🎬 Assista esta matéria
O Google DeepMind anunciou na terça-feira (27) o Genie 4, a nova geração do seu modelo de mundo — sistema que gera ambientes interativos em tempo real a partir de uma descrição em texto ou de uma imagem. A principal mudança em relação ao Genie 3 é que agora o som é produzido junto com a imagem, pelo mesmo modelo.
Segundo o laboratório, é o primeiro modelo de mundo em tempo real da empresa a gerar áudio de forma nativa: ruído ambiente, música e diálogo que reage ao que o usuário faz dentro da cena. Antes, trilha e efeitos precisavam ser acrescentados depois, por outro sistema.
Mudar o cenário no meio da simulação
O Genie 4 aceita o que o DeepMind chama de edição livre durante a execução. Com o ambiente já rodando, o usuário escreve um pedido — trocar o clima, mover a câmera, acrescentar uma pessoa ou um objeto — e a alteração aparece sem reiniciar a simulação. O controle também pode ser feito por teclado.
De acordo com a TechCrunch, que teve acesso a demonstrações, o modelo mantém uma cena consistente por até dois minutos, o dobro do limite do Genie 3, com física melhor e personagens mais parecidos com humanos. O próprio DeepMind reconhece os limites: em sessões mais longas, ou depois de várias edições seguidas, detalhes visuais e a permanência dos objetos ainda podem se perder. A empresa classifica consistência de longo prazo como área de pesquisa aberta, e também admite problemas com a precisão do áudio e com textos legíveis dentro do mundo gerado.
A arquitetura se apoia na família Gemini. O Gemini Omni é responsável por ancorar a simulação na aparência e no comportamento do mundo real, enquanto outros modelos Gemini cuidam do raciocínio que mantém a coerência ao longo do tempo. Um deles atua como agente condutor, planejando etapas e verificando o progresso durante a simulação.
Acesso restrito e marca d’água
O lançamento é uma prévia de pesquisa limitada a testadores selecionados. O Google informou que o acesso chegará nas próximas semanas a assinantes do plano AI Ultra, dentro do Project Genie, e a parceiros de acesso antecipado da API Gemini e do Google AI Studio. Há lista de espera aberta. A empresa não divulgou preço, resolução nem taxa de quadros.
Todo vídeo e todo áudio gerados pelo Genie 4 saem com SynthID, a marca d’água digital imperceptível do Google usada para identificar conteúdo sintético.
O time que assina o anúncio — Raia Hadsell, Diego Rivas e Hang Qi — trata o produto como inacabado. Rivas disse à TechCrunch que a equipe considera o Genie 4 um estágio inicial e que a experiência final de uso ainda não está definida. Tejas Kulkarni, diretor de pesquisa, afirmou que o futuro deve ser de “modelos de mundo híbridos”, combinando geração neural com simulação tradicional.
Modelos de mundo são vistos no setor como peça para treinar robôs e agentes em ambientes simulados antes de colocá-los no mundo físico, além do uso mais óbvio em games e produção audiovisual. O Google não detalhou planos comerciais para nenhuma dessas frentes.
Fontes: Google DeepMind · TechCrunch · blog.google
🎙️ Gostou? Receba só o que te interessa, todo dia
Escolha seus temas e receba um briefing diário em áudio e texto, de graça, no WhatsApp ou e-mail.
Montar meu briefing grátis