Em um movimento que mistura ambição técnica e cautela, a Google DeepMind apresentou a prévia de pesquisa do Genie 4, um modelo capaz de criar mundos virtuais que o usuário pode percorrer, com imagem, som, física e diálogos nascendo juntos, em tempo real. Por enquanto, a porta está aberta apenas para um grupo seleto de testadores, enquanto a empresa avalia como essas criações se comportam diante de quem as explora. A novidade se insere numa longa busca por transformar a imaginação em espaço habitável, e revela também a preocupação de distinguir o que é gerado por máquinas do que é registro do m
Google lança prévia do Genie 4, modelo que gera mundos interativos com áudio e diálogos em tempo real
Áudio nativo: o Genie 4 agora fala, toca música e reage às ações
Mark
Qual é a diferença mais concreta entre o Genie 3 e o Genie 4?
Mimi
O áudio nativo. O Genie 3 não tinha isso. Agora há efeitos sonoros, música e vozes de personagens que reagem ao que o usuário faz.
Mark
E a edição da cena?
Mimi
Dá para mudar clima, câmera e objetos, ou incluir personagens, só digitando comandos durante a simulação. Antes era preciso recriar a cena.
Luke
Tudo isso vem da descrição da própria DeepMind. Não há teste independente no que foi divulgado.
Mark
Qual o papel do Gemini nisso?
Mimi
O Gemini 3.8 Flash observa a cena, divide objetivos em etapas e confere se cada ação foi cumprida.
Luke
Quão bem ele faz isso, não sabemos. A própria empresa admite falhas em sessões longas e após comandos complexos.
Mark
Quem pode usar agora?
Mimi
Só testadores selecionados. Depois, assinantes do Google AI Ultra pelo Project Genie, e parceiros da API do Gemini e do AI Studio.
Luke
E "depois" é uma intenção declarada, sem data.
Mark
E a marca d'água?
Mimi
O SynthID vai marcar todo vídeo e áudio gerado, para identificá-los como feitos por IA.
The Pulse
- A prévia do Genie 4 chega com o som finalmente incorporado, e efeitos, músicas e vozes respondem a cada gesto de quem navega pelo cenário.
- Comandos digitados no meio da simulação mudam o clima, o ângulo da câmera e os objetos, sem que a cena precise ser refeita do zero.
- Sessões longas e pedidos complexos ainda derrubam o desempenho, e detalhes visuais, precisão espacial e áudio em tempo real seguem em ajuste.
- O acesso deve se expandir aos assinantes do Google AI Ultra pelo Project Genie, enquanto a marca d'água SynthID tenta barrar confusões com registros reais.
Em um movimento que mistura ambição técnica e cautela, a Google DeepMind apresentou a prévia de pesquisa do Genie 4, um modelo capaz de criar mundos virtuais que o usuário pode percorrer, com imagem, som, física e diálogos nascendo juntos, em tempo real. Por enquanto, a porta está aberta apenas para um grupo seleto de testadores, enquanto a empresa avalia como essas criações se comportam diante de quem as explora. A novidade se insere numa longa busca por transformar a imaginação em espaço habitável, e revela também a preocupação de distinguir o que é gerado por máquinas do que é registro do mundo real.
A Google DeepMind liberou a prévia de pesquisa do Genie 4, um modelo que gera cenários interativos onde o usuário pode caminhar e agir, com áudio, física e diálogos produzidos em tempo real. Por ora, apenas testadores selecionados têm acesso.
A grande novidade em relação ao Genie 3 é o áudio nativo. Efeitos sonoros, músicas e vozes de personagens surgem junto com a imagem e reagem às ações de quem explora o ambiente.
Também mudou a forma de interagir. Antes, qualquer alteração exigia recriar a cena. Agora, comandos de texto durante a simulação alteram o clima, o ângulo da câmera ou acrescentam objetos e personagens, sem interromper o que está acontecendo. Para manter a coerência, o sistema usa modelos da família Gemini, que acompanham a cena, dividem objetivos em etapas e checam se cada ação foi concluída.
A empresa planeja levar o Genie 4 aos assinantes do Google AI Ultra pelo Project Genie, onde já há lista de espera, e a parceiros com acesso antecipado à API do Gemini e ao Google AI Studio. Ainda há limites: o desempenho cai em sessões longas e após comandos complexos, e detalhes visuais, permanência de objetos, precisão espacial, textos legíveis e áudio em tempo real seguem em desenvolvimento.
Para reduzir o risco de engano, todo vídeo e áudio gerado terá a marca d'água digital SynthID, que identifica conteúdo produzido por inteligência artificial. O próximo passo é a abertura gradual do acesso e a evolução dessas limitações.
A Google DeepMind liberou a prévia de pesquisa do Genie 4, modelo de inteligência artificial que cria cenários interativos nos quais o usuário pode se mover e agir, com áudio, física e diálogos gerados em tempo real. Por ora, o acesso está restrito a testadores selecionados.
A principal novidade em relação ao Genie 3 é o áudio nativo, recurso que a versão anterior não tinha. Nos ambientes do Genie 4, efeitos sonoros, músicas e vozes de personagens são produzidos ao mesmo tempo que a imagem e reagem às ações de quem está navegando.
Outra mudança diz respeito à forma de interagir. Antes, alterar a cena exigia recriá-la do zero. Agora, o usuário pode digitar comandos em texto durante a simulação para mudar o clima, ajustar o ângulo da câmera ou acrescentar objetos e novos personagens, sem interromper o que já está em andamento.
Para manter a continuidade das simulações, o sistema recorre a modelos da família Gemini. O Gemini 3.8 Flash observa a cena, divide os objetivos em etapas e verifica se cada ação foi concluída como se desejava.
Sobre a distribuição, a DeepMind diz que pretende oferecer o Genie 4 depois a assinantes do Google AI Ultra, por meio do Project Genie, onde já abriu uma lista de espera. Parceiros com acesso antecipado à API do Gemini e ao Google AI Studio também devem receber o modelo.
O modelo ainda tem limitações. Em sessões mais longas e após comandos complexos, o desempenho cai. Detalhes visuais, permanência de objetos, precisão espacial, textos legíveis e áudio em tempo real seguem em desenvolvimento, segundo a empresa.
Há também uma medida contra o uso enganoso do conteúdo. Todo vídeo e áudio gerado pelo Genie 4 terá a marca d'água digital SynthID, tecnologia que, segundo a DeepMind, identifica material criado por inteligência artificial e evita que ele seja confundido com registros reais na internet.
O que vem a seguir é a abertura gradual do acesso a assinantes e parceiros, e a evolução dessas limitações nas sessões longas.
Notable Quotes
A DeepMind afirma que o SynthID identifica conteúdos criados por inteligência artificial em todo vídeo e áudio do Genie 4.— Google DeepMind
Want the full story?
Read the original at UOL ↗
Technology