Google DeepMind presenta Genie 4: mundos interactivos en tiempo real con audio nativo y dirección por texto

Google DeepMind anunció este martes Genie 4, su nuevo modelo de mundo para simulación interactiva en tiempo real, en una publicación oficial firmada por Raia Hadsell, Diego Rivas y Hang Qi. La novedad central es que es nativamente multimodal: genera el mundo y, al mismo tiempo, su audio —música, sonidos ambientales y diálogo interactivo— sin capas añadidas después.

El sistema se apoya en la familia Gemini. Gemini Omni ancla las simulaciones en la apariencia y el comportamiento del mundo real, y otros modelos Gemini aportan el razonamiento para mantener la coherencia y la continuidad de la escena. En la práctica, el usuario pone un evento en marcha y Genie 4 simula qué pasa después: cómo responde el mundo, cómo suena y cómo se mueven, reaccionan y hablan las personas dentro de él. Según TechCrunch, la escena puede mantenerse consistente hasta dos minutos, el doble del límite de Genie 3.

La dirección en vivo es la otra pata del anuncio. Con lenguaje natural se puede modificar una simulación mientras corre —cambiar el clima, mover la cámara o introducir una persona u objeto nuevo— y Gemini adapta esa instrucción al contexto de la escena. Como agente guía dentro del bucle trabaja Gemini 3.8 Flash, que observa la escena, descompone los objetivos en pasos y revisa los frames entrantes para comprobar que cada paso se cumplió.

DeepMind también destaca un salto en física y en acción humana: aerodinámica, colisiones y personajes que se mueven de forma natural y responden a su entorno. Todo el contenido generado llevará SynthID, la marca de agua imperceptible de Google para identificar audio y video creados por IA.

El acceso, por ahora, es limitado: vista previa de investigación para evaluadores de confianza, y después llegará a los suscriptores de Google AI Ultra en Project Genie y a los socios de acceso anticipado de la Gemini API y Google AI Studio. La propia DeepMind reconoce los límites actuales —la permanencia de objetos y los detalles visuales pueden derivar con el tiempo, sobre todo tras ediciones complejas— y presenta Genie 4 como un modelo temprano y experimental, pensado tanto para entrenar robots y agentes en mundos seguros como para prototipar experiencias y juegos en segundos.