夕方の駅入口で、通勤客が改札へと流れ、数人は地図を読むために立ち止まり、別の流れが横から交差している。その光景の説得力ある画像は、説得力ある群衆行動と取り違えられやすい。忙しい公共空間におけるGenie 4の群衆移動は、より要求の厳しいテストである。あなたがその中を移動し、起こることを変えても、シーンは反応し続けられるだろうか？
Genie 4はインタラクティブなワールドモデルであり、単なるテキストから動画を生成するツールではない。Google DeepMindは1980年代の混雑した日本の駅を示し、キーボードナビゲーション、カメラ制御、リアルタイムの自然言語によるシーン変更について説明している。発表では、Genie 4は早期の研究プレビューであり、オブジェクト永続性、空間精度、複雑な相互作用、長期的な一貫性はまだ開発中であるとも述べられている。そのため、概念探索には有望だが、検証済みの群衆シミュレータの証拠ではない。（ Google DeepMind, October 2026 ）
主なポイント
- Genie 4では、対象となるテスターが進化するシーンを探索し操作できる。標準的な動画生成器は固定クリップを返す。
- 「混雑」や「リアル」に頼るのではなく、経路、交差する流れ、立ち止まる行動、カメラ移動、シーンのランドマークを指定する。
- 交差、人物の繰り返し、編集後も駅が同じ位置にとどまるかなど、時間を通した動きを評価する。
- 2026年11月2日時点で、Genie 4はアクセスが制限された研究プレビューである。固定動画は別の種類の代替手段である。
Genie 4が群衆移動について変えること
動画生成器は通常、入力を、選ばれたカメラ経路から視聴するクリップに変える。Genie 4はワールドモデルとして提示されている。生成された環境内で視点を移動させ、テキストで進化するシーンを操作できる。DeepMindによると、そのデモではナビゲーションとカメラ制御に標準的なキーボード操作を使い、天候の変更やオブジェクトの導入などの変更には自然言語プロンプトを使う。また、Geminiがそれらの変更を文脈に沿って解釈し、世界を進行させ続けるのを助けるという。
その違いは、デザイナーが1つの構図の枠を超えて駅を調べたいときに重要になる。広いコンコース入口から始め、改札へ歩き、その後、小さなグループに壁の地図の近くで一時停止するよう頼むかもしれない。原則として、その一連の流れによって、新しい出来事の周囲でも環境が続くかどうかを探索できる。1フレームが混雑して見えるかどうかより、有用な問いである。
公式の混雑駅の例は、1980年代の日本の田舎の鉄道駅のためのプロンプトである。乗客が待つ、歩く、乗車する、荷物を運ぶ様子、カメラ近くの鉄道検査員、最寄りの線路の長い赤い列車、山の設定が記述されている。それはDeepMindが実演するために選んだシーンの証拠である。群衆のリアリズムを独立にテストしたものではなく、公開されたプロンプトは、要求されたすべての動作が長時間の探索中に正しく振る舞ったことを立証しない。
| ニーズ | インタラクティブなワールドモデル | 固定動画生成器 |
|---|---|---|
| 入力と出力 | セッション中にナビゲートし操作できるプロンプト主導の世界 | レンダリングされたカメラ経路を持つプロンプト主導のクリップ |
| 探索を続ける | シーン内を移動し、対応しているライブ変更を試す | 出力を確認する。新しい生成は別の結果である |
| 有用な用途 | 初期のシーン、カメラ、インタラクションの探索 | 短いコンセプトクリップまたはビジュアルリファレンス |
| アクセス | Genie 4のアクセスは現在、研究プレビューに限定されている | 選択したモデルとサービスによる |
移動したり介入したりすると何が起こるかという問いならGenie 4を選ぶ。確認または共有するクリップが成果物なら固定動画を選ぶ。どちらの形式も、それ自体では歩行者の経路、クリアランス、タイミングが実際の会場と一致することを証明しない。
忙しい公共空間でGenie 4をプロンプトする方法
「忙しい駅を作って」は、モデルにテーマを与えるだけで、移動計画は与えない。有用な群衆プロンプトは、観察可能な行動と空間的関係を記述する。場所、時間、レイアウト、流れ、個人の行動、カメラ経路、音の7つから始める。有用な評価のためには、入口、改札、標識の位置など、固定すべきものも指定する。
公式の駅プロンプトは、設定と目に見える活動を提供する。制御された実験では、一度に1つの変数を明示する。最初の実行で歩行方向が不明確なら、場所とカメラ計画を安定させたまま、流れの指示を修正する。設定、密度、カメラ、行動を同時に変えると、どの指示が結果を変えたのか分からない。
以下は、認可されたGenie 4プレビューユーザー向けの開始実験である。これはAtlas Cloudのプロンプトではなく、あらゆるコントロールの利用可否はそのアカウントに提供されるプレビュー体験に依存する。
plaintext1Create an explorable, realistic public train-station concourse during the evening commute. Show a steady, dense pedestrian flow moving in both directions through clearly visible lanes. Some people walk briskly toward the platform entrances, a few pause beside a wall map without blocking the main flow, and small groups walk together at a natural pace. Pedestrians adjust their paths and leave personal space when crossing; avoid synchronized marching or repeated identical people. Keep the station layout stable, with the main entrance, ticket gates, and platform signs in consistent positions. Begin from a wide eye-level view, then let me move toward the ticket gates while the crowd continues to flow naturally. Use realistic indoor station ambience and indistinct background conversation. Do not show emergencies, panic, collisions, or readable brand logos.
プロンプトは実験仕様として扱い、保証とはみなさない。「パーソナルスペースを空ける」は望ましい行動を表現するが、測定されたクリアランス閾値を定義するものではない。「駅のレイアウトを安定させる」は要求であり、幾何学形状が安定し続ける証明ではない。プレビューインターフェースがライブテキスト操作に対応しているなら、数人に地図の近くで一時停止するよう頼むなど、狭い出来事を1つテストし、その周囲の経路を観察する。アカウントのインターフェースで文書化されていない限り、特定のコントロール、時間、設定を前提にしてはならない。
公平な確認のために、小さな実行ログをつける。プロンプトのバージョン、開始視点、変更した指示、その後観察したこと。複雑な採点システムは不要である。目的は、目に見える結果と印象を分け、繰り返しの試行を比較可能にすることである。
ケース：駅の交差路で落ちたプログラム
ブルーアワーの架空の駅コンコースでテストを設定する。アンバー色の光がアーチ型のガラス屋根を通り、青緑とテラコッタのモザイクに落ちる。乗客の一つの流れは改札へ向かい、別の流れは出口へ交差していく。エメラルドの仕立てコート、コーラルのプリーツドレス、サフランのシルクスカーフ、バーガンディのブーツを身につけた成人女性が、トートから折りたたまれた、印刷されていないプログラムが滑り落ちるのに気づく。彼女は振り向いて受け止め、別の乗客が手伝うと安堵して微笑み、感謝のジェスチャーをし、連れに戻る。この小さな中断が、緊急事態や不自然なダンスルーティンなしに、群衆に経路を調整する理由を与える。
提供されたスチルと28秒クリップは固定生成メディアであり、Genie 4の映像ではない。問題は、カメラが方向を変えても、同じモザイクの交差路、地図の壁、天窓、改札列が同じ位置にとどまるかである。近くの乗客が自然にかわし、経路を再開するかを見る。女性の振り向き、手を伸ばす動き、変わる表情、ジェスチャーによって、より大きな流れの中で個人の動きが見える。
このケースでは3枚のスチル画像と1本の連続28秒動画を使用する。再現するには、ワイドビューをSeedream 5.0 Pro Text-to-Imageで作成する。サイドビューと戻りビューはSeedream 5.0 Pro Editで作成し、最初の画像を使って人物、衣装、照明、建築を保持する。承認された3枚すべての画像をWan 3.0 Reference-to-Videoに渡して長いクリップを作る。これらの固定出力はアイデアを検査するのに役立つが、ライブナビゲーションやテキスト操作をテストできるのは実際のGenie 4セッションだけである。
画像1プロンプト、入口のワイドビュー： ブルーアワーの忙しい架空の現代駅のフォトリアルな16:9シネマティック・スチル。アーチ型ガラス屋根が青緑とテラコッタの星形モザイクにアンバー色の光を注ぐ。真鍮縁の地図壁が、安定した改札列の左に立つ。2つの密だが読み取れる歩行者流がモザイクで交差し、反対方向に歩いている。中距離に、栗色の髪を低い編み込みお団子にした成人女性が、エメラルドの仕立てコートの下にコーラルのプリーツドレス、サフランのシルクスカーフ、バーガンディのアンクルブーツ、小さなレザートートを身につけている。折りたたまれた白紙のプログラムがトートから滑り始めると、彼女は警戒した驚きの表情で首を向ける。入口からの広い目線の高さのビュー、35mmレンズ、豊かだが信憑性のある色、自然な顔と手、他の乗客の明確な服装。読める標識、ロゴ、衝突、重複した人物、空のプラットフォームはなし。
ワイドフレームは星形モザイク、地図壁、改札、反対方向の歩行者流を確立する。
画像2プロンプト、サイド交差ビュー： 画像1を、入口ビューから約90度の16:9サイドアングルに編集する。女性の正確な顔、低い編み込み、エメラルドのコート、コーラルのドレス、サフランのスカーフ、バーガンディのブーツ、トートを保持する。同じアーチ型屋根、地図壁、改札列、星形モザイク、ブルーアワーのアンバー色の光を空間的に妥当な位置に保つ。彼女が途中で振り向き、片腕を落ちる白紙のプログラムへ伸ばす様子を示す。スカーフとスカートはその回転に自然に従う。プラム色のジャケットの乗客が少し屈み、角をキャッチする。両方向に歩く人々が、多様な歩幅と目に見えるパーソナルスペースで彼らの周りを曲がる。自然な表情と優雅な身体動作、ポーズを取ったダンス、余分な手足、シーンの再設計、判読可能なテキストはなし。
サイドビューで彼女の手を伸ばす動きと局所的な交差が見える。プログラムと近くの人々が連続性の確認点である。
画像3プロンプト、改札からのリバースビュー： 画像1と2を、改札のすぐ先から入口へ振り返る3番目の16:9ビューに編集する。同じ顔、服装、プラム色のジャケットの乗客、屋根のアーチ、地図壁、改札列、星形モザイク、色パレットを保持する。女性は今、回収した白紙のプログラムを持ち、安堵して微笑み、片手を感謝の気持ちで開き、肩を回して流れに戻る。2つの交差する流れは彼女の後ろと横で続く。肩の高さのフレーミングで、逆方向からモザイクと屋根が認識できる。フォトリアルな布地と肌、洗練されているが信憑性のある駅デザイン、凍りついた群衆、繰り返される顔、ロゴ、判読可能な標識はなし。
最後のスチルは彼女の服装と駅のランドマークを保持しているが、要求された真のリバースアングルには達していない。
28秒動画プロンプト： 承認された3枚のスチルを、同じコンコースと同じ人々の1本の連続したフォトリアルな16:9ショットの視覚リファレンスとして使用する。0～7秒、入口から斜め内側へ滑らかに進み、2つの忙しい流れが星形モザイクの近くで多様な歩行リズムで交差する。7～14秒、白紙のプログラムがトートから滑り落ちる女性の横を追う。彼女の眉が上がり、制御された全身の回転で振り向き、スカーフとスカートが慣性で動き、彼女はそれに手を伸ばす。14～21秒、プラム色のジャケットの乗客が角をキャッチする間、交差路の周りを弧を描くように回り、近くの歩行者は経路を失わずに減速または横に避け、女性は微笑み、プログラムを受け取り、小さな開いた手の感謝ジェスチャーをする。21～28秒、彼女が連れの方を向いて流れに戻る間、改札からのリバースビューへ移る。振り返って、同じ地図壁、屋根のアーチ、改札列、星形モザイクが一貫した位置にあるのを見せる。顔、服装、建築、照明を安定させ、カメラの高さを信憑性のあるものにし、動きを流動的に、表情を読み取れるように保つ。緊急事態、ダンスルーティン、衝突、重複した人物、テレポート、歪んだ手、突然のカット、スローズームのみの動きはなし。ロゴや判読可能な看板はなし。
8YZG7XVc2Bk
28秒の固定クリップは、広い群衆ビューから紙の受け渡しへ移動し、コンコースを通って戻る。これはレンダリングされた例であり、Genie 4インタラクションの記録ではない。
スチルは、出来事を通して女性のエメラルドのコート、サフランのスカーフ、コーラルのドレスを保持している。3番目の画像は、要求されたリバースビューを示す代わりに、シーンの同様の側面にとどまっている。クリップでは、プログラムが手を渡る間、カメラはワイドビューとより近いサイドビューの間を移動するが、明確なリバースビューの連続性テストを完了しない。そのギャップは、どの1フレームの魅力よりも重要である。固定クリップはまた、Genie 4がライブ操作リクエストにどう応答するかを示せない。
1フレームではなく群衆行動を評価する方法
スチルフレームは密度と構図を示せる。しかし、歩行者が首尾一貫して動き続けるか、交差する流れが互いにスペースを作るか、シーン編集が背後の建物を変えるかは分からない。連続したシーケンスを視聴し、毎回同じ5つの点を確認する：
- 流れの方向： コンコースを通る主な経路を特定できるか？ 人々は入口に向かい続けるか、それとも経路がランダムに逆転するか？
- 局所的な交差： 2つの流れが出会ったとき、人々は方向と速度を調整しているように見えるか、それとも身体が重なり、横にスナップし、互いを通り抜けるか？
- 個人差： 人々は多様なタイミングで歩き、待ち、グループを作るか、それとも多くの人物が同じ動きと外見を繰り返すか？
- 空間的連続性： カメラを動かしたりシーンを変更した後、改札や壁などの固定ランドマークが一貫した位置にとどまるか？
- 出来事と音の適合： 数人が立ち止まったり、音の合図が起きたりした場合、近くの人々と環境音は目に見えるものに合うように反応するか？
このリストを使って、結果がビジュアル討論を支えるかどうかを判断する。何人かの歩行者が繰り返しても、シーンがムードボードに使えることはある。同じ出力は、衝突回避の研究には不十分だろう。カメラが回った後に人が消える、歩道の形が変わるなど、具体的な失敗を記録し、「リアリズム」を1つの広い印象として採点しない。
チェックリストは、生成されたシーンを検証済みシミュレーションに変えるものではない。DeepMind自身が、視覚的ドリフト、オブジェクト永続性、複雑な物理的相互作用、空間精度、より長期的な一貫性を積極的な研究上の制限として挙げている。洗練された画像や反応的な瞬間は、それらの領域のエラーと共存しうる。（ Google DeepMind, Genie 4 limitations ）
Genie 4のアクセス、利用可能性、実用的なプランB
発表によると、Genie 4は信頼されたテスター向けの研究プレビューとして展開が始まっている。Googleは、Google AI Ultra加入者向けのProject Genieを通じて、またGemini APIとGoogle AI Studio向けの早期アクセスパートナーを通じて、アクセスを拡大する予定だと述べている。「拡大する予定」は、すべての加入者や開発者が今日使えるという意味ではない。公開発表は一般提供の価格を明記しておらず、ウェイトリストはアクセスの確認ではない。
ライブセッションを中心にプロジェクトを計画する前に、公式Genieページとウェイトリストで現在の資格を確認する。もしアクセスを得たら、短い探索から始め、出力を初期のビジュアルプロトタイプとして扱う。付与されていないアクセスに基づいて、スケジュール、安全上の主張、制作要件を立てるのは避ける。
すぐに必要なのが固定コンセプトクリップなら、動画モデルはより狭い問いに答えられる。この駅が1つの構図のショットでどのように見え、どう感じられるか？ Atlas Cloudは、参照画像がすでにある場合の1つの選択肢としてWan 3.0 Reference-to-Videoを挙げている。実行前にライブのモデル設定を確認する。
上記の駅交差ケースは、その固定動画の一例である。その28秒のカメラ経路は、繰り返される人物、不安定な建築、互いを貫通する経路を明らかにすることがある。クリップはビジュアルコンセプトのプレビューであり、インタラクティブなGenie 4セッションではない。視聴者はその周りを歩いたり、起きている新しい出来事を操作したりできない。
DeepMindの公式駅プロンプトで挙げられたシーン要素の簡潔な読み取り。
Genie 4の群衆シーンが役立つとき、注意すべきこと
インタラクティブな群衆シーンは、ゲームチームがコンコースの感触を議論したり、映画制作者がカメラの高さと動きを探ったり、クリエイティブチームが詳細な環境を作る前にいくつかのシーン方向を比較したりするのに役立つかもしれない。価値は迅速な探索にある。人々は「カメラがここから始まったら？」「小さなグループが一時停止したら何が変わる？」と問い、応答を検査できる。
これらの問いは制作検証とは異なる。生成された群衆シーンは、会場の収容力、避難時間、アクセシビリティ、安全な歩行者密度、建築要件への準拠を立証しない。それらの決定には、適切な実世界データと手法、および資格ある専門家によるレビューが必要である。空間精度と複雑な相互作用に関するGenie 4自身の公表された制限は、もっともらしく見えるシーケンスを工学的結果として扱わないことが特に重要であることを意味する。
同じ境界はゲームロジックにも当てはまる。生成されたキャラクターが譲っているように見えても、再現可能なナビゲーションルール、決定論的な衝突処理、セッション間で安定した行動の証明にはならない。意思決定が測定された結果に依存する場合は、シーンを使ってアイデアを議論可能にし、目的に特化したツールと制御されたテストへ移る。
忙しい公共空間におけるGenie 4の群衆移動について、実用的な次のステップは、検査したいインタラクションを1つ定義し、一貫して保つべきランドマークと経路を書き留め、現在のプレビュー資格を確認することである。Genie 4にアクセスできず、共有可能なビジュアルリファレンスだけが必要なら、固定動画ワークフローを使い、結果を正確にラベル付けする。
よくある質問
Genie 4は動画生成器ですか、それともインタラクティブなワールドモデルですか？
GoogleはGenie 4をインタラクティブなワールドモデルと説明している。そのデモではキーボードナビゲーション、カメラ制御、リアルタイムのテキスト操作が示されている。録画された音声映像出力も生成できるが、それは固定動画クリップだけを返すワークフローと同等ではない。
Genie 4はリアルな群衆移動をシミュレートできますか？
混雑したシーンを生成でき、DeepMindの発表には混雑駅の例が含まれている。それは意図された能力を示すが、歩行者行動の検証済み測定ではない。時間を通した動きを確認し、モデルの公表された制限を念頭に置く。
Genie 4は一般公開されていますか、公開価格はありますか？
2026年11月2日時点で、DeepMindは信頼されたテスター向けの研究プレビューと、より広い展開の計画を説明している。公開発表は一般提供の価格を示していない。公式発表とウェイトリストで資格を確認する。
Atlas CloudはGenie 4を実行できますか？
Atlas CloudのモデルディレクトリにGenie 4は掲載されていない。Atlas CloudはWan 3.0などの固定動画生成オプションを提供しているが、それらはGenie 4のインタラクティブな世界シミュレーションを提供しない。
