대표 이미지: AI 생성 설명 이미지. 실시간 월드 시뮬레이션의 개념을 표현한 것으로, Genie 4의 실제 화면이나 출력물이 아닙니다.
구글 딥마인드가 10월 27일 공식 블로그를 통해 영상과 소리를 함께 생성하는 실시간 월드 모델 ‘Genie 4’를 발표하고, 선정된 테스터를 대상으로 연구 프리뷰 제공을 시작했다고 밝혔다. 가상 환경을 탐색하는 도중 글로 지시를 입력해 장면을 바꿀 수 있으며, 배경음과 음악뿐 아니라 가상 인물의 대화도 생성하는 모델이다.
월드 모델은 사용자의 입력에 따라 가상 환경에서 다음에 나타날 장면과 변화를 생성하는 AI다. 딥마인드는 Genie 4가 화면 속 풍경과 움직임에 맞춰 소리를 모델 자체에서 생성하는 첫 자사 실시간 월드 모델이라고 설명했다. 바람이나 파도 같은 환경음과 함께, 인물이 사용자의 입력이나 장면 속 사건에 반응하며 말하는 기능을 제시했다.
장면이 진행되는 동안 자연어로 날씨를 바꾸거나 카메라 위치를 옮기고, 사람이나 사물을 추가하는 것도 가능하다는 설명이다. 회사는 물체의 충돌 등 물리적 상호작용과 사람의 움직임을 이전보다 사실적으로 표현했다고 밝혔다. 이는 회사가 발표한 성능 설명으로, 모든 상황에서 현실을 정확히 재현한다는 의미는 아니다.
Gemini가 장면을 관찰하고 진행 조정
Genie 4에는 구글의 Gemini 모델군이 결합됐다. 딥마인드는 Gemini Omni가 시뮬레이션의 외형과 행동을 현실에 가깝게 구성하도록 돕고, Gemini 3.8 Flash가 생성 중인 장면을 관찰하면서 목표를 여러 단계로 나누고 각 단계의 진행 여부를 점검한다고 설명했다. 사용자가 중간에 개입하거나 장면이 바뀌면 진행 계획도 조정하는 방식이다.
회사는 Gemini 4 Argon과 Genie 4를 연결해 휴머노이드 로봇이 체커를 두는 상황을 시뮬레이션한 연구 사례도 공개했다. 선정된 테스터들은 영화의 사전 시각화와 스토리보드 구상, 게임·인터랙티브 경험의 초기 시제품 제작 등에서 모델을 시험하고 있다고 밝혔다. 이는 연구·시험 단계의 활용 사례이며, 완성된 상용 제작 도구가 출시됐다는 발표는 아니다.
일반 공개 전 단계…장기 일관성은 과제
딥마인드는 모델이 아직 초기 실험 단계라고 명시했다. 시뮬레이션이 길어지거나 복잡한 수정이 거듭되면 시각적 세부 사항과 사물이 같은 모습·위치를 유지하는 능력이 흔들릴 수 있다. 복잡한 물리적 상호작용, 소리의 정확성, 읽을 수 있는 글자 표현, 공간 정확성과 장기적인 일관성도 연구 과제로 꼽았다. 테크크런치 역시 이날 보도에서 회사가 브리핑 중 이러한 한계를 인정했다고 전했다.
현재 제공 대상은 선정된 테스터다. 딥마인드는 향후 Project Genie의 Google AI Ultra 구독자와 Gemini API·Google AI Studio의 조기 접근 파트너로 제공 범위를 넓힐 예정이라고 밝혔다. 공식 발표에는 구체적인 일반 공개 날짜가 제시되지 않았다. 회사는 생성 영상과 소리에 AI 생성 여부 식별을 돕는 비가시적 워터마크 SynthID를 적용한다고 덧붙였다.