Google DeepMind Genie 4 adiciona áudio nativo ao seu modelo de mundo

O Google DeepMind anunciou em 27 de outubro de 2026 o Genie 4, um modelo de mundo que gera cenas interativas com som embutido. Um modelo de mundo é um sistema de IA que cria um lugar pelo qual você pode se mover e que pode alterar em tempo real, como uma fase de jogo criada na hora. Segundo o anúncio do Google, cada mundo agora gera "áudio nativo na hora, incluindo sons ambientes, música e diálogo interativo". Um pequeno grupo de testadores de confiança já tem acesso, e os desenvolvedores são os próximos da fila, pela API Gemini.

O Google apresenta o trabalho como algo além de entretenimento. "Simular o mundo é um passo crucial rumo à AGI, permitindo ambientes de treinamento seguros para robôs e agentes", diz a publicação no blog.

O que o Genie 4 traz de novo

Os usuários conduzem uma cena com instruções em linguagem simples enquanto ela roda. Entre os exemplos do Google estão mover a câmera, mudar o clima e adicionar personagens.

A página do modelo no Google DeepMind chama o Genie 4 de "nosso modelo de mundo mais realista e interativo até agora". Segundo a página, o Gemini Omni ancora a aparência e o comportamento das coisas. Outros modelos Gemini cuidam do raciocínio que mantém uma cena coerente ao longo do tempo.

O Gizmodo o compara ao Genie 3, que o Google apresentou em agosto do ano passado. O Genie 3 não tinha áudio, e suas pessoas "tendiam a ser mais mecânicas", escreve o site. O Genie 4 mostra movimentos humanos e expressões faciais mais suaves, com personagens que falam e reagem. A manchete do Gizmodo diz que o modelo gera vozes humanas. As páginas do próprio Google descrevem "diálogo interativo", mas não usam a palavra voz.

Quem pode usar, e quando

Grupo	Acesso
Testadores de confiança	Em liberação agora como prévia de pesquisa
Assinantes do Google AI Ultra	"Em breve" no Project Genie
Parceiros com acesso antecipado à API Gemini	"Em breve"
Parceiros com acesso antecipado ao Google AI Studio	"Em breve"
Todos os demais	Uma lista de espera na página do DeepMind

O Google não informou preço nem data para uma liberação mais ampla. O Gizmodo relata que os testadores atuais incluem desenvolvedores de videogames.

O Project Genie é o aplicativo web do Google para explorar mundos gerados. O Gizmodo observa que seu lançamento, em janeiro, teria derrubado fortemente as ações de empresas de videogame.

Segurança e marcas d'água

O Google DeepMind diz que liberou o Genie 4 primeiro para testadores de confiança de propósito. O modelo tem "proteções de segurança rígidas, consistentes com nossas políticas de segurança em outros modelos", diz a página do modelo.

Todo clipe de vídeo e de áudio que o Genie 4 criar terá o SynthID, a marca d'água invisível do Google para identificar conteúdo gerado por IA. Isso vale tanto para a imagem quanto para o som.

O que o Google diz que ele ainda não consegue fazer

A página do modelo traz uma lista franca de limitações:

• Ele suporta "alguns minutos de interação contínua, em vez de sessões longas".
• Ele não consegue simular locais reais com precisão perfeita.
• A precisão do áudio em tempo real ainda está sendo aprimorada.
• Detalhes visuais e a permanência de objetos podem se desviar com o tempo, especialmente após várias edições complexas de prompt.
• Interações entre muitos agentes independentes em um mundo compartilhado continuam difíceis.
• Texto legível geralmente só aparece quando a entrada o descreve.

O Gizmodo acrescenta que o modelo "ocasionalmente tem dificuldade em manter a consistência visual e a precisão do áudio".

O que isso significa para desenvolvedores

O Genie 4 não é algo que a maioria dos desenvolvedores possa chamar hoje. Os passos que valem a pena agora são de preparação.

• Entre na lista de espera se você cria jogos ou simulações. Os parceiros com acesso antecipado à API Gemini vão influenciar como o modelo será exposto. Entrar cedo dá a você voz nas decisões.
• Projete para sessões curtas. Alguns minutos de interação servem para protótipos, demos e ideias de fases. Ainda não servem para sessões longas de jogo nem para mundos persistentes.
• Trate-o como campo de treinamento para robôs, com cuidado. O Google está explorando usos em robótica. Mundos que se desviam com o tempo podem ensinar lições erradas aos agentes. Por isso, compare os resultados com testes no mundo real.
• Planeje verificações de marca d'água. Toda saída carrega o SynthID. Se o seu produto mistura imagens reais e geradas, decida como vai rotulá-las e detectá-las.
• Segure o orçamento. Ainda não há preço publicado. Evite montar um business case até que preços e limites de taxa sejam públicos.
• Fique de olho no áudio. O som é o principal recurso e também um ponto fraco listado. Teste se o diálogo continua sincronizado antes de depender dele para personagens realmente interativos.

O Genie 4 leva os modelos de mundo de clipes mudos para cenas com som e fala. O limite de poucos minutos e os problemas de desvio mostram o quanto eles ainda estão longe de substituir um motor de jogo.