Google DeepMind Genie 4 añade audio nativo a su modelo de mundo

Google DeepMind anunció Genie 4 el 27 de octubre de 2026, un modelo de mundo que genera escenas interactivas con sonido integrado. Un modelo de mundo es un sistema de IA que crea un lugar por el que puedes moverte y que puedes cambiar en tiempo real, como un nivel de videojuego creado sobre la marcha. Según el anuncio de Google, cada mundo genera ahora «audio nativo sobre la marcha, incluidos sonidos ambientales, música y diálogo interactivo». Un pequeño grupo de testers de confianza ya tiene acceso, y los desarrolladores son los siguientes, a través de la API de Gemini.

Google presenta el trabajo como algo más que entretenimiento. «Simular el mundo es un paso crucial hacia la AGI, ya que permite entornos de entrenamiento seguros para robots y agentes», dice su publicación en el blog.

Qué añade Genie 4

Los usuarios dirigen una escena con instrucciones en lenguaje sencillo mientras se ejecuta. Entre los ejemplos de Google están mover la cámara, cambiar el clima y añadir personajes.

La página del modelo de Google DeepMind describe Genie 4 como «nuestro modelo de mundo más realista e interactivo hasta ahora». Afirma que Gemini Omni ancla cómo se ven y se comportan las cosas. Otros modelos de Gemini se encargan del razonamiento que mantiene la coherencia de una escena a lo largo del tiempo.

Gizmodo lo compara con Genie 3, que Google presentó en agosto del año pasado. Genie 3 no tenía audio, y sus personas «tendían a ser más mecánicas», escribe el medio. Genie 4 muestra movimientos humanos y expresiones faciales más fluidos, con personajes que hablan y reaccionan. El titular de Gizmodo dice que el modelo genera voces humanas. Las páginas de la propia Google describen «diálogo interactivo», pero no usan la palabra voz.

Quién puede usarlo y cuándo

Grupo	Acceso
Testers de confianza	Despliegue en curso como vista previa de investigación
Suscriptores de Google AI Ultra	«Próximamente» en Project Genie
Socios con acceso anticipado a la API de Gemini	«Próximamente»
Socios con acceso anticipado a Google AI Studio	«Próximamente»
Todos los demás	Una lista de espera en la página de DeepMind

Google no ha dado un precio ni una fecha para un lanzamiento más amplio. Gizmodo informa de que entre los testers actuales hay desarrolladores de videojuegos.

Project Genie es la aplicación web de Google para explorar mundos generados. Gizmodo señala que su lanzamiento en enero hizo caer con fuerza, según se informó, las acciones de empresas de videojuegos.

Seguridad y marcas de agua

Google DeepMind dice que lanzó Genie 4 primero a testers de confianza de forma deliberada. El modelo tiene «estrictas salvaguardas de seguridad coherentes con nuestras políticas de seguridad en otros modelos», según la página del modelo.

Cada clip de vídeo y de audio que genere Genie 4 llevará SynthID, la marca de agua invisible de Google para detectar contenido generado por IA. Eso cubre tanto la imagen como el sonido.

Lo que Google dice que aún no puede hacer

La página del modelo incluye una lista franca de limitaciones:

• Admite «unos pocos minutos de interacción continua, en lugar de sesiones prolongadas».
• No puede simular lugares reales con una precisión perfecta.
• La precisión del audio en tiempo real todavía se está mejorando.
• Los detalles visuales y la permanencia de los objetos pueden desviarse con el tiempo, sobre todo tras varias ediciones complejas del prompt.
• Las interacciones entre muchos agentes independientes en un mundo compartido siguen siendo difíciles.
• El texto legible suele aparecer solo cuando la entrada lo describe.

Gizmodo añade que el modelo «a veces tiene dificultades para mantener la coherencia visual y la precisión del audio».

Qué significa para los desarrolladores

Genie 4 no es algo que la mayoría de los desarrolladores pueda invocar hoy. Los pasos que vale la pena dar ahora tienen que ver con la preparación.

• Apúntate a la lista de espera si creas juegos o simulaciones. Los socios de la API de Gemini con acceso anticipado darán forma a cómo se expone el modelo. Entrar pronto te da voz.
• Diseña para sesiones cortas. Unos pocos minutos de interacción sirven para prototipos, demos e ideas de niveles. Todavía no sirven para sesiones de juego largas ni para mundos persistentes.
• Trátalo como un campo de entrenamiento para robots, con cuidado. Google está explorando usos en robótica. Los mundos que se desvían con el tiempo pueden enseñar lecciones equivocadas a los agentes. Por eso, contrasta los resultados con pruebas en el mundo real.
• Planifica comprobaciones de marcas de agua. Todo el contenido generado lleva SynthID. Si tu producto mezcla imágenes reales y generadas, decide cómo vas a etiquetarlas y detectarlas.
• Guarda tu presupuesto. Todavía no hay un precio publicado. Evita construir un caso de negocio hasta que las tarifas y los límites de uso sean públicos.
• Vigila el audio. El sonido es la función estrella y también un punto débil reconocido. Comprueba si el diálogo se mantiene sincronizado antes de confiar en él para personajes realmente interactivos.

Genie 4 lleva los modelos de mundo de los clips mudos a escenas con sonido y habla. El límite de pocos minutos y los problemas de deriva muestran lo lejos que aún están de sustituir a un motor de videojuegos.