Google DeepMind ha presentado Genie 4, la nueva versión de su modelo de mundo para simulación interactiva en tiempo real. La diferencia más visible frente a Genie 3 es el audio: cada escena genera de forma simultánea sonido ambiente, música y diálogo interactivo, sincronizado con lo que ocurre en pantalla. El modelo también mantiene una escena coherente hasta el doble de tiempo que su predecesor — hasta dos minutos — y mejora la física y el realismo de los personajes.
Genie 4 se puede dirigir en tiempo real con lenguaje natural: cambiar el ángulo de cámara, el clima o introducir personajes nuevos sin reiniciar la simulación. Por debajo, combina el modelo Gemini Omni, que ancla el aspecto y el comportamiento al mundo real, con otros modelos Gemini que aportan el razonamiento necesario para mantener la coherencia de la simulación. Por ahora,
el acceso se limita a un preview de investigación para probadores de confianza, con llegada progresiva 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.
Google y la prensa especializada que ha podido probarlo reconocen limitaciones todavía abiertas: los detalles y objetos pueden desviarse cuanto más dura una simulación, y el propio equipo admite que no tiene resuelto que el audio generado sea siempre preciso o que el texto dentro del mundo sea legible.
Qué significa para ti
Para cualquiera fuera de ese grupo reducido de probadores, Genie 4 sigue siendo un vistazo a lo que viene, no una herramienta que se pueda usar hoy. Pero marca un salto de categoría: mientras Genie 3 era mudo, Genie 4 ya genera un mundo completo con sonido propio, lo que acerca este tipo de modelos a usos reales en formación de robots y agentes, prototipado de videojuegos o herramientas de creación audiovisual — con el aviso de que, de momento, nadie fuera de Google puede comprobar de primera mano cuánto aguanta esa coherencia más allá de los dos minutos anunciados.
Fuentes: blog.google · techcrunch.com
