Google lança Genie 4: modelo de mundo em tempo real com áudio amplia fronteiras da simulação interativa
Da versão Genie 3 à Genie 4: o novo salto da Google na modelagem de mundos virtuais
Google DeepMind lançou o Genie 4, seu mais novo modelo generativo de mundo, em uma prévia de pesquisa na terça-feira. O sistema produz os ambientes virtuais mais fotorrealistas e interativos já vistos, permitindo que os usuários digitem comandos durante uma simulação para alterar a cena em tempo real. Além disso, o Genie 4 gera áudio sincronizado que reflete o mundo simulado, incluindo música, sons ambientes e diálogo interativo.
O lançamento do Genie 4 segue uma iniciativa semelhante da startup de vídeo de IA Runway, que apresentou o GWM Worlds 2 há alguns meses. Esse modelo também responde dinamicamente a entradas do usuário e inclui geração de áudio. Enquanto isso, o setor de modelos de mundo como um todo está se consolidando: a AMD está adquirindo a World Labs de Fei‑Fei Li, a Amazon está em negociações para comprar a Decart e a Rivian comprou a Third Dimension para trazer capacidades de simulação internas para testes de direção autônoma.
O Genie 4 evolui a partir de seu antecessor, o Genie 3, que estreou como uma prévia de pesquisa há pouco mais de um ano. Embora o Genie 3 já oferecesse maior fotorrealismo e introduzisse áudio, o Genie 4 adiciona edições livres, como mudar o clima ou o ângulo da câmera em tempo real e inserir novos personagens ou objetos. Ele consegue manter uma cena coerente por até dois minutos — o dobro do limite do Genie 3 — e oferece física aprimorada e avatares mais humanos.
O Gemini, modelo de linguagem de grande escala da Google, agora está estreitamente integrado ao Genie 4, atuando como um diretor que define etapas e valida quadros enquanto o Genie renderiza os elementos visuais. Em uma demonstração vinculada ao Gemini Robotics, uma instância Gemini 4 Argon decompôs uma tarefa em subetapas que o Genie 4 simulou instantaneamente. O experimento ilustra como cenários robóticos poderiam ser ensaiados em simulação antes da execução no mundo real.
“O que veremos cada vez mais no futuro são esses modelos de mundo híbridos, onde você tem uma combinação do Gemini escrevendo código e texto, e o Genie processando isso em tempo real e simulando a realidade em diferentes níveis de abstração”, Tejas Kulkarni, diretor de pesquisa da Google, disse durante um briefing.
As possíveis aplicações comerciais ecoam as de modelos de mundo anteriores: jogos, educação interativa e robótica. Um caso de uso imaginativo prevê a possibilidade de entrar em uma pintura de um evento histórico e conversar com as figuras retratadas. Testadores confiáveis — aqueles que têm acesso antecipado aos produtos inovadores da Google — também sugeriram que a natureza em tempo real do Genie 4 poderia agilizar a criação de protótipos de filmes.
“O aspecto em tempo real se torna mais valioso nas áreas onde manter um estado de fluxo no espaço criativo é extremamente útil”, Diego Rivas, engenheiro da Google DeepMind, disse durante um briefing à imprensa. “Por exemplo, na fase de ideação, na fase de storyboarding — sempre que você precisa de ideação rápida.”
A ferramenta de vídeo de IA existente da Google, o Veo, já cria clipes em alta definição com áudio sincronizado integrado a partir de comandos de texto, imagem ou vídeo, um recurso que ganhou popularidade entre cineastas. Olhando para o futuro, Rivas observou que os usuários poderiam eventualmente depender do Gemini Omni, um modelo de linguagem multimodal capaz de gerar vídeo a partir de imagens, áudio e texto, para transformar esses protótipos em ativos criativos refinados. Ele alertou que tais recursos ainda estão distantes.
Apesar de seus avanços, o Genie 4 ainda tem limitações. Detalhes e objetos podem se perder à medida que uma simulação se prolonga, e a equipe ainda não conseguiu garantir totalmente a fidelidade do áudio ou a legibilidade do texto dentro do mundo simulado.
O Genie 4 está disponível atualmente como uma prévia de pesquisa para testadores confiáveis. Nas próximas semanas, o modelo será disponibilizado para assinantes do Google AI Ultra por meio do Project Genie, plataforma da Google para criar mundos interativos a partir de comandos de texto ou imagem, e para parceiros de acesso antecipado da Gemini API e do Google AI Studio.








