구글, 실시간 상호작용과 네이티브 오디오 지원하는 차세대 월드 모델 지니 4 공개

지니 4의 주요 변화와 특징

구글 연구진이 실시간 상호작용 시뮬레이션의 사실성을 높이고 자체 음향 생성 기능을 결합한 차세대 월드 모델 지니 4(Genie 4)를 공개했다. 이 모델은 영상 프레임과 함께 배경 소음, 음악, 상황에 맞는 상호작용형 인물 대화까지 동시에 네이티브 멀티모달 방식으로 생성하도록 설계되었다.

이용자는 표준 키보드 입력으로 시뮬레이션 환경 내에서 시점 이동과 조작을 수행하는 동시에, 자연어 텍스트 프롬프트를 입력해 날씨 변경, 카메라 시점 조정, 새로운 인물이나 객체 추가 등을 실시간으로 지시할 수 있다. 입력된 프롬프트는 주변 환경 맥락에 맞춰 장면에 자연스럽게 반영된다.

제미나이 모델군과의 연계 구조

지니 4는 제미나이 제품군 모델들과 긴밀하게 결합되어 구동된다. 시뮬레이션의 시각적 현실감과 현실 세계의 기본적 외형·동작 표현은 제미나이 옴니(Gemini Omni)가 담당하며, 복합적인 상황 전개와 연속성을 유지하는 추론 과정에는 다른 제미나이 모델들이 참여한다.

특히 실시간 생성 루프에는 제미나이 3.8 플래시(Gemini 3.8 Flash)가 안내 에이전트로 배치되어 전체 목표를 하위 실행 단계로 쪼개고 들어오는 프레임을 지속적으로 확인해 인과관계를 점검한다. 아울러 제미나이 4 아르곤(Gemini 4 Argon) 및 제미나이 로보틱스 연구와 연계하여 아폴로 인간형 로봇의 체커스 게임 수행 등 다단계 행동 절차를 시뮬레이션하는 실험도 함께 이뤄졌다.

물리 엔진 및 음향 처리

지니 4는 단순한 시각 생성을 넘어 공기역학, 충돌 처리 등 물리 법칙에 기반한 장면 시뮬레이션을 구현한다. 가상 인물의 움직임과 환경에 반응하는 동작을 유기적으로 표현할 수 있으며 실시간 조향에도 즉각 반응한다.

음향 측면에서는 나뭇잎을 스치는 바람 소리나 파도 소리 같은 배경 환경음을 장면에 맞춰 직접 합성한다. 또한 가상 공간 내 인물이 사용자의 지시나 환경 변화에 즉각 대응해 대사를 주고받는 실시간 반응형 대화 모델링을 지원한다.

산업 적용 분야와 사전 평가

구글은 창작, 저널리즘, 교육, 게임, 공학 분야의 신뢰할 수 있는 테스터 그룹과 협력해 사전 검증을 진행했다. 영화 제작 분야에서는 카메라 앵글, 조명, 대사를 실시간으로 수정하며 여러 컷을 시험하는 프리비주얼 도구로 활용되고 있다.

게임 개발자와 기술자들은 게임 엔진 코드를 직접 작성하기 전 자연어 프롬프트를 통해 세계관과 상호작용 규칙을 빠르게 검증하는 프로토타입 용도로 활용 중이다. 사진 저널리즘 영역에서는 2차원 기록 사진 한 장을 기반으로 수초 만에 탐색 가능한 입체 시뮬레이션을 구축하거나 단기 환경 재난 전개 양상을 시각화하는 시험이 진행되었다.

안전 조치와 기술적 제약

지니 4로 생성되는 모든 영상과 오디오에는 인공지능 생성물임을 판별할 수 있도록 디지털 워터마크 기술인 신스아이디(SynthID)가 기본 적용된다. 또한 유해한 콘텐츠 생성을 차단하기 위한 내부 안전성 평가를 거쳤다.

다만 연구 초기 단계인 만큼 단기 세션에서는 일관성을 유지하지만 시뮬레이션이 길어지거나 복잡한 프롬프트 수정이 누적될 경우 시각적 세부 사항이나 객체 영속성이 흔들리는 한계가 존재한다. 복잡한 물리 상호작용 정밀도, 가독성 있는 텍스트 렌더링, 장기적 공간 일관성은 향후 개선 과제로 명시되었다. 지니 4는 현재 신뢰 테스터를 대상으로 공개되었으며, 추후 프로젝트 지니의 구글 AI 울트라 구독자와 제미나이 API 조기 접근 파트너에게 순차 제공될 예정이다.