Genie 4: El modelo de mundo interactivo de DeepMind ahora también emite sonido
El Genie 4 de Google DeepMind, anunciado la semana pasada, genera mundos reproducibles con audio y diálogo en tiempo real. Es un avance de la investigación con una lista de espera.
La semana pasada, Google DeepMind presentó Genie 4, un “modelo del mundo”. En términos sencillos, es una IA que genera un mundo pequeño e interactivo sobre la marcha, que puedes controlar mientras corre. DeepMind dice que es el primer modelo del mundo en tiempo real que también produce sonido de forma nativa: ruido ambiental, música y diálogos, no solo imágenes.
Puedes cambiar la escena con frases comunes mientras se ejecuta, por ejemplo alterando el clima, moviendo la cámara o agregando una persona u objeto. El modelo simula partes de la física como colisiones y flujo de aire, los personajes se mueven de forma más natural y pueden hablar y reaccionar a lo que haces. Los modelos Gemini ayudan a mantener la apariencia y el comportamiento consistentes, y en un experimento separado, Gemini proporcionó subtítulos paso a paso a un humanoide simulado para jugar a las damas. Los primeros evaluadores están explorando la previsualización (dibujar una escena cinematográfica antes de filmarla), recrear escenas históricas a partir de fotografías de archivo, prototipos rápidos de juegos y generación de escenarios comerciales.
El acceso es limitado. Genie 4 es una vista previa de la investigación para evaluadores confiables, con planes para suscriptores de Google AI Ultra en Project Genie y para socios iniciales en Gemini API y Google AI Studio. Hay una lista de espera abierta. DeepMind dice que todo lo que genera lleva un SynthID watermark, un marcador invisible que señala el origen de la IA.
Qué hay detrás de esto: ¿Por qué una empresa que crea chatbots se preocuparía por los mundos similares a los de un juego? Porque un mundo que responde a las acciones es un campo de práctica. Los robots y los agentes de software pueden ensayar en una simulación antes de tocar el mundo real, y el modelo tiene que aprender algo sobre cómo se comportan las cosas para mantener la coherencia de la simulación. También es un paso hacia una IA más general. DeepMind está abierto a los límites: los detalles y la permanencia de los objetos pueden variar en sesiones más largas o después de muchas ediciones, y todavía se está trabajando en interacciones físicas complejas, audio preciso, texto legible, precisión espacial y coherencia a largo plazo.
Qué significa esto para ti: Si tienes curiosidad, únete a la lista de espera y mira las demostraciones, pero no esperes usarlo esta semana. Con el tiempo, los creadores y profesores pueden encontrarlo útil para realizar borradores visuales rápidos. Una expectativa justa por ahora: demostraciones impresionantes, asperezas a lo largo del tiempo. Cuando ve video o audio generado por IA, funciones como SynthID son un buen recordatorio para buscar etiquetas de procedencia.
Fuentes
Fuentes: https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
Gemini 4 Carbon: El modelo más potente de Google llega primero a los ciberdefensores
Google anunció Gemini 4 Carbon la semana pasada con puntuaciones máximas en tareas de seguridad, acceso limitado y resultados independientes mixtos en precisión.
