viernes, 30 de octubre de 202623°General Pico · 10° / 25°Dólar Oficial $1.560Dólar Blue $1.565Dólar MEP $1.568Dólar Tarjeta $2.028
Google DeepMind presenta Genie 4, un modelo que genera mundos interactivos con sonido
Google DeepMind anunció Genie 4, capaz de crear en tiempo real entornos virtuales que se modifican con lenguaje natural y que incluyen audio. Por ahora está en vista previa para un grupo reducido de probadores.
Redacción PicoTecno
2 min de lectura
Según informó WWWhatsnew, Google DeepMind presentó Genie 4, un modelo que genera mundos virtuales en tiempo real por los que el usuario puede desplazarse. Lo más llamativo es que esos entornos pueden cambiarse sobre la marcha con instrucciones en lenguaje natural: se pueden agregar personajes, mover la cámara o modificar el clima mientras la simulación sigue corriendo. Según el anuncio, es el primer modelo de Google que genera sonido de forma nativa.
Por ahora, Genie 4 está en fase de vista previa y solo lo prueban usuarios de confianza. Google indicó que llegará "pronto" a los suscriptores de su plan Google AI Ultra y a algunos desarrolladores. La información oficial se publicó en el blog de DeepMind el 27 de octubre, y WWWhatsnew indica que TechCrunch también cubrió el anuncio.
Qué es un modelo de mundo
Un modelo de mundo no funciona como un generador de video tradicional, que produce una secuencia cerrada de imágenes. En cambio, crea un entorno que reacciona a lo que hace el usuario en cada momento, algo parecido a un videojuego, pero sin que nadie haya programado sus reglas de manera explícita.
Según DeepMind, el modelo puede simular aerodinámica, colisiones y movimiento humano natural, que también se puede dirigir en tiempo real. La principal novedad es el audio, que incluye música, sonido ambiente y diálogos entre personajes que conversan y reaccionan a la situación.
Para lograr más realismo, Genie 4 se apoya en otros modelos de Google. Según la fuente, Gemini Omni mantiene la apariencia y el comportamiento del mundo en línea con lo real, mientras que Gemini 3.8 Flash funciona como un agente que observa la escena, divide los objetivos en pasos y verifica que se cumplan.
DeepMind también mostró una aplicación en robótica. Combinado con otros modelos de la compañía, Genie 4 simula al humanoide Apollo, de Apptronik, jugando a las damas.
La propia empresa reconoce varios límites. El modelo sostiene la interacción continua solo durante unos pocos minutos. Según TechCrunch, mantiene una escena coherente durante hasta dos minutos, el doble que su predecesor, Genie 3, aunque esa cifra no aparece en las publicaciones oficiales de Google. Además, los detalles visuales y la permanencia de los objetos pueden variar con el tiempo, no reproduce lugares reales con exactitud, el texto legible aparece casi solo si estaba en la descripción inicial y la precisión del audio en tiempo real todavía está en investigación.
Google no informó la resolución, la cantidad de cuadros por segundo ni el precio del servicio. Todo el contenido generado llevará SynthID, una marca de agua invisible en video y audio que sirve para identificar material creado con IA.
