Google DeepMind lanza Genie 4, su modelo de mundo con audio

Google DeepMind ha lanzado Genie 4, su modelo de mundo más reciente, en vista previa de investigación para probadores de confianza. Según la compañía, genera los mundos más fotorrealistas e interactivos hasta la fecha y permite escribir instrucciones durante la simulación para cambiar la escena.

Genie 4 también genera audio en tiempo real acorde con el mundo simulado, con música, sonidos ambientales y diálogos interactivos. Admite ediciones libres: cambiar el clima o el ángulo de cámara, o añadir personas y objetos. La escena se mantiene coherente hasta dos minutos, el doble que Genie 3, que salió en vista previa hace poco más de un año. Además, mejora la física y los personajes se parecen más a humanos.

Gemini como director

Gemini está más integrado y actúa como director: planifica pasos y revisa fotogramas mientras Genie crea las imágenes. En un experimento de investigación ligado a Gemini Robotics, un modelo Gemini 4 Argon dividió tareas en pasos que Genie 4 simuló en tiempo real. Esto apunta a una forma de probar escenarios de robots antes de que ocurran en el mundo real.

«Cada vez veremos más estos modelos de mundo híbridos», dijo Tejas Kulkarni, director de investigación de Google, al describir cómo Gemini escribe código y texto y Genie los convierte en una simulación a distintos niveles de abstracción.

Google propone usos en videojuegos, aprendizaje interactivo y robótica. Los probadores ven otro: el prototipado de películas. Diego Rivas, ingeniero de DeepMind, dijo que el tiempo real resulta más útil en la ideación y el guion gráfico. Añadió que, con el tiempo, Gemini Omni podría convertir esos prototipos en recursos creativos, aunque eso aún queda lejos.

Límites y despliegue

El equipo admite que es pronto y que aún no está claro cuál será la experiencia final del producto. Los detalles y objetos pueden desviarse cuanto más dura la simulación, y todavía no han resuelto cómo asegurar un audio preciso ni textos legibles dentro del mundo.

El lanzamiento llega con la competencia y la concentración del sector en aumento. Runway presentó hace un par de meses GWM Worlds 2, AMD va a adquirir World Labs, Amazon negocia comprar Decart y Rivian adquirió Third Dimension para simular conducción autónoma.

En las próximas semanas, Genie 4 llegará a los suscriptores de Google AI Ultra en Project Genie y a socios de acceso anticipado de la API de Gemini y Google AI Studio.