Genie 4 dobra o fôlego da simulação e acrescenta áudio sincronizado
O Google DeepMind abriu nesta terça-feira a prévia de pesquisa do Genie 4, modelo de mundo capaz de gerar ambientes jogáveis e fotorrealistas a partir de texto ou imagem. A novidade central combina três recursos: áudio produzido em tempo real e alinhado à cena, edição livre por comando de texto no meio da simulação e coerência visual de até dois minutos, o dobro do que o Genie 3 sustentava.
A versão anterior havia sido liberada como prévia de pesquisa pouco mais de um ano antes. Nesta iteração, o usuário consegue trocar o clima, reposicionar a câmera, inserir personagens ou objetos e conversar com o que aparece na tela enquanto o mundo continua rodando, sem reiniciar o cenário.
Trilha sonora, ruídos de ambiente e falas interativas entram na geração — avanço relevante para quem produz conteúdo imersivo, porque encurta a etapa de dublagem e mixagem. A física dos objetos ficou mais estável e os avatares se aproximam mais do comportamento humano, de acordo com o DeepMind.
Modelo de mundo virou ativo estratégico
A disputa por essa tecnologia deixou de ser exercício de laboratório. Cerca de dois meses antes do anúncio do Google, a Runway apresentou o GWM Worlds 2, que também reage a comandos do usuário e gera áudio. O que mudou é o ritmo de consolidação do setor: a AMD fechou a compra da World Labs, de Fei-Fei Li; a Amazon negocia a aquisição da Decart; e a Rivian incorporou a Third Dimension para trazer a simulação dos testes de direção autônoma para dentro de casa.
| Empresa | Movimento reportado |
|---|---|
| Google DeepMind | Lançamento do Genie 4 em prévia de pesquisa |
| Runway | GWM Worlds 2, apresentado cerca de dois meses antes |
| AMD | Aquisição da World Labs, de Fei-Fei Li |
| Amazon | Negociação para comprar a Decart |
| Rivian | Compra da Third Dimension para simulação interna |
A leitura para o investidor passa por demanda de capacidade computacional. Treinar e operar sistemas que geram vídeo, áudio e física em tempo real exige GPU e infraestrutura de nuvem em escala, insumo que aparece nas linhas de capex das grandes empresas de tecnologia. Ao comprar uma desenvolvedora de modelos de mundo, a AMD sinaliza que pretende disputar essa camada além do hardware.
Gemini assume o papel de diretor da simulação
A integração com o Gemini foi aprofundada. Cabe ao modelo de linguagem montar o roteiro de etapas e validar cada quadro, deixando ao Genie a tarefa de renderizar a cena. Em um experimento ligado ao Gemini Robotics, uma versão identificada como Gemini 4 Argon decompôs tarefas em passos que o Genie 4 simulou em tempo real — caminho possível para testar robôs no ambiente virtual antes de levá-los ao mundo físico.
O Google mantém ainda o Veo, gerador de vídeo em alta definição com áudio sincronizado a partir de texto, imagem ou vídeo, cuja adoção cresce entre cineastas. Em apresentação a jornalistas, a equipe do DeepMind indicou que o Gemini Omni, modelo multimodal capaz de produzir vídeo a partir de imagens, áudio e texto, pode no futuro converter protótipos em ativos criativos finalizados, embora esse estágio permaneça distante.
Entre os testadores de confiança com acesso antecipado, um uso emergente ganhou tração: a prototipagem de filmes. A vantagem estaria na velocidade de ideação e de storyboard, momento em que preservar o fluxo criativo pesa mais do que o acabamento final.
O que ainda não funciona
O próprio time reconhece lacunas. Detalhes e objetos podem se degradar conforme a simulação avança, e ainda não há solução definida para garantir precisão do áudio e legibilidade de textos exibidos dentro do mundo gerado. O DeepMind também evita cravar qual será a experiência de produto de ponta a ponta.
A distribuição começa restrita: testadores de confiança agora, assinantes do Google AI Ultra no Project Genie nas próximas semanas e, na sequência, parceiros de acesso antecipado da API do Gemini e do Google AI Studio.
O que monitorar
Três pontos merecem atenção no radar de quem acompanha GOOGL e o BDR GOOG34: a conversão dessa prévia em produto pago dentro do AI Ultra, o custo de inferência de vídeo com áudio em tempo real e a concorrência de uma AMD que passa a operar também a camada de modelos. Na Amazon, a eventual compra da Decart amplia o leque de ferramentas de simulação; na RIVN, a simulação interna tende a encurtar o ciclo de validação de software de direção autônoma. A AMZN ainda está em conversas, sem transação concluída.
Nenhuma dessas frentes traz receita ou prazo material divulgado até aqui. O sinal disponível é de prioridade: modelos de mundo saíram do laboratório e entraram na agenda de fusões e aquisições do setor.