Traduzido do inglês pela TechUpscale com ajuda de IA e verificado com o original. Ler o original em inglês
A Google DeepMind anunciou o Genie 4 a 27 de outubro de 2026, introduzindo um modelo de mundo interativo capaz de gerar simulações em tempo real com áudio nativo e física.
Simulação Multimodal e Controlos
O Genie 4 é nativamente multimodal, gerando som ambiente, música e diálogo de personagens interativo em simultâneo com ambientes visuais. O sistema permite aos utilizadores direcionar simulações em tempo real utilizando navegação por teclado padrão, controlos de câmara e comandos em linguagem natural.
O modelo baseia-se na família de modelos Gemini da Google. A DeepMind afirmou que o Gemini Omni ancora as simulações na aparência e comportamento do mundo real, enquanto outros modelos Gemini fornecem raciocínio para manter a continuidade entre as alterações de cena.
Fluxos de Trabalho de Raciocínio e Robótica
Para gerir ações em várias etapas em tempo real, o Gemini 3.8 Flash opera como um agente orientador que observa as cenas geradas, divide os objetivos do utilizador em etapas e acompanha o progresso dos fotogramas à medida que o ambiente muda.
A DeepMind também relatou ter testado o Genie 4 com o Gemini 4 Argon para simular tarefas robóticas, incluindo uma experiência que divide as etapas para o humanoide Apollo da Apptronik a jogar damas. Primeiros testadores nas áreas de cinema, design de jogos, jornalismo e simulação empresarial avaliaram a ferramenta para design de conceitos e prototipagem rápida de ambientes.
Segurança, Disponibilidade e Limitações
O Genie 4 incorpora avaliações internas de segurança e integra a marca de água digital SynthID da Google em todo o vídeo e áudio gerados para identificar multimédia sintética.
A DeepMind observou limitações atuais, explicando que os detalhes visuais e a permanência dos objetos podem desviar-se durante sessões prolongadas, navegação ou edições frequentes de comandos. O Genie 4 está atualmente disponível como uma pré-visualização de investigação para testadores de confiança e está planeado para os subscritores do Google AI Ultra no Project Genie, juntamente com os parceiros de acesso antecipado da Gemini API e do Google AI Studio.
O que fazer
- Os utilizadores interessados em testar o Genie 4 podem juntar-se à lista de espera do Project Genie para aceder a futuros lançamentos para subscritores do Google AI Ultra.
- Os programadores podem procurar acesso futuro através de programas de parceiros de acesso antecipado para a Gemini API e o Google AI Studio.
Factos principais e respetiva origem
- O Genie 4 gera sons ambiente, música e diálogo interativo diretamente a par de cenas visuais.
Genie 4 is natively multimodal, enabling audio-like music, ambient noises, and interactive dialogue to be simultaneously generated with the world.
- O Gemini 3.8 Flash atua como um agente no ciclo para orientar a progressão de cenas em várias etapas durante a simulação ao vivo.
To achieve this in real-time, Gemini 3.8 Flash serves as a guiding agent in the loop: as Genie 4 generates a world in real-time, Gemini continuously observes the scene
- Todo o multimédia gerado pelo Genie 4 inclui a marca de água SynthID em saídas de áudio e vídeo.
all video and audio generated by Genie 4 will include SynthID, our imperceptible digital watermarking technology that helps identify AI-generated content across visual and audio modalities.
- A DeepMind lançou o Genie 4 como uma pré-visualização de investigação antes de o disponibilizar aos subscritores do Google AI Ultra.
We have started rolling Genie 4 out as a research preview for trusted testers — gathering feedback before we release it to consumers and developers, starting with Google AI Ultra subscribers
