Google DeepMind, 월드 모델 'Genie 4' 발표… 음성 네이티브 생성 및 실시간 조작 지원

Genie 4는 키보드로 이동하고 카메라를 조작하는 것에 더해, 텍스트 프롬프트로 날씨를 바꾸고 카메라를 옮기고 인물이나 사물을 추가할 수 있다. 사용자 입력 사이에는 Gemini가 장면을 감시해 진행이 끊기지 않도록 유지한다. 공기역학이나 충돌 같은 물리 시나리오, 자연스럽게 움직이며 환경에 반응하는 인물 표현, 실시간으로 적응하는 대화가 주요 진화점으로 꼽힌다. DeepMind는 실시간으로 음성을 네이티브 생성하는 최초의 월드 모델이라고 설명했다.

Gemini 패밀리와의 연동도 특징이다. Gemini Omni가 실제 세계의 외관과 동작의 기반이 되고, Gemini 3.8 Flash가 가이드 역할의 에이전트로서 장면을 관찰하고 목표를 단계별로 나눠 각 단계의 성공 여부를 확인한다. 또한 Gemini 4 Argon과 Genie 4를 결합해 Apptronik사의 Apollo 휴머노이드 로봇이 체커를 가리키는 사례를 시뮬레이션했다.

신뢰할 수 있는 테스터들은 영화 제작의 프리비주얼라이제이션, 자료 사진 한 장으로 환경을 재현하는 시도, 엔진 코드를 작성하기 전의 게임 프로토타입, 기업의 시나리오 생성 등에서 평가하고 있다. 향후 방향으로는 코드와 언어 모델의 구조적 추론과 픽셀 단위 시뮬레이션을 결합한 하이브리드 월드 모델을 제시했다.

안전 측면에서는 안전성 평가를 실시했으며, 생성되는 영상과 음성에는 SynthID를 부여한다. 한계로는 장시간 실행이나 여러 차례의 프롬프트 편집 시 시각적 세부 사항과 객체의 영속성이 어긋날 수 있으며, 복잡한 물리 상호작용, 음성 정확도, 문자 렌더링, 장기적 일관성은 연구 과제로 남아 있다. Project Genie에서는 대기자 명단 등록을 받고 있다.