Genie 4 de Google crea mundos interactivos con sonido e instrucciones

Claves del artículo

• Google DeepMind presentó Genie 4 el 27 de octubre como un modelo de simulación de mundos interactivos en tiempo real.
• El modelo genera sonidos ambientales, música y diálogos junto con las imágenes. También permite modificar una escena mediante instrucciones mientras transcurre.
• La versión inicial está disponible para evaluadores seleccionados. Google prevé ampliar el acceso, pero todavía no anunció una fecha concreta.
• La tecnología abre posibilidades para explorar ideas creativas, aunque mantiene limitaciones de coherencia visual, precisión espacial y simulación física.

Google DeepMind presentó Genie 4, su nuevo modelo de simulación de mundos, capaz de generar entornos interactivos con imágenes y audio en tiempo real. La propuesta permite recorrer una escena y modificarla con instrucciones de texto mientras se desarrolla: cambiar el clima, introducir un objeto o alterar la posición de la cámara.

El anuncio, realizado el 27 de octubre, apunta a un terreno diferente del video generado para reproducirse de principio a fin. En lugar de observar una secuencia cerrada, el usuario puede explorar un entorno y dirigir algunos de los acontecimientos que ocurren dentro de él. Por ahora, Genie 4 es una versión de investigación con acceso restringido, no una herramienta disponible de forma general.

De la pantalla al escenario explorable

Un modelo de mundo es un sistema diseñado para generar y simular entornos que responden a acciones. En Genie 4, las demostraciones de Google muestran recorridos controlados con teclado y cámara, junto con instrucciones escritas que modifican la escena durante la simulación.

Por ejemplo, una persona podría pedir que cambie el clima o que aparezca un nuevo personaje. Según DeepMind, el modelo adapta esas instrucciones al contexto de la escena, mientras componentes de Gemini ayudan a dirigir su evolución y a mantener la continuidad.

La diferencia importa para el trabajo creativo. En un video convencional generado con IA, el resultado suele ser una secuencia que luego se selecciona o edita. Una simulación interactiva permite, en principio, probar variaciones dentro de un mismo entorno y observar cómo responde.

Esa posibilidad amplía la conversación sobre herramientas audiovisuales como Veo, cuya generación de videos verticales para redes sociales responde a una necesidad distinta: producir piezas en un formato determinado. Genie 4 se orienta a la exploración de escenas, aunque ambas tecnologías trabajan con contenido visual generado por inteligencia artificial.

Un mundo que también produce sonido

Una de las novedades centrales es el audio nativo. Según Google, Genie 4 genera música, sonidos ambientales y diálogo junto con el mundo visual. Así, una escena puede incluir viento entre los árboles, olas en una playa o personajes que hablan y reaccionan a los cambios del entorno.

DeepMind describe los diálogos como interactivos: las conversaciones pueden adaptarse a las intervenciones del usuario y a los acontecimientos de la simulación. La compañía también señala que todo el video y el audio generados por Genie 4 incluirán SynthID, su tecnología de marca de agua digital para identificar contenido creado con inteligencia artificial.

La incorporación de sonido puede cambiar la forma de evaluar una idea. Una ambientación ya no se aprecia únicamente por su aspecto visual: el ritmo, los ruidos y las voces también intervienen en la experiencia. Para equipos creativos, esto podría facilitar la exploración temprana de una atmósfera o una situación narrativa antes de definir una producción más elaborada.

Qué posibilidades abre para el trabajo creativo

La combinación de recorrido, cambios por instrucciones y audio sugiere usos en prototipos de experiencias interactivas, pruebas de ambientación y exploración de escenarios para proyectos audiovisuales o digitales.

Un equipo, por ejemplo, podría ensayar cómo cambia la percepción de un espacio cuando se modifica el clima o se incorpora un personaje. Una marca podría explorar distintas atmósferas para una experiencia conceptual. Son aplicaciones posibles a partir de las capacidades mostradas por Google, no resultados comerciales ya demostrados ni funciones disponibles para cualquier usuario.

DeepMind también menciona la creación de entornos para entrenar robots y agentes de inteligencia artificial. Ese objetivo pertenece a un campo de investigación más amplio: simular situaciones para observar cómo actúa un sistema antes de trasladarlo al mundo real.

Los límites de una simulación todavía experimental

Google reconoce que Genie 4 sigue en una etapa temprana. Aunque puede mantener entornos coherentes durante sesiones breves, los detalles visuales y la permanencia de los objetos pueden cambiar con el tiempo, especialmente después de múltiples instrucciones complejas o al recorrer la escena.

La compañía identifica otras áreas pendientes: interacciones físicas complejas, precisión del audio en tiempo real, texto legible, exactitud espacial y consistencia a largo plazo. Como explicó DeepMind en su anuncio, «Genie 4 sigue siendo un área de investigación temprana y en evolución».

Por eso, una demostración convincente no garantiza que el modelo sostenga una escena extensa ni que reproduzca con precisión todas sus reglas. En un proceso creativo, esas variaciones pueden servir para descubrir ideas inesperadas, pero también dificultan repetir una toma o conservar elementos específicos.

Acceso restringido y próximos pasos

La versión de investigación comenzó a distribuirse entre evaluadores de confianza. Google anunció que planea llevar Genie 4 a suscriptores de Google AI Ultra mediante Project Genie y a socios con acceso anticipado a la API de Gemini y Google AI Studio. También abrió una lista de espera, sin publicar una fecha concreta para esa ampliación.

La pregunta para las industrias creativas será cuánto control podrán conservar los equipos cuando estas simulaciones salgan de las demostraciones y entren en procesos reales de producción. Poder recorrer una idea es una ventaja para imaginarla; convertir ese recorrido en una experiencia consistente y reutilizable plantea otro desafío.