Google presenta Genie 4, su modelo de IA que crea mundos virtuales interactivos con sonido en tiempo real

Mountain View, California — Google DeepMind presentó Genie 4, su nuevo modelo de inteligencia artificial capaz de crear mundos virtuales interactivos en tiempo real, con sonido generado de forma nativa: música, ruidos ambientales y diálogos de los personajes, todo al mismo tiempo que la imagen.

Según el anuncio publicado el 27 de octubre, Genie 4 es el primer modelo de mundo en tiempo real de la compañía que genera audio dentro de su propio proceso, en lugar de añadirlo después. El usuario puede explorar el mundo con el teclado y, además, modificarlo mientras está en marcha con instrucciones en lenguaje natural: cambiar el clima, mover la cámara o añadir personas y objetos, sin empezar la escena desde cero.

El sistema se apoya en la familia Gemini: Gemini Omni ancla la apariencia y el comportamiento de los objetos en el mundo real, mientras Gemini 3.8 Flash actúa como agente guía dentro del ciclo de simulación, observando cada cuadro, descomponiendo los objetivos en pasos y verificando que cada paso se cumpla. Así, las escenas se mantienen coherentes durante unos dos minutos, el doble del límite de un minuto de su antecesor, Genie 3, con movimientos humanos más naturales y una física mejorada en colisiones y aerodinámica.

DeepMind plantea usos que van del entrenamiento de robots y agentes a la previsualización de películas y el prototipado de videojuegos, además de experiencias educativas, como entrar en la escena de un cuadro histórico y conversar con sus personajes. La compañía reconoce, sin embargo, que el modelo sigue siendo experimental: los detalles pueden cambiar con el tiempo, el texto dentro de las escenas aún no siempre es legible y la precisión del audio está en desarrollo.

Por ahora, Genie 4 está disponible como adelanto de investigación para un grupo de evaluadores de confianza, y llegará en las próximas semanas a los suscriptores de Google AI Ultra dentro del proyecto Genie y a socios de acceso anticipado de la API de Gemini y Google AI Studio. Todo el video y el audio que genera llevan la marca de agua invisible SynthID, que permite identificar el contenido creado por la inteligencia artificial.

Foto: Google DeepMind

Fuente: Google DeepMind