Genie 4 añade sonido y modificaciones en directo a los mundos simulados

Google DeepMind ha lanzado Genie 4 como versión preliminar de investigación, informa TechCrunch. Este modelo de generación de mundos interactivos permite modificar una simulación en curso mediante instrucciones de texto. También produce sonido en tiempo real, como música, sonidos ambientales y diálogos. Su acceso sigue reservado a un grupo seleccionado de probadores: por tanto, los usos presentados deben valorarse dentro de ese marco experimental.

Las modificaciones descritas afectan al tiempo atmosférico, el ángulo de cámara o la incorporación de personas y objetos. Según las capacidades recogidas por TechCrunch, Genie 4 puede mantener una escena coherente durante un máximo de dos minutos. El medio también describe una representación más fotorrealista, una física mejorada y personajes con comportamientos más próximos a los humanos. Sin embargo, estas valoraciones no constituyen una medición independiente de la fiabilidad del sistema.

La integración con Gemini ocupa un lugar importante en esta presentación. Gemini planifica los pasos y comprueba las imágenes, mientras que Genie produce los elementos visuales. En un experimento de investigación vinculado a Gemini Robotics, un modelo Gemini 4 Argon descompuso tareas en pasos que Genie 4 simulaba en tiempo real. Este experimento apunta a una vía para explorar escenarios robóticos antes de su ejecución física; no demuestra que puedan realizarse con éxito en el mundo real.

Los videojuegos, el aprendizaje interactivo y la robótica figuran entre las aplicaciones previstas. Algunos de los primeros probadores también exploran la creación de prototipos de películas. Poder ajustar de inmediato un escenario o una situación podría facilitar la búsqueda de ideas y la preparación de secuencias. Se trata de una interpretación de las posibilidades descritas, cuya utilidad práctica dependería, entre otros factores, de la continuidad visual y del control que obtengan los usuarios.

El equipo reconoce precisamente varias dificultades en estos aspectos. Los detalles y los objetos pueden alterarse a medida que se prolonga la simulación. La precisión del audio y la legibilidad de los textos presentes en las escenas también siguen planteando problemas. Según TechCrunch, la experiencia completa del producto sigue sin estar definida. El propósito de esta versión preliminar es, por tanto, tanto explorar las interacciones posibles como evaluar sus límites: generar una escena modificable no basta para garantizar un entorno estable con el que crear una película, enseñar una situación o probar un robot.