구글 Genie 4, 글로 조종하는 소리 나는 가상 세계를 실시간 생성

Genie 4는 Google DeepMind가 새롭게 선보인 월드 모델로, 이 모델이 만들어내는 세계에는 마침내 소리까지 더해졌다. 한 문장으로 장면을 설명하거나 참고 이미지를 건네면, 모델은 키보드로 걸어 다닐 수 있는 공간을 생성한다. 그 안에서 나무 사이로 부는 바람과 해변의 파도 소리, 그곳에 서 있는 사람들의 목소리도 들려준다. 이제 캐릭터들은 사용자의 행동에 반응하며 대화를 이어갈 수 있다. DeepMind는 이것이 이번 출시에서 가장 중요한 진전이라고 설명한다.

이전 버전을 써본 사람에게 가장 크게 달라진 점은 제어 기능이다. 날씨를 바꾸거나 카메라를 돌리고, 새로운 인물이나 물체를 장면에 추가하라는 지시를 입력할 수 있으며, Gemini는 이미 화면에 구현된 내용과 어울리도록 요청을 다시 구성한다. 사용자가 명령을 내리지 않는 동안에는 Gemini가 시뮬레이션을 계속 조율해 세계가 무너지지 않도록 한다. 멈추지 않고 촬영이 이어지는 영화 세트를 연출하는 느낌에 가깝다. 초기 테스터 일부는 이미 이런 방식으로 활용하고 있다.

장면은 Gemini가 설계하고, Genie가 구현한다

Genie 4는 Google의 다른 모델들과 긴밀히 연동된다. DeepMind의 발표에 따르면 Gemini Omni는 각 시뮬레이션에 현실 세계의 외양과 행동 양식을 반영하고, 다른 Gemini 모델들은 장면이 매 순간 일관성을 유지하도록 추론을 맡는다. Gemini 3.8 Flash는 안내 에이전트로 작동한다. Genie 4가 세계를 그려내는 동안 이를 지켜보며 목표를 단계별로 나누고, 각 단계가 제대로 이뤄졌는지 새로 들어오는 프레임을 확인한다. 사용자가 중간에 개입하면 계획도 바꾼다.

DeepMind는 가장 큰 도약이 인물 표현에서 이뤄졌다고 말한다. 캐릭터의 움직임은 더 자연스러워졌고 주변 환경에 반응하며, 시뮬레이션이 진행되는 동안에도 사용자가 방향을 조정할 수 있다. 공기역학과 충돌 같은 물리 현상도 구현한다. 회사 블로그에 공개된 시연에는 단풍나무 씨앗이 빙글빙글 돌며 풀밭에 내려앉는 장면, 1980년대 일본의 붐비는 시골 기차역, 우레 같은 날갯짓 소리가 울려 퍼지는 1인칭 드래곤 경주가 등장한다. 소리는 모두 Genie 4가 생성했다. Genie 3는 720p, 초당 24프레임의 무음 세계를 만들어냈지만, 이번에는 DeepMind가 해상도나 프레임 레이트 수치를 공개하지 않았다. 따라서 성능 향상은 공개된 시연 영상만으로 판단할 수 있다.

게임만이 목표는 아니다. DeepMind는 세계를 시뮬레이션하는 일이 범용 인공지능으로 나아가는 데 중요한 단계라고 설명한다. 한 시연에서는 Genie 4와 Gemini 4 Argon을 함께 사용해 Apptronik의 휴머노이드 로봇 Apollo가 체커를 두는 모습을 구현했다. Argon은 작업을 여러 단계로 나눈 뒤 장면이 렌더링되는 동안 텍스트 자막 형태로 Genie 4에 전달한다. 로봇과 소프트웨어 에이전트가 안전하게, 무한히 다양한 상황을 연습할 수 있는 세계를 만드는 것이 장기적인 사업 목표다. Genie 게임을 실제로 판매하기 훨씬 전부터 말이다.

영화 제작자와 사진기자들이 먼저 써봤다

DeepMind는 창작 산업과 언론, 교육, 게임, 엔지니어링 분야에서 모은 여러 그룹과 함께 Genie 4를 시험해왔다. 영화 제작자들은 사전 시각화용 초안 도구로 활용한다. 실시간 장면 안으로 들어가 카메라 각도와 조명, 대사, 동작을 조정하며 여러 차례 촬영을 진행할 수 있다. 게임 개발자는 엔진 코드를 한 줄도 쓰기 전에 아이디어를 몇 초 만에 탐험 가능한 프로토타입으로 바꾼다. 기업 파트너들은 빠르게 시나리오를 생성하는 용도로 시험 중이다.

가장 신중한 접근이 필요한 실험은 사진기자들과 진행 중이다. 이들은 단 한 장의 기록 사진을 몇 초 만에 사람들로 채워지고 움직임이 있는 해당 장소의 시뮬레이션으로 바꿀 수 있는지 시험하고 있다. DeepMind는 돌발 홍수나 산불이 번지는 양상을 시각화하는 사례도 언급한다. 실제 역사 속 거리처럼 보이는 곳을 걸어 다니며, 그 안에서 허구의 인물들이 말을 나누는 장면은 그만큼 그럴듯한 조작 영상이 될 수도 있다. DeepMind는 Genie 4가 생성하는 모든 영상과 오디오에 삽입하는 눈에 보이지 않는 워터마크 SynthID와 내부 안전성 평가, 점진적인 출시를 대책으로 제시한다. 다만 플랫폼과 시청자가 실제로 탐지기를 사용해야 SynthID가 효과를 발휘하며, 일반 시청자가 화면만 보고 영상이 합성됐다는 사실을 알아차릴 방법은 없다.

세계는 여전히 조금씩 달라진다

DeepMind는 한계에 대해서도 이례적으로 솔직하다. Genie 4는 짧은 세션 동안 환경을 유지하지만, 시뮬레이션이 길어지거나 복잡한 프롬프트를 여러 차례 수정하거나 장면 안을 이동하면 시각적 세부 사항과 사물의 지속성이 달라질 수 있다. 복잡한 물리적 상호작용과 정확한 실시간 오디오, 읽을 수 있는 텍스트, 공간적 정확도, 장기적인 일관성은 모두 아직 해결되지 않은 연구 과제로 꼽힌다. 쉽게 말해, 1분 전에 지나친 책장이 뒤돌아봤을 때는 같은 책장이 아닐 수도 있다.

아직 대부분의 사람은 직접 써볼 수 없다. Genie 4는 신뢰할 수 있는 테스터에게만 제공되는 연구 프리뷰다. Google은 세계를 생성하는 웹 앱 Project Genie를 통해 Google AI Ultra 구독자에게 곧 제공하고, Gemini API와 Google AI Studio의 얼리 액세스 파트너에게도 공개할 예정이라고 밝혔다. 대기 신청은 이미 시작됐다. 출시일은 정해지지 않았고, Google의 가장 비싼 AI 요금제인 Ultra 구독료 외에는 가격 정보도 없다. 어느 국가에서 먼저 이용할 수 있을지도 알려지지 않았다. Genie 3를 탑재한 Project Genie가 2026년 1월 29일 출시됐을 당시에는 미국에 거주하는 만 18세 이상 Ultra 구독자만 사용할 수 있었고, 세션은 최대 60초로 제한됐다.

DeepMind는 2026년 10월 27일 라야 해셀(Raia Hadsell), 디에고 리바스(Diego Rivas), 항 치(Hang Qi)가 이름을 올린 게시물을 통해 Genie 4를 발표했다. 이 계보는 2024년 2월 이미지로 단순한 2D 플랫폼 게임을 만드는 모델에서 시작해, 2024년 12월 Genie 2로 3D에 진입했고, 2025년 8월 Genie 3에서 실시간 탐험 기능을 구현했다. 세대가 바뀔 때마다 차원이 하나씩 더해졌다. 3D 공간, 실시간 움직임, 그리고 이제는 소리와 대화까지. Genie 4가 앞으로 입증해야 할 것은 커피 한 잔 마시는 시간보다 더 오래 세계의 기억을 유지할 수 있느냐다.

태그: 인공지능, Gemini, Google DeepMind, 구글, Genie 4, Project Genie