Genie 4(モデルID models/genie-4)は、Google DeepMind のリアルタイム「ワールド生成」モデルです。テキストや16:9の画像1枚から3Dの世界を作り、その中をキーボード(WASD・矢印キー)で歩き回れる動画と音声を、その場で生成し続けます。2026年11月19日に Gemini API の Interactions API で正式版(GA)になり、料金は動画出力1秒あたり約0.10ドル(1分 約6.05ドル)と公表されました。
この記事では、Google の公式ドキュメント(ai.google.dev)に書かれている仕様・料金・利用条件を整理し、業務で使うならいくらかかるかを試算します。
Genie 4でできること(動画生成AIとの違い)
普通の動画生成AIは「指示を出す→数十秒待つ→決まった長さのクリップが返ってくる」という作りです。Genie 4は違い、1秒24コマの映像を生成しながらストリーミングで送り続け、操作に反応して次のコマを変えるのが特徴です。ゲームのように「前へ進む」「振り向く」と世界が描き足されていきます。
項目 | Genie 4 | Gemini Omni 1.2 Flash(比較) |
|---|---|---|
用途 | 操作できるリアルタイムの世界生成 | 決まった長さのクリップ生成・動画編集・4Kへのアップスケール |
入力 | テキスト、16:9の参照画像1枚、キーボード・カメラ操作、途中のテキスト指示 | テキスト・画像・動画 |
出力 | 1280×720(720p・16:9)・24fps の映像+48kHz ステレオ音声 | 動画クリップ |
1回の長さ | 1セッション最大120秒 | クリップ単位 |
接続方式 | WebRTC(ブラウザ向け)または WebSocket | 通常のリクエスト |
Google 自身もドキュメントで「決まった長さの動画づくりや編集には Gemini Omni 1.2 Flash を使う」と使い分けを示しています。Omni 側の動画編集はGeminiで動画の続きを作る方法(Omni Flash)で解説しています。
操作の仕組み:キー入力と「途中のテキスト指示」
操作は2種類です。1つは WASD・矢印キーの移動で、キーを押している間その方向へ進みます。もう1つは途中で送るテキストで、公式サンプルでは「村に大雪を降らせる」「屋根の上に金色の花火を上げる」といった指示をキーに割り当てています。公式ドキュメントによると、最初の1コマが出るまで約5〜9秒、途中のテキスト指示が画面に反映されるまで約1〜2秒かかります。
知っておきたい品質の限界
- 世界の一貫性が強いのは最初の45〜90秒:最大120秒まで続けられますが、物の位置や見た目の保たれ方(物体の永続性)は前半ほど安定すると公式に書かれています。
- 3Dモデルを持っているわけではない:180度振り向いて数秒後に戻ると、背景の建物が並び替わることがあります。Genie 4は「見えている範囲を描き続ける」方式で、恒久的な3Dメッシュを作るわけではありません。
- 米国のデータセンターだけで動いている:往復の通信遅延が150ミリ秒を超えるとキー操作の反応が目に見えて遅れる、と公式が注意しています。日本から使う場合は、反射神経が要る操作の前に実測が必要です。
Genie 4のAPI料金(2026年11月19日時点)
料金はGemini API の料金ページに次のとおり掲載されています(100万トークンあたり、米ドル)。
区分 | 無料枠 | 有料枠 |
|---|---|---|
入力(テキスト・参照画像) | なし | 1.50ドル |
出力(テキスト) | なし | 9.00ドル |
出力(動画。音声込み) | なし | 17.50ドル |
コンテキストキャッシュ | なし | なし |
製品改善への利用 | — | されない |
動画は1コマ240トークンで数えられ、24fpsなので1秒5,760トークンです。5,760×17.50ドル÷100万=1秒あたり約0.1008ドル、1分で約6.05ドルになります(公式も「約0.10ドル/秒・約6.05ドル/分」と明記)。無料枠・Batch API・Flex・Priority のいずれにも対応していません。
いくらかかる?用途別の試算
実務で気になるのは「1回あたり」と「1日あたり」の金額です。動画出力が費用のほぼすべてを占めるので、出力秒数だけで概算できます(入力トークンは数円未満で無視できる規模)。
使い方 | 出力時間 | 概算費用 |
|---|---|---|
お試し1回(短く歩き回る) | 30秒 | 約3.02ドル |
上限いっぱいの1セッション | 120秒 | 約12.10ドル |
Tier 1 の上限まで使う(1日50セッション×120秒) | 100分 | 約605ドル/日 |
展示会ブースで1台を8時間つけっぱなし | 480分 | 約2,903ドル/日 |
展示会の例は、1セッション120秒を途切れなく回すと8時間で240セッションになり、Tier 1 の1日50回では足りずTier 3(1日1,000回)が必要になります。体験型の展示や販促に使うなら、「1人あたり30〜45秒で区切る」「待機中は止める」といった運用で費用が数分の1になります。前半45〜90秒のほうが映像が安定するという公式の注意とも合う設計です。
⚠ 課金が止まらない落とし穴:必ず complete() を呼ぶ
公式ドキュメントで繰り返し強調されている注意点です。ブラウザのタブを閉じたり、プログラムの処理ブロックを抜けたりしても、サーバー側の生成はすぐには止まりません。終了時は必ず complete() を呼んでセッションを終わらせる必要があります。1秒0.1ドルの課金なので、閉じたつもりのセッションが残ると気づかないうちに費用が積み上がります。
使える条件とレート制限
Genie 4は有料枠(請求先を設定した API キー)でのみ使え、Interactions API の v1beta 経由で接続します。レート制限は、同時に動かせるセッション数と1日のリクエスト数で決まります。
利用ティア | 同時セッション数 | 1日のリクエスト数 |
|---|---|---|
Free | 非対応 | 非対応 |
Tier 1 | 2 | 50 |
Tier 2 | 5 | 250 |
Tier 3 | 10 | 1,000 |
セッション中のキー操作や途中のテキスト指示は、別のリクエストとして数えられません。ブラウザから直接つなぐ場合は、サーバー側で1セッション用の一時トークンを発行して渡す方式が推奨されています(API キーをブラウザに置かないため)。
まず触ってみるだけなら、Google AI Studio の Live 画面(aistudio.google.com/live?model=genie-4)から試せます。ただし実行には有料枠の設定が必要です。
発表から正式版までの経緯
Genie 4は2026年10月下旬に Google DeepMind が発表し、当初は限られたテスターへの提供から始まり、Google AI Ultra の加入者向け「Project Genie」や API の早期アクセスへ順次広げると報じられていました。11月19日の Gemini API 更新履歴(Release notes)で、APIでの正式版と料金が初めて公表されています。
同じ日の更新では、Interactions API にツールの自動検索(Tool retrieval・プレビュー)も加わりました。多数の関数定義を毎回送らず、必要なものだけを Gemini に探させる仕組みで、Gemini 3.6 以降と Gemini 4 系のモデルで使えます(Genie 4 自体は関数呼び出しに非対応)。Gemini 4 系の料金はGemini 4 Hydrogenの料金と無料枠にまとめています。
業務で使いどころはあるか
実務目線では、Genie 4は「本番の映像制作ツール」より「体験をその場で作る道具」です。720p・最大120秒・世界の一貫性は前半が中心という制約から、向いている用途と向いていない用途ははっきり分かれます。
向いている | 向いていない |
|---|---|
展示会・店頭の「自分で歩ける」体験コンテンツ | 同じ映像を何度も再現する必要がある広告素材 |
建物・観光地・作品世界の雰囲気を伝えるプロトタイプ | 正確な寸法や配置が要る建築・不動産の内見 |
ゲームや絵本の世界観の検討(企画段階) | 4K・長尺の完成映像(→ Omni 系や従来の制作) |
音楽生成のLyria 3や判断用のGemini Decisionと同じく、Gemini API は用途別の専用モデルを増やしています。どれを組み合わせるかで費用も体験も大きく変わるので、まず短いセッションで実測してから設計するのが安全です。
私たちMihataは、こうした新しいAIを自社の業務やサービスに組み込む独自AIの開発をお手伝いしております。記事の途中で恐縮ですが、展示や販促でAIを使った体験を作りたい方は、よろしければサービス内容もご覧いただけたら嬉しいです。
よくある質問
よくある質問
Genie 4とは何ですか?
Google DeepMind のリアルタイム・ワールド生成モデルです。テキストや16:9の画像1枚から世界を作り、キーボード操作に反応する720p・24fpsの映像と48kHzステレオ音声をストリーミングで生成します。
Genie 4の料金はいくらですか?
動画出力(音声込み)が100万トークンあたり17.50ドルで、1秒あたり約0.10ドル、1分で約6.05ドルです。入力は100万トークンあたり1.50ドルです。無料枠はありません。
Genie 4は無料で使えますか?
使えません。Gemini API の有料枠のみ対応で、Free ティアは非対応です。Batch API・Flex・Priority にも対応していません。
1回のセッションはどのくらい続けられますか?
最大120秒です。公式ドキュメントでは、映像の一貫性や物体の保たれ方が強いのは最初の45〜90秒とされています。
日本から使えますか?
有料枠の API キーがあれば使えますが、Genie 4は米国のデータセンターだけで動いており、往復遅延が150ミリ秒を超えるとキー操作の反応が遅れると公式が注意しています。
まとめ
Genie 4は、操作に反応して世界を描き続ける Google のリアルタイム・ワールド生成モデルで、2026年11月19日に Gemini API で正式版になりました。料金は動画1秒約0.10ドル(1分約6.05ドル)、1セッション最大120秒、有料枠のみ・米国のデータセンターのみという条件です。
費用はほぼ出力秒数で決まるため、「1人あたりの体験時間」と「つけっぱなしにしない運用」を先に決めるのが設計の要です。終了時の complete() 呼び出しを忘れると課金が続く点だけは、最初の試作から必ず組み込んでください。