Google DeepMind lança Genie 4 com áudio nativo e controle em tempo real via Gemini
Novo modelo de mundo da empresa gera diálogos, sons ambientes e ambientes interativos de até dois minutos a partir de comandos em texto.
Por que importa. Para desenvolvedores de jogos e robótica, o Genie 4 antecipa ambientes de teste gerados sob demanda, mas mantém limitações de consistência que barram produtos finais de longa duração.
O Google DeepMind anunciou nesta terça-feira o Genie 4, nova versão do seu modelo de simulação de mundos interativos em tempo real. A ferramenta agora é nativamente multimodal, gerando efeitos sonoros, música e diálogos falados de personagens em sincronia com o cenário visual. A duração das experiências subiu para cerca de dois minutos, o dobro do limite de um minuto registrado no Genie 3, de acordo com o The Verge.
O acesso inicial funciona como uma prévia de pesquisa restrita a testadores convidados. O Google abriu uma lista de espera e informou que o Genie 4 chegará em breve para assinantes do plano Google AI Ultra no Project Genie, além de parceiros com acesso antecipado à Gemini API e ao Google AI Studio. Todo o material em vídeo e áudio produzido pela ferramenta recebe a marca d'água digital SynthID para identificação de conteúdo sintético.
Na prática, o usuário navega pela cena usando controles tradicionais de teclado e pode alterar o ambiente em tempo real por meio de instruções em linguagem natural. É possível mudar o clima, reposicionar a câmera ou inserir novos objetos e personagens sem reiniciar a renderização. A física do modelo calcula aerodinâmica e colisões, enquanto os personagens reagem a comandos textuais com falas geradas dinamicamente.
Integração com Gemini 3.8 Flash e robótica
Para manter a coerência física e narrativa entre as ações do usuário, o DeepMind colocou o modelo Gemini 3.8 Flash como um agente intermediário no processo. Enquanto o Genie 4 gera os pixels e o som, o Gemini observa os quadros gerados em tempo real, decompõe objetivos complexos em etapas estruturadas e ajusta as instruções de contexto para garantir causalidade lógica nas ações sequenciais.
A empresa também testou o Genie 4 em conjunto com o Gemini 4 Argon em projetos do braço Gemini Robotics. Em uma das demonstrações, os modelos planejaram e renderizaram os passos do robô humanoide Apollo, da Apptronik, jogando uma partida de damas. Segundo o anúncio oficial, a arquitetura híbrida combina o raciocínio estruturado de modelos de linguagem com a representação sensorial direta das simulações espaciais.
O DeepMind posiciona a tecnologia como um mecanismo para prototipagem rápida em estúdios de cinema e desenvolvedores de jogos, permitindo pré-visualizar cenas sem código prévio. No setor de robótica, o objetivo declarado é fornecer ambientes de treino sintéticos infinitos para agentes autônomos antes de testes em hardware físico.
Deriva visual e limites de permanência de objetos
Apesar dos avanços visuais, o próprio Google DeepMind pontuou restrições severas que impedem o uso irrestrito em produção. O modelo sofre com perda de permanência de objetos e distorções visuais quando a simulação se estende por períodos mais longos ou acumula muitas edições simultâneas por texto. A consistência espacial ao longo do tempo, a renderização de textos legíveis no cenário e a fidelidade em interações físicas complexas continuam como problemas em aberto na pesquisa.
A empresa não divulgou a tabela de preços do Genie 4 na API, nem datas para a liberação aberta a desenvolvedores fora da lista fechada. Quem constrói aplicações interativas precisa considerar que o modelo ainda opera como um gerador exploratório de conceitos visuais, incapaz de substituir motores convencionais de jogos em ambientes que exigem regras estritas e persistência contínua de estado.
Fontes
- Google DeepMind: Genie 4: A new generation of world simulation
- The Verge: Google’s next Genie AI model generates more realistic experiences
- Ars Technica: DeepMind's Genie 4 world model adds audio and more realistic people to simulations
Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.
