구글 딥마인드가 이번에 세계 모델에 목소리를 장착했습니다.
10월 27일, Google DeepMind는 Genie 4를 공개했습니다. 공식적으로 이 모델은 '가장 현실적이고 상호작용 가능한' 세계 모델이라고 설명합니다. 즉, 하나의 프롬프트(prompt)만으로도 실시간으로 들어가 볼 수 있는 3D 세계를 생성할 수 있으며, 화면, 환경음, 인물 대화까지 한 번에 생성됩니다.
핵심은 '동시성'입니다.
Genie 4는 네이티브 멀티모달(multimodal) 기능을 갖추고 있어, 음악, 환경 소음, 상호작용 대화가 장면과 함께 출력되며 후반 작업으로 음성을 추가할 필요가 없습니다.
인물 또한 단순히 움직이는 소품에 머무르지 않습니다. 사용자가 특정 이벤트를 시작하면, 인물이 스스로 전개됩니다. 즉, 장면이 어떻게 반응하고, 어떤 소리가 들리며, 그 안의 사람들이 어떻게 움직이고, 어떻게 반응하며, 무슨 말을 하는지가 결정되는 것입니다.
구체적인 능력 면에서는 Gemini 3.8 Flash가 마치 감독처럼 순환 구조에서 작동합니다. 화면을 관찰하고 목표를 단계로 분해한 뒤 프레임별로 검수하며, 사용자가 중간에 개입하면 현장에서 계획을 수정합니다.
Gemini Omni는 세계의 감각적 인지(perception)와 행동에 모델을 고정하는 역할을 합니다. 따라서 여러 단계의 인과관계 전개가 가능합니다. 공식 데모에서는 Gemini 4 Argon과 Genie 4가 협력하여 Apptronik의 Apollo 휴머노이드 로봇이 체커판을 두는 시뮬레이션을 보여주었습니다.
접근 방식은 현재 trusted testers를 위한 연구 프리뷰 단계이며, 이후 Google AI Ultra의 Project Genie와 Gemini API 및 AI Studio에서 얼리 액세스(early access)로 제공될 예정이고, 대기자 명단(waitlist)이 열렸습니다. 생성된 모든 콘텐츠에는 SynthID 워터마크가 포함됩니다.
단점도 공식적으로 솔직하게 언급했습니다. 오랫동안 구동하면 디테일과 물체의 영속성(constancy)에 흐트러짐이 생기며, 프롬프트를 반복해서 수정하거나 장시간 탐색할수록 더 두드러집니다. 복잡한 물리, 오디오 정확도, 화면 속 텍스트, 공간 정밀도 등은 여전히 연구 단계입니다.
Genie 3 이후 1년 이상이 지난 지금, 진정한 신호는 화질 자체가 아니라 '하이브리드 세계 모델(hybrid world model)'로 나아가고 있다는 점입니다. Gemini가 구조와 서사를 담당하고, Genie가 픽셀 단위의 물리적 현실을 담당하는 방식입니다.
사전 시각화, 게임 프로토타입 제작, 로봇 훈련 환경 구축이 필요한 분들은 지금부터 대기 명단에 등록할 수 있습니다.