Genie 4 do Google adiciona áudio em tempo real aos seus mundos gerados por IA

O Google DeepMind lançou o Genie 4, seu mais novo modelo de mundo, como prévia de pesquisa nesta terça-feira. O sistema constrói os mundos simulados mais fotorrealistas e interativos que a empresa já mostrou, e permite que os usuários digitem um comando no meio da simulação para direcionar o rumo da cena. Ele também gera áudio em tempo real — música, ruído ambiente e diálogo interativo — ajustado ao mundo simulado. O Genie 4 adiciona edições livres, como mudar o clima ou o ângulo da câmera em tempo real, ou inserir novas pessoas e objetos, e consegue manter uma cena estável por até dois minutos, o dobro do que o Genie 3 oferecia, a prévia de pesquisa que o Google lançou pouco mais de um ano antes. O Google também afirma que o novo modelo lida melhor com a física e gera personagens mais humanos.

O lançamento vem depois que a startup de vídeo com IA Runway apresentou seu próprio segundo modelo de mundo, o GWM Worlds 2, poucos meses antes. Os modelos de mundo estão se multiplicando tão rápido que o setor já começou a se consolidar: a AMD está comprando a World Labs, de Fei-Fei Li; a Amazon negocia a aquisição da Decart; e a Rivian comprou recentemente a Third Dimension para trazer capacidades de simulação para dentro de casa em seus testes de direção autônoma.

O Gemini, modelo de IA do Google, agora atua de forma mais integrada ao lado do Genie 4, traçando etapas e revisando quadros enquanto o Genie produz as imagens. O Google também conduziu um experimento de robótica baseado no Gemini Robotics, no qual um modelo Gemini 4 Argon dividiu tarefas em etapas que o Genie 4 executou em tempo real — um sinal inicial de que o sistema pode permitir que engenheiros testem o comportamento de robôs em simulação antes de testá-lo fisicamente. “O que veremos cada vez mais no futuro são esses modelos híbridos de mundo, em que você tem uma combinação do Gemini escrevendo código e texto, e do Genie absorvendo isso em tempo real e simulando a realidade em diferentes níveis de abstração”, disse Tejas Kulkarni, diretor de pesquisa do Google, durante um briefing.

O Google promove o Genie 4 para jogos, aprendizado interativo e robótica, mas os primeiros testadores de confiança também o usam para prototipar filmes, disse Diego Rivas, engenheiro do Google DeepMind — algo útil, segundo ele, para manter o fluxo criativo durante a ideação e o storyboarding. Rivas disse que, com o tempo, os usuários poderiam recorrer ao Gemini Omni — o modelo multimodal do Google — para transformar esses rascunhos em material criativo finalizado, embora tenha alertado que essa capacidade ainda está longe de se concretizar. A equipe também apontou lacunas reais: os detalhes podem variar quanto mais tempo uma cena roda, e o áudio confiável dentro do mundo simulado e o texto legível na tela ainda não foram resolvidos. O Genie 4 já está disponível para testadores de confiança como prévia de pesquisa, e o Google afirma que chegará aos assinantes do Google AI Ultra dentro do Project Genie, além de desenvolvedores com acesso antecipado à API do Gemini e ao Google AI Studio, nas próximas semanas.

Por que importa

A integração mais estreita entre o Genie 4 e o Gemini, e seu uso em um experimento de simulação robótica, apontam para modelos de mundo se tornando um campo de teste para IA física, não apenas uma ferramenta criativa — uma mudança alinhada com a onda de aquisições que já está remodelando o setor.