구글 딥마인드, 소리까지 만드는 실시간 세계 모델 Genie 4 공개…테스터 한정 미리보기

구글 딥마인드가 27일(현지시간) 실시간 세계 모델 ’Genie 4’를 연구 미리보기로 공개했다. 글이나 지시를 입력하면 상호작용할 수 있는 가상 환경을 만들어 내는 모델이며, 딥마인드는 소리를 직접 생성하는 첫 실시간 세계 모델이라고 소개했다. 현재는 선별된 테스터에게만 열려 있고, 일반 공개 일정은 제시되지 않았다.

무엇이 달라졌나

딥마인드가 블로그에 밝힌 내용에 따르면 Genie 4는 영상과 함께 음악, 주변 소리, 대화를 만들어 낸다. 사용자는 시뮬레이션이 진행되는 도중 날씨나 카메라 각도를 바꾸거나 사람과 물체를 추가하는 식으로 장면을 자연어로 고칠 수 있다. 딥마인드는 공기역학과 충돌 같은 물리 표현, 사람의 움직임도 이전보다 나아졌다고 설명했다.

구조도 달라졌다. 딥마인드에 따르면 Genie가 화면을 만드는 동안 Gemini 3.8 Flash가 장면을 살피며 목표를 단계로 나누고 진행 상황을 확인한다. 일부 실험에서는 Gemini 4 Argon이 쓰였다. 회사는 로봇 기업 앱트로닉의 휴머노이드 로봇 ’아폴로’가 체커를 두는 장면을 예로 들었다. 딥마인드는 이런 방식을 ’하이브리드 세계 모델’이라고 불렀다. 구글 연구 책임자 테자스 쿨카르니는 TechCrunch에 제미나이가 쓴 코드와 텍스트를 Genie가 실시간으로 받아 현실을 여러 추상화 수준에서 시뮬레이션하게 될 것이라고 말했다.

전작 Genie 3는 2025년 8월 공개됐다. TechCrunch는 Genie 4가 소리 생성, 더 사실적인 영상, 자유로운 장면 수정, 두 배로 늘어난 장면 일관성 시간을 더했다고 전했다. 이 매체는 한 장면이 최대 2분 동안 일관되게 유지된다고 썼지만, 딥마인드 블로그는 “짧은 세션”에서 일관성이 유지된다고만 하고 구체적인 시간을 밝히지 않았다.

한계와 공개 계획

딥마인드는 시뮬레이션이 길어지거나 프롬프트를 여러 번 고치거나 이동하는 과정에서 세부 모양과 물체의 지속성이 흐트러질 수 있다고 인정했다. 복잡한 물리적 상호작용, 소리의 정확성, 읽을 수 있는 글자 표현, 공간 정확도, 장기 일관성은 아직 연구 중인 과제로 꼽았다. TechCrunch는 구글이 아직 “전체 제품 경험을 정하지 못한 단계”라고 전했다.

접근 범위는 제한적이다. 딥마인드는 Genie 4를 신뢰할 수 있는 테스터에게 먼저 제공하고, 곧 구글 AI 울트라 구독자용 ’프로젝트 지니’와 제미나이 API·구글 AI 스튜디오의 초기 접근 파트너에게 열겠다고 밝혔다. 프로젝트 지니 대기자 명단은 열려 있다. 가격과 정식 출시 시점은 공개되지 않았다. 생성된 영상과 소리에는 구글의 워터마크 기술 SynthID가 들어가며, 회사는 공개 전에 내부 안전성 평가를 거쳤다고 설명했다.

딥마인드는 트러스티드 테스터들이 창작 연출과 사전 시각화, 기록 사진 한 장을 시뮬레이션 환경으로 바꾸는 작업, 상호작용 콘텐츠 시제품 제작, 기업의 시나리오 생성에 이 모델을 쓰고 있다고 소개했다. 딥마인드 엔지니어 디에고 리바스는 TechCrunch에 아이디어 구상과 스토리보드 단계에서 “실시간이라는 점이 가장 값지다”고 말했다. 다만 영상 제작 도구와 연결하는 기능은 아직 갈 길이 멀다고 했다.

공개된 시연은 모두 구글이 만든 자료이고, 이 모델에 대한 독립적인 성능 검증이나 별도 기술 논문은 이번 확인에서 찾지 못했다.

세계 모델 경쟁

TechCrunch에 따르면 런웨이는 두 달쯤 전 두 번째 세계 모델 ’GWM Worlds 2’를 내놓았다. 이 매체는 AMD가 페이페이 리의 월드랩스를 인수하고 있고, 아마존이 Decart 인수를 논의 중인 것으로 알려졌으며, 리비안이 자율주행 시뮬레이션용 서드디멘션을 인수했다고 전했다.