Mundos con sonido a demanda: Google DeepMind presenta el modelo de mundo Genie 4
Genie 4 genera mundos interactivos y fotorrealistas en tiempo real, por primera vez con música, sonidos y diálogos. Mediante texto se puede cambiar el clima o la cámara en plena simulación.
Foto: Gciriani / Wikimedia Commons, CC BY-SA 4.0 (recortada y redimensionada)
Vídeo: YouTube · Google DeepMind · youtube.com
Google DeepMind presentó el martes Genie 4, la nueva generación de su llamado modelo de mundo. La IA genera escenas recorribles y fotorrealistas en tiempo real y, según DeepMind, como primer modelo de mundo en tiempo real del laboratorio, también el sonido correspondiente: música, ruidos ambientales y diálogos. Los usuarios pueden modificar la simulación en curso mediante texto, por ejemplo cambiar el clima, mover la cámara o añadir personas y objetos. Las escenas deberían mantenerse coherentes hasta dos minutos, el doble que con su predecesor Genie 3. El vídeo de Google DeepMind muestra ejemplos.
También participan modelos Gemini: Gemini 3.8 Flash planifica, como una especie de director, procesos de varios pasos y comprueba si cada paso ha tenido éxito. En un experimento de robótica, DeepMind hizo que un humanoide simulado del tipo Apptronik Apollo jugara a las damas. Por ahora, Genie 4 solo lo prueban socios seleccionados, entre ellos cineastas, fotoperiodistas y desarrolladores de videojuegos, por ejemplo para guiones gráficos o prototipos de juegos.
La propia DeepMind reconoce las limitaciones: en sesiones más largas o con muchos cambios, los detalles y los objetos pueden desplazarse; el sonido correcto y el texto legible en la escena aún no están garantizados. Todos los resultados llevan la marca de agua SynthID. En las próximas semanas, Genie 4 debería estar disponible para los suscriptores de Google AI Ultra en Project Genie, así como para los primeros socios de la API de Gemini y de Google AI Studio; Google no indicó precios.