구글이 실사 수준의 가상 세계를 구현하고 실시간 상호작용 성능을 대폭 끌어올린 차세대 월드 모델 ‘지니 4(Genie 4)’를 28일 공개했다. 시각적 환경 생성을 넘어 주변 환경음과 음악, 실시간 대화 등 오디오 요소를 자체(Natively) 생성하는 구글의 첫 실시간 멀티모달 월드 모델이다.
지니 4는 제미나이(Gemini) 모델 제품군의 역량을 결합해 시뮬레이션의 정교함과 연속성을 확보했다. ‘제미나이 옴니(Gemini Omni)’가 현실 세계의 물리적 외형과 움직임을 정교하게 반영해 중심을 잡고, ‘제미나이 3.8 플래시(Gemini 3.8 Flash)’가 시뮬레이션을 이끄는 에이전트(Guiding Agent)로 작동한다. 이용자가 키보드 조작이나 자연어 프롬프트로 날씨 변경, 사물 추가 등 이벤트를 발생시키면, 제미나이가 생성 프레임을 실시간 모니터링하고 목표를 다단계로 세분화해 인과관계가 일관된 세계를 렌더링하는 구조다.
이번 모델의 진화는 크게 네 가지 영역에서 두드러진다. 먼저 자연어 기반의 실시간 조율 기능을 통해 시뮬레이션 도중 카메라 앵글이나 환경 요소를 즉각 수정할 수 있다. 두 번째로 공기역학과 충돌 등 물리 법칙에 대한 이해도를 높여 사물과 인간 캐릭터의 움직임 및 상호작용을 실사 수준(Photorealism)으로 구현했다. 세 번째는 네이티브 오디오 모델링으로, 바람이나 파도 같은 환경음은 물론 상황 변화와 이용자 입력에 실시간으로 반응하는 캐릭터 간 음성 대화(Speech)까지 동시 생성한다. 마지막으로 복합 추론 결합을 통해 다단계 이벤트 모델링이 가능해졌으며, 실제로 ‘제미나이 4 아르곤(Gemini 4 Argon)’과 결합해 앱트로닉의 휴머노이드 로봇 ‘아폴로(Apollo)’가 체커 게임을 수행하는 로보틱스 시뮬레이션 실험도 진행 중이다.
크리에이티브 및 산업 현장의 초기 테스터 그룹을 통한 실무 활용 가능성도 확인됐다. 영화 제작자와 크리에이터는 가상 세트장에 들어가 조명과 카메라 워크, 액션을 즉석에서 조정하며 여러 테이크를 시험하는 ‘초안 모드(Draft Mode)’로 활용하고 있으며, 게임 개발자들은 엔진 코드를 작성하기 전 자연어만으로 질감과 인터랙티브 메커니즘을 검증하는 프로토타이핑 도구로 테스트하고 있다. 포토저널리즘 영역에서는 단 한 장의 2D 아카이브 사진을 기반으로 당시의 역사적 공간이나 자연재해 전개 과정을 3D 환경으로 재현하는 시도가 이뤄지고 있다.
구글은 언어·코드 모델의 논리적 추론 능력과 픽셀 단위의 감각적 시뮬레이션을 결합한 ‘하이브리드 월드 모델’을 차세대 연구 지향점으로 제시했다. 다만 세션이 길어지거나 복잡한 프롬프트 수정이 누적될 경우 대상 영속성(Object Permanence)과 공간적 일관성이 저하되는 현상, 가독성 있는 텍스트 렌더링 등은 향후 해결해야 할 기술적 과제로 꼽았다.
한편 지니 4가 생성하는 모든 비디오와 오디오 결과물에는 AI 생성 콘텐츠임을 식별하는 비가시성 디지털 워터마크 ‘신스ID(SynthID)’가 기본 적용된다. 현재 일부 테스터를 대상으로 연구 프리뷰를 진행 중이며, 향후 ‘프로젝트 지니(Project Genie)’를 이용하는 구글 AI 울트라 구독자와 제미나이 API 및 구글 AI 스튜디오 얼리 액세스 파트너를 시작으로 접근 권한을 순차 확대할 예정이다.