O Google DeepMind anunciou nesta terça-feira (27) o Genie 4, modelo de IA que gera ambientes interativos com áudio e permite alterar cenas por comandos de texto. A estreia ocorre como prévia de pesquisa para um grupo de testadores, segundo o anúncio do laboratório.
O comunicado no blog do Google, também publicado em 27 de outubro, apresenta o acesso para assinantes Google AI Ultra no Project Genie e parceiros da Gemini API e do Google AI Studio como uma etapa futura. O anúncio não equivale à abertura imediata do serviço para todas essas pessoas.
Um ambiente que responde durante a navegação
Na apresentação do modelo, a interação combina navegação por teclado e mudanças de cena por linguagem natural. O usuário pode orientar a câmera, introduzir elementos ou modificar o ambiente enquanto a sequência é gerada.
A diferença para um vídeo pronto está no retorno recebido durante a interação. Em um clipe, o espectador assiste a uma sequência já definida. Em um mundo gerado, a ação altera o que aparece em seguida. Pedir uma mudança de clima, por exemplo, precisa afetar os próximos quadros sem perder a relação com o lugar que já estava sendo mostrado.
Áudio passa a fazer parte dessa geração: os exemplos incluem sons do ambiente e diálogos. A demonstração visual, porém, não transforma automaticamente o cenário em um projeto de jogo editável, com objetos, regras e arquivos prontos para exportação a uma engine.
O que a geração anterior já fazia
O Genie 3, apresentado em agosto de 2025, já gerava ambientes navegáveis a partir de texto. Naquela apresentação, o DeepMind descreveu saídas em 720p, a 24 quadros por segundo, com consistência mantida por alguns minutos. Esses números pertencem ao Genie 3; não são uma ficha técnica automaticamente transferível para a nova versão.
A linha de pesquisa procura modelar como um ambiente pode evoluir e reagir a ações. Isso interessa a experiências interativas e também à construção de cenários para agentes. Navegar entre situações variadas permite estudar decisões sem executar cada tentativa diretamente no mundo físico.
Há uma diferença entre reconhecer essa possibilidade e afirmar que uma simulação reproduz fielmente um ambiente real. Um agente que aprende em um cenário gerado pode encontrar, fora dele, relações que o modelo não representou. A aparência fotográfica do vídeo não mede sozinha esse desvio.
Gemini participa da continuidade das cenas
O DeepMind descreve uma combinação de capacidades da família Gemini com o Genie. O objetivo é relacionar a geração visual ao acompanhamento da cena e às instruções recebidas, em vez de tratar cada pedido como uma imagem isolada.
Para o usuário, continuidade significa conseguir reconhecer o ambiente depois de uma ação. Em um exemplo ilustrativo, sair de um cômodo e voltar exige preservar a posição dos objetos; acrescentar uma cadeira não deveria fazer a porta desaparecer. Esses critérios são diferentes de produzir um único quadro convincente.
O laboratório reconhece dificuldades com permanência de objetos, precisão espacial, texto legível e consistência em sessões longas. Mudanças sucessivas por comandos também podem fazer detalhes se perderem; esses pontos continuam em pesquisa.
Marcação de conteúdo e acesso
O anúncio informa que vídeo e áudio gerados incluirão SynthID. A tecnologia de marca-d'água do Google insere sinais para auxiliar a identificação de conteúdo produzido ou alterado por IA.
Essa marcação responde à origem do material. Ela não certifica que a física de uma cena está correta, que uma conversa aconteceu ou que um cenário corresponde a um lugar real. São verificações diferentes: procedência de geração e validade do que aparece na tela.
Por enquanto, o Genie 4 está em avaliação com testadores selecionados. A página oficial oferece uma lista de espera para o Project Genie; a entrada na lista não representa acesso já concedido nem uma data individual de liberação.
