Genie 4 de Google añade audio en tiempo real a sus mundos generados por IA

Google DeepMind lanzó Genie 4, su más reciente modelo de mundo, como vista previa de investigación el martes. El sistema construye los mundos simulados más fotorrealistas e interactivos que la empresa ha mostrado hasta ahora, y permite que los usuarios escriban una instrucción a mitad de la simulación para guiar hacia dónde va la escena. También genera audio en tiempo real —música, ruido ambiental y diálogo interactivo— ajustado al mundo simulado. Genie 4 suma ediciones libres, como cambiar el clima o el ángulo de cámara sobre la marcha, o añadir nuevas personas y objetos, y puede mantener una escena estable durante hasta dos minutos, el doble de lo que lograba Genie 3, la vista previa de investigación que Google lanzó poco más de un año antes. Google también afirma que el nuevo modelo maneja mejor la física y genera personajes más humanos.

El lanzamiento llega después de que la empresa emergente de video con IA Runway presentara su propio segundo modelo de mundo, GWM Worlds 2, unos meses antes. Los modelos de mundo se están multiplicando tan rápido que el sector ya empezó a consolidarse: AMD está comprando World Labs, de Fei-Fei Li; Amazon negocia la adquisición de Decart, y Rivian compró recientemente Third Dimension para incorporar capacidades de simulación internamente en sus pruebas de conducción autónoma.

Gemini, el modelo de IA de Google, ahora cumple un papel más estrecho junto a Genie 4: traza los pasos y revisa los fotogramas mientras Genie produce las imágenes. Google también realizó un experimento de robótica basado en Gemini Robotics, en el que un modelo Gemini 4 Argon dividió tareas en pasos para que Genie 4 los ejecutara en tiempo real, una señal temprana de que el sistema podría permitir a los ingenieros ensayar el comportamiento de robots en simulación antes de probarlo físicamente. “Lo que veremos cada vez más en el futuro son estos modelos de mundo híbridos, donde se combina a Gemini escribiendo código y texto, y a Genie incorporando eso en tiempo real y simulando la realidad en distintos niveles de abstracción”, dijo Tejas Kulkarni, director de investigación de Google, durante una sesión informativa.

Google promueve Genie 4 para videojuegos, aprendizaje interactivo y robótica, pero los primeros probadores de confianza también lo están usando para prototipar películas, dijo Diego Rivas, ingeniero de Google DeepMind; algo útil, según él, para mantener el flujo creativo durante la ideación y el storyboarding. Rivas dijo que con el tiempo los usuarios podrían recurrir a Gemini Omni —el modelo multimodal de Google— para convertir esos borradores en material creativo terminado, aunque advirtió que esa capacidad todavía está lejos de llegar. El equipo también señaló limitaciones reales: los detalles pueden desviarse cuanto más dura una escena, y el audio confiable en el mundo simulado y el texto legible en pantalla siguen sin resolverse. Genie 4 ya está disponible para probadores de confianza como vista previa de investigación, y Google afirma que llegará a los suscriptores de Google AI Ultra dentro de Project Genie, así como a los desarrolladores con acceso anticipado a la API de Gemini y Google AI Studio, en las próximas semanas.

Por qué importa

La integración más estrecha de Genie 4 con Gemini y su uso en un experimento de simulación robótica apuntan a que los modelos de mundo se están convirtiendo en un campo de prueba para la IA física, no solo en una herramienta creativa, un giro que coincide con la ola de adquisiciones que ya está transformando el sector.