Google DeepMind anuncia o Genie 4, world model com áudio nativo em research preview

O que rolou

Nesta terça (27), a Google DeepMind anunciou o Genie 4, seu novo world model: uma simulação interativa em tempo real, multimodal, com áudio nativo (ambiente, música e diálogo) gerado junto com a cena. (Google DeepMind, TechCrunch)

Como funciona

A base vem da família Gemini: o Gemini Omni ancora aparência e comportamento, e outros modelos Gemini ajudam na coerência. Dá para dirigir a cena em linguagem natural, mudando clima, câmera ou personagens. Em experimentos de robótica, o Gemini 3.8 Flash guia a cena passo a passo, e o Gemini 4 Argon com o Genie 4 simula o humanoide Apollo, da Apptronik, jogando damas. (Google DeepMind)

Quem pode usar

O lançamento é em research preview para trusted testers. Depois vêm assinantes do Google AI Ultra no Project Genie e acesso antecipado via Gemini API e AI Studio. Vídeo e áudio levam marca d’água SynthID. A DeepMind admite limites: perda de detalhes ao longo do tempo, permanência de objetos, texto legível, áudio preciso e consistência longa.

E aí?

É o passo mais concreto de “vídeo gerado” para “mundo jogável”, com uso em games, storyboard e robótica. Mas é experimental e ainda não está aberto a todos. Não confundir com o Gemini 4 Carbon, anunciado no dia seguinte.

Resumo original do Rolou na IA a partir do blog da Google DeepMind e do TechCrunch.