Google DeepMind lança Genie 4, modelo de mundo virtual em tempo real

Tecnologia

Google DeepMind apresenta modelo virtual inovador com áudio e edição em tempo real, integrando-se ao Gemini para experiências imersivas.

Leia também: Regal lança IA de voz com agentes que garantem metas em chamadas

A Google DeepMind lançou nesta semana a Genie 4, nova versão de seu modelo de mundo virtual, em prévia de pesquisa para testadores confiáveis, com ambientes fotorealistas, áudio gerado em tempo real e edição livre das cenas durante a própria simulação.

Genie 4 gera imagem e áudio em tempo real

A Genie 4 combina geração de imagens e sons para criar mundos interativos que respondem imediatamente aos comandos do usuário. É possível mudar o clima, ajustar o ângulo de câmera ou inserir novos objetos e personagens no meio da simulação, com a cena se reorganizando sem reiniciar o ambiente.

O modelo mantém uma mesma cena consistente por até dois minutos, o dobro do que a versão anterior conseguia. Nesse período, o sistema gera áudio que acompanha o ambiente virtual, incluindo música, sons de fundo e diálogos que refletem o que está acontecendo na tela.

Além do realismo visual, a DeepMind afirma ter melhorado a física das simulações e o comportamento dos personagens, que agora reagem de forma mais próxima ao humano. A ferramenta foi pensada para jogos, aprendizado interativo, robótica e criação audiovisual.

Gemini atua como “diretor” das cenas

A Genie 4 opera de forma integrada ao Gemini, o modelo de inteligência artificial multimodal do Google, que assume o papel de diretor da simulação. Enquanto a Genie gera os quadros em tempo real, o Gemini planeja etapas, escreve instruções e verifica se cada frame segue o plano definido.

Em um experimento ligado à área de robótica, um modelo Gemini quebrou tarefas em etapas que a Genie 4 simulou imediatamente, demonstrando como robôs podem testar cenários complexos em ambiente virtual antes de agir no mundo físico. A abordagem reduz custos e riscos ao permitir múltiplas iterações no simulador.

“O que veremos cada vez mais no futuro são esses modelos híbridos de mundo, onde há uma combinação do Gemini escrevendo código e texto, e a Genie ingerindo isso em tempo real e simulando a realidade em diferentes níveis de abstração”, afirmou Tejas Kulkarni, diretor de pesquisa do Google.

Aplicações vão de jogos a prototipagem de filmes

Na área de entretenimento, desenvolvedores de jogos podem usar a Genie 4 para criar protótipos jogáveis com realismo visual e sonoro em poucos minutos, testando ideias de mecânica, narrativa e ambientação sem depender de pipelines tradicionais de produção de arte e áudio.

Para educação, um dos exemplos apresentados é o de experiências imersivas em obras de arte e cenas históricas, nas quais o usuário entra em uma pintura e conversa com personagens daquele universo para aprender sobre o contexto retratado.

Testadores iniciais também enxergam potencial na prototipagem de filmes. A possibilidade de alterar clima, iluminação e enquadramento ao vivo, enquanto a cena acontece, facilita a fase de ideação e storyboard, quando diretores e equipes criativas experimentam caminhos visuais antes de partir para a produção completa.

“O aspecto em tempo real se torna mais valioso nas áreas onde manter um estado de fluxo no espaço criativo é incrivelmente útil. Por exemplo, na fase de ideação, na fase de storyboard — qualquer momento em que você precise de ideação rápida”, disse Diego Rivas, engenheiro do Google DeepMind.

Entenda o contexto

Modelos de mundo virtual são a nova frente de disputa entre grandes empresas de tecnologia e startups de inteligência artificial. Essas ferramentas vão além dos geradores de imagem e vídeo tradicionais ao criar ambientes interativos, nos quais o usuário pode se mover, agir e alterar o cenário de forma dinâmica.

Enquanto outras companhias investem em modelos voltados a jogos, simulação para carros autônomos e ferramentas de criação de vídeo, a Genie 4 é o movimento mais recente do Google para se manter competitivo nesse campo, apostando na combinação de imagem, áudio e controle em tempo real.

Desafios técnicos e próximos passos

A própria equipe da DeepMind admite que a tecnologia ainda está em estágio inicial. Em simulações mais longas, detalhes e objetos podem “derivar”, isto é, mudar de lugar ou perder consistência visual à medida que o tempo passa. Há também limitações na precisão do áudio e na legibilidade de textos exibidos dentro dos mundos virtuais.

“Ainda estamos nos primeiros dias da Genie 4, e não está claro qual será a experiência final do produto de ponta a ponta”, afirmou Diego Rivas. Segundo ele, a expectativa é que a ferramenta amadureça à medida que mais usuários a coloquem à prova em cenários reais de uso.

Nesta fase, a Genie 4 está disponível para testadores confiáveis. Nas próximas semanas, o acesso será ampliado para assinantes do Google AI Ultra dentro do Project Genie, plataforma do Google para geração de mundos interativos a partir de texto ou imagens, além de parceiros de acesso antecipado da API Gemini e do Google AI Studio.

O Google já oferece também o Veo, modelo de geração de vídeo com áudio sincronizado, voltado a clipes de alta definição. A empresa planeja integrar futuramente o Gemini Omni para transformar protótipos criados com a Genie 4 em ativos criativos completos, como cenas finalizadas de filmes ou experiências de jogo mais polidas, mas essas capacidades ainda estão em desenvolvimento.