Google DeepMind lanza Genie 4 con audio en tiempo real y control

Google DeepMind ha lanzado Genie 4 como vista previa de investigación para evaluadores de confianza. El modelo del mundo genera escenas interactivas con audio en tiempo real, incluida música, sonidos ambientales y diálogos, y permite cambiar una simulación con instrucciones de texto mientras está en marcha.

La empresa afirma que Genie 4 crea mundos más fotorrealistas que su predecesor, Genie 3, y admite modificaciones libres, como cambiar el tiempo o el ángulo de cámara, o añadir personas y objetos. Puede mantener una escena coherente durante hasta dos minutos, el doble del límite de Genie 3, y ofrece una física mejorada y personajes más parecidos a los humanos.

Google afirma que Gemini puede planificar pasos y revisar fotogramas mientras Genie 4 genera las imágenes. En un experimento relacionado con Gemini Robotics, un modelo Gemini 4 Argon dividió tareas en pasos que Genie 4 simuló en tiempo real. La empresa describió esto como una posible forma de probar escenarios robóticos en una simulación antes de que ocurran en el mundo real.

Diego Rivas, ingeniero de Google DeepMind, dijo que los evaluadores de confianza han señalado la creación de prototipos cinematográficos como un posible uso, especialmente durante la ideación y la elaboración de storyboards. Añadió que aún falta tiempo para convertir prototipos en recursos creativos con Gemini Omni. El equipo también indicó que los detalles y objetos pueden cambiar en simulaciones largas y que todavía no ha resuelto cómo garantizar un audio preciso ni que el texto dentro de los mundos simulados sea legible.

Genie 4 ya está disponible para evaluadores de confianza. Google afirma que en las próximas semanas llegará a los suscriptores de Google AI Ultra a través de Project Genie y a los socios con acceso anticipado a Gemini API y Google AI Studio.