Google lança o Genie 4, modelo de mundos com áudio e edição em tempo real

O Google DeepMind apresentou nesta terça-feira (27) o Genie 4, a nova versão da sua família de modelos de mundo: sistemas de inteligência artificial que geram ambientes interativos, nos quais é possível se mover e agir, a partir de uma frase ou de uma imagem. A novidade foi relatada pelo TechCrunch e saiu, por enquanto, em prévia de pesquisa para um grupo fechado de testadores. Esta matéria é uma análise própria a partir do que foi divulgado; o crédito do veículo está no fim do texto.

Se você ainda não acompanha esse tipo de ferramenta, a ideia é parecida com a de um gerador de vídeo, com uma diferença importante: em vez de entregar um clipe pronto, o modelo cria o mundo quadro a quadro enquanto a pessoa interage com ele. É como se o cenário fosse inventado em tempo real a cada movimento.

O que o Genie 4 faz de novo

De acordo com a reportagem, o Genie 4 traz cinco avanços principais em relação ao Genie 3:

• Áudio em tempo real. O mundo agora tem som que combina com o que acontece na tela, incluindo música, ruído ambiente e diálogos interativos.
• Edição livre durante a simulação. Dá para digitar um pedido no meio da cena para mudar o clima, o ângulo da câmera ou acrescentar pessoas e objetos, sem recomeçar do zero.
• Mais consistência. O modelo mantém uma cena coerente por até dois minutos, o dobro do limite do Genie 3.
• Física e personagens melhores. O Google diz que o movimento dos objetos é mais plausível e que as pessoas parecem mais humanas.
• Integração com o Gemini. O Gemini atua como uma espécie de diretor: planeja as etapas e confere os quadros, enquanto o Genie 4 gera as imagens.

O teste com robôs

Um dos experimentos citados liga o Genie 4 à área de robótica do Google. Nele, o modelo Gemini 4 Argon dividiu uma tarefa em passos e o Genie 4 simulou cada passo em tempo real. A proposta é testar cenários de robôs dentro da simulação antes de colocá-los para operar no mundo físico, o que reduz custo e risco de acidentes. É um uso que se repete no setor: simular primeiro, errar na tela e só depois levar o robô para a fábrica ou para o laboratório.

O Google também fala em aplicações como jogos, aprendizado interativo e criação de filmes. Entre os exemplos, aparece a ideia de entrar em uma pintura de um evento histórico e conversar com os personagens. Testadores veem potencial para esboçar roteiros e storyboards, e um engenheiro do DeepMind, Diego Rivas, afirmou que o ponto forte é manter o que chamou de estado de fluxo no processo criativo. Ele também disse que o Gemini Omni, modelo que gera vídeo a partir de imagens, áudio e texto, poderia um dia transformar esses protótipos em materiais finais, mas que essa capacidade ainda está distante.

Quem pode usar e quando

Hoje, só testadores de confiança têm acesso. Nas próximas semanas, segundo a reportagem, o Genie 4 deve chegar aos assinantes do plano Google AI Ultra por meio do Project Genie, ferramenta do Google para gerar mundos interativos a partir de texto ou imagem. Também estão previstos acessos antecipados para parceiros da API do Gemini e do Google AI Studio. A reportagem não traz datas exatas para a liberação mais ampla nem informa preços além do plano Ultra, então qualquer previsão de custo para quem desenvolve ainda é especulação.

Limites que o próprio time admite

A equipe reconhece problemas. Detalhes e objetos podem se deformar quanto mais tempo a simulação dura, e ainda não está resolvido como garantir a precisão do áudio nem como deixar legível um texto que apareça dentro do mundo, como uma placa ou um letreiro. Rivas resumiu o momento dizendo que ainda são os primeiros dias e que a experiência final do produto não está clara. Dois minutos de coerência são um avanço, mas ainda estão longe de uma fase de jogo ou de uma cena de filme completa.

Uma corrida que esquentou

O lançamento acontece num setor que anda rápido. A Runway lançou há alguns meses a segunda versão do seu modelo de mundo, o GWM Worlds 2, também jogável e com geração de áudio. Há ainda movimento de compras: a AMD está adquirindo a World Labs, e a Amazon estaria em conversas para comprar a Decart. Já cobrimos aqui a compra da World Labs pela AMD, o lançamento do Gemini 4 Argon e o Praxis 1, da Runway, modelo aberto para robôs. O Genie 4 liga essas pontas: mundos simulados servem tanto para entretenimento quanto para treinar máquinas.

Por que isso importa para você

Mesmo que o Genie 4 ainda não esteja ao alcance do público, ele sinaliza para onde vai a criação de conteúdo com IA, e quem trabalha com isso no Brasil pode se antecipar:

• Criação de conteúdo sai do clipe pronto. Em vez de pedir um vídeo e torcer, você poderá dirigir a cena enquanto ela acontece. Para criadores, isso muda o processo de ideação. O guia IA para criadores de conteúdo ajuda a organizar o fluxo atual com as ferramentas que já existem.
• Prototipagem barata. Agências, estúdios pequenos e profissionais de educação poderão testar uma ideia de jogo, de aula interativa ou de cena antes de gastar com produção. Quem vende esse tipo de serviço deve acompanhar o acesso via API.
• Robótica e indústria. Simular antes de operar tende a baratear a adoção de robôs em armazéns e fábricas, assunto que afeta vagas e investimentos. Veja o que já mostramos em robôs e tarefas físicas.
• Acesso caro no início. A primeira porta de entrada é o plano Google AI Ultra, de preço alto para o bolso brasileiro. Vale esperar a abertura para a API antes de assinar só por causa dele.
• Cuidado com direitos e uso de imagem. Mundos com pessoas e personagens realistas levantam dúvidas sobre direitos autorais e de imagem. Se for usar algo gerado em trabalho de cliente, confira os termos de uso e a licença antes de publicar. Para conhecer ferramentas de vídeo já disponíveis, veja IA para vídeo: criar um avatar digital que fala por você.

O que observar a seguir

O primeiro ponto é a data de chegada ao Project Genie, prometida para as próximas semanas, e se o conteúdo ficará restrito ao plano Ultra. O segundo é a abertura para a API do Gemini e do AI Studio, que decide se desenvolvedores e pequenas empresas poderão criar produtos em cima do modelo. O terceiro é a evolução dos limites: dois minutos de consistência e áudio ainda impreciso mostram que a tecnologia está em estágio inicial. O que dá para afirmar hoje é o essencial: o Google DeepMind colocou um modelo de mundo com som, edição ao vivo e direção do Gemini em prévia fechada, com acesso mais amplo previsto para as próximas semanas e sem preço divulgado.