DeepMind mostra o Genie 4, mundo virtual com som e comandos

O Google DeepMind apresentou nesta terça (27/10) o Genie 4, a nova versão do seu modelo de mundo. Esse tipo de IA gera um ambiente que a pessoa pode explorar em tempo real, como num jogo, a partir de uma descrição. A novidade principal é o som: segundo a empresa, é o primeiro modelo de mundo em tempo real dela a gerar áudio de forma nativa, com música, sons do ambiente e diálogo. Além disso, dá para mudar a cena com comandos de texto enquanto ela roda.

O anúncio saiu no blog do laboratório, assinado por Raia Hadsell, Diego Rivas e Hang Qi. Por enquanto, o modelo está em prévia de pesquisa, só para testadores convidados.

O que o Genie 4 faz

Na prática, a pessoa anda pelo mundo com o teclado e controla a câmera. Ao mesmo tempo, pode digitar pedidos em linguagem natural: mudar o clima, trocar o ângulo da câmera, colocar pessoas ou objetos na cena. Segundo o Google DeepMind, o Gemini adapta cada pedido à cena ao redor.

Na página do modelo, a empresa diz que ele simula colisões, água em movimento e árvores balançando ao vento. Os personagens gerados se movem de forma natural e podem ser dirigidos durante a simulação. Na página do modelo, os exemplos de áudio incluem folhas estalando, uma multidão aplaudindo e personagens que conversam entre si e com quem está jogando. Vale lembrar que são alegações da empresa, sem teste independente até agora. A própria página avisa que os vídeos de demonstração foram encurtados.

Vários modelos trabalhando juntos

O Genie 4 não trabalha sozinho. De acordo com o post, o Gemini Omni ancora a aparência e o comportamento do mundo no real. Já o Gemini 3.8 Flash atua como guia: observa a cena, divide objetivos em etapas e confere o progresso. O TechCrunch descreve o mesmo papel como o de um "diretor", mas fala apenas em "Gemini", sem citar a versão.

Num briefing citado pelo TechCrunch, Tejas Kulkarni, diretor de pesquisa do Google, disse esperar cada vez mais modelos de mundo híbridos. Nesse arranjo, o código e o texto do Gemini se juntam à simulação em tempo real do Genie.

Um teste com robô humanoide

Há também um experimento de robótica. Nele, o Gemini 4 Argon recebe uma tarefa do usuário e a divide em etapas. Essas etapas chegam ao Genie 4 como legendas de texto enquanto a cena é desenhada. O exemplo mostrado é o humanoide Apollo, da Apptronik, jogando damas dentro da simulação. A ideia é usar mundos gerados para treinar e testar robôs antes de testá-los no mundo real. Nas fábricas, humanoides já começam a aparecer.

Quanto tempo dura uma cena

Aqui as fontes não batem. O TechCrunch diz que o Genie 4 mantém uma cena consistente por até dois minutos, o dobro do Genie 3. Por outro lado, a página oficial do modelo fala apenas em "alguns minutos" de interação contínua, sem número exato. O post do blog não informa a duração.

O próprio Google DeepMind lista limites. Em sessões longas ou depois de várias edições, detalhes visuais e objetos podem mudar de lugar ou sumir. Texto legível dentro do mundo costuma aparecer só quando já estava na descrição inicial. Física complexa, precisão do áudio em tempo real e consistência de longo prazo seguem em pesquisa. Além disso, o modelo não reproduz lugares reais com precisão.

Todo vídeo e áudio gerado terá o SynthID, a marca d'água invisível do Google para identificar conteúdo feito por IA.

Quem vai poder usar

Hoje, só testadores convidados. Segundo o post, o Genie 4 chega "em breve" aos assinantes do Google AI Ultra, pelo Project Genie, e a parceiros com acesso antecipado à Gemini API e ao Google AI Studio. O TechCrunch fala em "próximas semanas". Há uma lista de espera na página do modelo.

O que ainda não sabemos

O Google DeepMind não divulgou resolução, taxa de quadros nem preço. Também não há data exata de liberação para o público do AI Ultra. Segundo o TechCrunch, Diego Rivas, engenheiro do laboratório, ressaltou que ainda é cedo. O site acrescenta que não está claro como será o produto final.

Nossa leitura

O Genie 3 saiu em agosto de 2025, também como prévia restrita. Pouco mais de um ano depois, o salto mais visível está no som e no controle por texto durante a cena. São os recursos que aproximam o modelo de jogos e aprendizado interativo, usos citados pelo TechCrunch. Testadores também exploram protótipos de filmes. A corrida não é só do Google: a Runway lançou o GWM Worlds 2, também com áudio, cerca de dois meses antes, segundo o TechCrunch. Enquanto as cenas durarem minutos e os objetos ainda "escorregarem", o Genie 4 serve mais para protótipo e treino de robôs do que para jogo de verdade.

Leia também: Gemini 4 Argon chega à API do Google e humanoides nas fábricas: Atlas, Digit e Optimus.