Google DeepMind lança Genie 4, modelo de mundo com áudio e edição em tempo real

O Google DeepMind lançou o Genie 4 nesta semana: um modelo que gera mundos interativos em tempo real, com áudio sincronizado e edição por comandos de texto. A aposta da empresa é usá-lo como simulador para testar agentes e robôs antes de rodar no mundo real.

Um simulador que responde a comandos em tempo real

O Google DeepMind divulgou o Genie 4 em research preview na terça-feira, 27 de outubro de 2026. É a quarta geração do modelo de mundo da empresa, capaz de gerar cenários interativos e fotorrealistas a partir de texto ou imagem, com uma diferença central em relação aos antecessores: dá para digitar um novo comando no meio da simulação e mudar a cena na hora, sem reiniciar nada.

O modelo também gera áudio em tempo real sincronizado com o que acontece na tela: música, ruído ambiente e diálogo interativo entre personagens. É uma novidade em relação ao Genie 3, que não gerava áudio, segundo a reportagem original do TechCrunch.

O salto desde o Genie 3

O Genie 3 havia sido lançado como research preview pouco mais de um ano antes, em meados de 2025. A diferença de capacidade entre as duas versões é grande o suficiente para a DeepMind tratar o Genie 4 como salto de geração, não como ajuste incremental.

A duração da cena consistente dobrou, de cerca de um minuto para até dois minutos sem perder coerência visual, segundo a empresa.

Gemini como diretor da simulação

O ponto mais relevante para quem constrói software não é o visual: é a integração mais estreita entre o Genie 4 e o Gemini. Nesse arranjo, o Gemini atua como diretor, planejando os passos de uma tarefa e checando os quadros gerados, enquanto o Genie cuida da renderização do mundo em si.

O que veremos cada vez mais no futuro são esses modelos de mundo híbridos, combinando o Gemini escrevendo código e texto, e o Genie absorvendo isso em tempo real e simulando a realidade em diferentes níveis de abstração.

Tejas Kulkarni, diretor de pesquisa do GoogleWhat we'll increasingly see in the future are these hybrid world models, where you have a combination of Gemini writing code and text, and Genie ingesting that in real time and simulating reality at different levels of abstraction.

Essa integração já foi testada num experimento de pesquisa ligado ao Gemini Robotics: um modelo Gemini 4 Argon decompôs tarefas em etapas, e o Genie 4 simulou cada etapa em tempo real. É um caminho possível para testar cenários de robôs em simulação antes de executá-los fisicamente.

Por que isso importa para quem constrói agentes e robôs

Para times que desenvolvem agentes autônomos ou sistemas de robótica, o experimento com Gemini Robotics aponta para um padrão de trabalho específico: planejar a tarefa num modelo de linguagem↳LLMs48 conteúdosConsiderações básicas de hardware para modelos de linguagem em código aberto: Memória, Desempenho e ViabilidadeMarketing Tech · out 2025Modelos de linguagem sob ataque: o lado obscuro da IA generativaDevSecOps · mai 2025Criando um LLM – modelo de linguagem de grande escala – do zero com TransformersAI · abr 2024Ver tudo em AI →, simular a execução num modelo de mundo e só então levar o comportamento validado para o hardware real ou para produção.

Isso reduz o custo de iteração em cenários caros ou arriscados de testar fisicamente, como manipulação de objetos por um braço robótico ou navegação de um veículo autônomo. Dito isso, a própria DeepMind trata o experimento como pesquisa, não como produto fechado: ao longo da apresentação, a equipe reforçou que ainda são os primeiros dias do Genie 4 e que não está claro como será a experiência de produto de ponta a ponta.

O acesso inicial também limita quem consegue testar isso na prática hoje: por ora é research preview para trusted testers, com entrada gradual via Gemini API e Google AI Studio nas próximas semanas.

Um uso que ninguém esperava: pré-produção de filmes

Além de jogos, aprendizado interativo e robótica, usos já previstos para modelos de mundo como esse, a equipe cita como exemplo especulativo de aprendizado interativo entrar numa pintura histórica e conversar com as figuras retratadas sobre o evento representado. Já num uso que a DeepMind não havia planejado como caso de uso principal, os testadores apontaram a prototipagem de filmes.

O aspecto de tempo real se torna mais valioso nas áreas em que manter um estado de fluxo no espaço criativo se torna extremamente útil. Por exemplo, na fase de ideação, na fase de storyboard, sempre que você precisa de ideação rápida.

Diego Rivas, engenheiro do Google DeepMindThe real time aspect becomes most valuable in the areas where keeping a state of flow in the creativity space becomes incredibly useful. For example, in the ideation phase, in the storyboarding phase, anytime you're kind of in need of rapid ideation.

O Google já tem o Veo, modelo de geração de vídeo com áudio sincronizado a partir de texto, imagem ou vídeo, que vem ganhando espaço entre cineastas. Segundo Rivas, a ideia futura é que protótipos gerados no Genie 4 sejam transformados em ativos finais pelo Gemini Omni, modelo multimodal que gera vídeo a partir de imagem, áudio e texto, mas ele é claro que essas capacidades ainda estão longe de prontas.

O que ainda não funciona

A própria equipe reconhece falhas que limitam o uso em produção hoje:

• Detalhes e objetos podem derivar (drift) quanto mais tempo a simulação roda;
• A precisão do áudio gerado ainda não é garantida;
• Texto dentro do mundo simulado nem sempre fica legível.

Rivas insiste que é cedo demais para definir como será a experiência de produto de ponta a ponta. Isso soma-se a um mercado de modelos de mundo que está se consolidando rápido: a World Labs, de Fei-Fei Li, está sendo adquirida pela AMD, a Amazon negocia a compra da Decart, e a montadora Rivian acabou de adquirir a Third Dimension para trazer simulação de testes de direção autônoma para dentro de casa. Dois meses antes do Genie 4, a startup de vídeo por IA Runway já havia lançado seu próprio modelo, o GWM Worlds 2, também jogável e com geração de áudio.

Como acessar

O Genie 4 está disponível agora apenas como research preview para trusted testers. Nas próximas semanas, o acesso deve se expandir para assinantes do Google AI Ultra dentro do Project Genie, ferramenta do Google para gerar mundos interativos a partir de texto ou imagem, e para parceiros de acesso antecipado da Gemini API e do Google AI Studio. Não há, até o momento, data nem preço anunciados para disponibilidade geral via API.

Fonte: TechCrunch