Genie 4 è il più recente modello di mondi di Google DeepMind, disponibile in anteprima di ricerca per i trusted tester. A differenza delle versioni precedenti, la nuova tecnologia permette di modificare lo scenario in tempo reale: è possibile cambiare l’illuminazione, spostare la telecamera, aggiungere oggetti o personaggi con un semplice comando.
La caratteristica principale è la generazione di audio in tempo reale. Il modello produce musica, rumori ambientali e persino dialoghi interattivi, tutti coerenti con ciò che appare sullo schermo. In pratica, la simulazione non è più un film muto, ma un ambiente che parla e risponde.
Rispetto a Genie 3, il salto è notevole: la resa è più fotorealistica, la fisica più affidabile e i personaggi più umani. La scena resta stabile per due minuti, il doppio del tempo precedente, offrendo una maratona di simulazione più lunga.
Il ruolo di Gemini è quello di regista. Pianifica i passaggi, controlla i fotogrammi, mentre Genie 4 si occupa di dipingere la realtà. Un esperimento con Gemini Robotics ha diviso un compito in molteplici mosse, che poi sono state simulate in tempo reale da Genie 4, dimostrando la capacità di testare robot in un ambiente virtuale prima di metterli in campo.
Tejas Kulkarni, research director di Google, ha indicato che in futuro vedremo sempre più modelli ibridi: Gemini scriverà codice e testo, mentre Genie assorbirà e simulerà la realtà a livelli di astrazione diversi.
Le applicazioni previste includono videogiochi, apprendimento interattivo e robotica. Un’idea ancora da dimostrare è quella di entrare in un dipinto storico e dialogare con i personaggi ritratti, per scoprire come fosse la vita in quel periodo.
Gli utenti “trusted tester” hanno già avuto l’opportunità di esplorare un prototipo di film. Diego Rivas, ingegnere di DeepMind, ha sottolineato l’importanza del tempo reale nella fase di ideazione e storyboard, dove la rapidità delle idee è cruciale.
Google possiede già Veo, un generatore di video in alta definizione con audio sincronizzato. Rivas ha menzionato Gemini Omni, un modello multimodale capace di creare video da immagini, audio e testo, che potrebbe trasformare i prototipi in contenuti reali, anche se la strada è ancora lunga.
Il team ha dichiarato che l’esperienza finale non è ancora definita: con il passare dei minuti, dettagli e oggetti tendono a “scivolare” e l’audio può perdere precisione. La sfida rimane garantire la coerenza visiva e sonora.
Genie 4 sarà disponibile nelle prossime settimane per gli abbonati Google AI Ultra all’interno di Project Genie, lo strumento che permette di creare mondi interattivi a partire da testo o immagini, e per i partner con accesso anticipato a Gemini API e Google AI Studio.
