie 4をGemini APIとGoogle AI Studioで開発者が使えるようにしたと発表しました。APIはInteractions API経由です。

Google AI Studio公式X(@GoogleAIStudio)は、日本時間2026年11月20日3:10に投稿し、セッションの途中で天候を変えたり、キャラクターを出したり、状況に合わせて音声を出したりできること、Gemini APIとAI Studioで試せすることを伝えています。投稿には公式のデモ動画が付いています。

本誌では2026年10月、研究プレビューの公開を「Google DeepMindが世界モデル『Genie 4』を研究プレビュー公開」で解説しました。当時は、まもなくAPIとAI Studioへの早期アクセスが始まる見込みで、料金と一般提供の日は公式に出ていませんでした。今回の発表は、その開発者向けの提供開始です。

公式ブログは、このAPI公開を「前日のGenie 4公開の続き」と位置づけています。前日(2026年11月18日)の公式ブログは、対象となるGoogle AI Ultraの利用者向けに、Project GenieでGenie 4の提供を始めたという内容です。本記事では、11月19日のGemini APIとGoogle AI Studioでの提供に絞って解説します。

公式ブログのメイン画像。夜間の街を走る車内から見た風景の上に、Genie 4、Now available in the Gemini API and Google AI Studio と書かれている
公式ブログの告知画像。出典:Google公式ブログ「Genie 4 is now available on the Gemini API.」(2026年11月19日)
図:Genie 4の研究プレビュー(2026年10月27日)と、今回の一般提供(2026年11月19日)の違い。位置づけ、料金、時間の目安、配信拠点などを比較
研究プレビューと一般提供の違い。出典:Google DeepMind公式ブログ「Genie 4: A new generation of world simulation」(2026年10月27日)、Google公式ブログ「Genie 4 is now available on the Gemini API.」(2026年11月19日)、Gemini API公式ドキュメント(2026年11月20日確認)をもとにAB通信が作成

何ができるようになったか

公式ブログによると、テキスト、参照画像、またはその両方を出発点に、音声つきの720p、24fpsの世界を連続して生成できます。音声は、環境音、効果音、キャラクターの会話まで含みます。公式ドキュメントでは、出力は1280×720(16:9)、音声は48kHzのステレオです。縦向き(9:16)や、フレームレートの変更には対応していません。

リアルタイムのキーボード操作と、途中で送るテキストの指示を組み合わせて、世界の中を歩き、天候、照明、物体、出来事をその場で変えられます。公式ブログは、Geminiの推論が世界の状態を一貫して保つ、としています。

公式ドキュメントでは、最初のフレームが出るまでおよそ5〜9秒、キーボード操作の反映はおよそ0.2〜0.5秒、途中のテキスト指示の反映はおよそ1〜2秒と案内されています。移動はWASD、視点は矢印キーです。

公式デモ動画の画面。眼鏡のポップアップストアの店内が生成され、商品画像を基にブランドの世界観で店舗を作るという指示と、WASDや矢印キーの操作ボタンが見える
公式デモ。商品画像を基に、眼鏡ブランドのポップアップストアを作る例。出典:Google AI Studio公式Xの投稿に付いたデモ動画(日本時間2026年11月20日3:10)
公式デモ動画の画面。スキーの下り坂に粉雪の雪崩が流れ、画面上には雪崩を加える、吹雪を入れる、といった途中の指示候補が表示されている
公式デモ。スキーのコースに雪崩を加えるなど、途中の指示で世界を変える例。出典:Google AI Studio公式Xの投稿に付いたデモ動画(日本時間2026年11月20日3:10)
公式デモ動画の画面。南極に熱気球が並ぶ、という指示を入力し、Genie 4を選んでCreateを押すところ
公式デモ。熱気球が並ぶ南極、という指示を入れてGenie 4で世界を作る画面。左端の文字が一部切れているのは、公式動画の画面のままです。出典:Google AI Studio公式Xの投稿に付いたデモ動画(日本時間2026年11月20日3:10)
公式デモ動画の画面。霧の湖に浮かぶ足場で、男性がサックスを吹いている。WASDと矢印キーの操作ボタンが見える
公式デモ。霧の湖に浮かぶ足場で、男性がサックスを吹く世界。キーボード操作の案内も見えます。出典:Google AI Studio公式Xの投稿に付いたデモ動画(日本時間2026年11月20日3:10)
公式デモ動画の画面。コンクリートの部屋に、砂漠と水中の世界につながる2つの扉がある
公式デモ。コンクリートの部屋に、砂漠と水中の世界につながる扉がある例。出典:Google AI Studio公式Xの投稿に付いたデモ動画(日本時間2026年11月20日3:10)
図:Genie 4をAPIで使う流れ。出発点を決める、有料枠でセッションを始める、キーボードで歩き見る、途中の指示で世界を変える、終わったらセッションを止める、の5段階
Genie 4をAPIで使う流れ。出典:Google公式ブログとGemini API公式ドキュメントをもとにAB通信が作成

料金と利用条件

Genie 4は、Gemini APIの有料枠だけが対象です。公式ドキュメントと料金ページは、無料枠では使えない、と明記しています。Batch API、Flex、Priorityにも対応していません。有料枠では、コンテンツは製品の改善に使われない、と料金ページは案内しています。

2026年11月20日時点の公式の標準料金(1百万トークンあたり、米ドル)は、次のとおりです。

  • 入力:1.50ドル(テキスト/参照画像)
  • 出力:テキスト 9.00ドル、映像 17.50ドル(音声込み)

映像の課金は、出力された映像トークンが基準です。1フレームあたり240トークン、24fpsでは1秒あたり5,760トークンです。標準料金(映像出力1百万トークンあたり17.50ドル)では、およそ1秒0.10ドル、1分6.05ドルになります。コンテキストのキャッシュには対応していません。

公式は、ブラウザのタブを閉じたり、通信が切れたりしても、サーバー側の生成はすぐには止まらない場合がある、と注意しています。課金を止めるには、セッションの終わりで complete() を呼んでください。

公式の「約6.05ドル/分」を按分した試算(映像の出力のみで、テキストや参照画像の入力は含みません)では、10秒は約1.01ドル、30秒は約3.03ドル、60秒は約6.05ドル、90秒は約9.08ドル、上限の120秒は約12.10ドルです。実際の請求は公式の計測に従います。

同時に開けるセッションと、1日のリクエスト数の上限は、利用枠(Tier)によって違います。公式のレート制限では、無料枠は対象外、Tier 1は同時2件・1日50件、Tier 2は同時5件・1日250件、Tier 3は同時10件・1日1,000件です。セッション中の移動操作や途中のテキスト指示は、この1日件数とは別に数えません。実際の上限は、AI Studioの画面でも確認できます。

日本から使えるか

公式ドキュメントは、Genie 4の配信拠点を、米国、西ヨーロッパ、日本のデータセンターと明記しています。北米、西・中央ヨーロッパ、東アジアでは、往復150ミリ秒未満の応答を見込める、としています。日本からの利用は、この東アジアの範囲に入ります。これ以外の地域では、操作の遅れやフレームレートの低下が起きやすい、とも書かれています。

ただし、使えるのは有料枠のGemini APIキーに限られます。Google AI Studioの画面から試すことも、公式に案内されています。

日本の企業では、どこで使えるか

公式ブログが挙げる用途は、インタラクティブな体験の試作、空間のデザインを目で見て確かめること、ロボットやAIエージェントの学習です。これを、日本の現場に当てはめると、次のような使い方が考えられます。

製品デモや広告の試作では、公式デモと同じく、商品の参照画像から店舗や世界観を作り、中を歩いて見せられます。眼鏡のポップアップストアを、商品の形や色を基に作る例が、公式動画で示されています。キャンペーンや展示の空間を、実際に作り込む前の確認に使えます。

不動産の内見や、観光施設、商業施設の空間紹介でも、テキストや参照画像から空間を作り、途中で天候や時間帯を変えて見せられます。公式は「空間のコンセプトを視覚化する」用途を挙げています。

ロボットや店舗案内のエージェントを試す場合は、実機の前に、同じ空間を何度も生成して動きを確認する、といった使い方が公式の「学習用」の案内に沿います。

使うときの注意

公式ドキュメントは、Genie 4が持続する3Dの立体データではなく、時間の窓の中でフレームを作る世界モデルである、と説明しています。8秒以上目を離したり、360度回ったりすると、目印や扉、ボタンの位置がずれたり、戻ったりすることがあります。見た目の安定は60〜90秒ほどで落ちることがあり、上限は120秒です。

受け付けるのは、テキスト、最初の16:9の参照画像1枚、キーボードと視点の操作です。マイクやカメラのライブ入力、関数呼び出し、Google検索との組み合わせ、構造化出力、終了したセッションの再開には対応していません。看板、計器、時計の文字は時間とともに形が崩れ、正確な個数も視点を動かすとずれやすい、と公式は書いています。

実在の人物や公人、著作権のあるブランドを含む指示や参照画像は、開始時に止められたり、途中でセッションが終わったりする場合があります。出力には、目に見えないSynthIDの透かしが入ります。

接続は、ブラウザ向けのWebRTCか、PythonやNode.js向けのWebSocketです。公式ドキュメントは v1beta を使う手順を案内しています。詳しい手順と制限は、Gemini API公式ドキュメント「Interactive world generation with Genie 4」を見てください。

関連記事(AB通信)

出典

更新履歴

  • 2026年11月20日:初稿
  • 2026年11月20日:公式デモの画面と、研究プレビューとの比較図を追加。料金の試算も本文に追記

営業メールなし/無料

AI・SEOの動きは、
毎朝7時のメールで追いつける

平山 大樹(AB通信 運営責任者)

毎朝6時に私がピックアップしてます!

平山 大樹|AB通信 運営責任者

AB通信のメール配信イメージ

もうXを追いかけなくていい。前日にAB通信で公開したAI・SEOの新着記事を、朝のうちにまとめてお届けします。

毎朝7時ごろ、前日のAI・SEOの新着記事をメールでお届けします。

営業メールは送りません。無料で、配信はいつでも解除できます。
登録後に届く確認メールの「登録を確定する」ボタンで完了です(迷惑メールフォルダもご確認ください)。

目次