Google DeepMind ha presentato il 27 ottobre Genie 4, la nuova versione del suo world model, un sistema che genera ambienti tridimensionali in cui ci si può muovere in tempo reale. La novità più visibile è l’audio, perché musica, rumori di fondo e dialoghi nascono insieme alle immagini, e secondo DeepMind è il primo modello di questo tipo a farlo in modo nativo. Per ora lo possono provare solo alcuni tester selezionati.
Come funziona
Si parte da una descrizione e si esplora il mondo generato con la tastiera, che controlla spostamenti e inquadratura. Durante la sessione si possono scrivere comandi per cambiare il meteo, spostare la telecamera o aggiungere persone e oggetti, e la scena si aggiorna mentre la si attraversa. DeepMind dichiara immagini più realistiche rispetto alle versioni precedenti, una fisica più credibile negli urti e nei movimenti nell’aria e personaggi che reagiscono in modo più naturale.
Dietro Genie 4 lavorano due modelli Gemini. Gemini Omni mantiene coerenti l’aspetto e il comportamento degli elementi, mentre Gemini 3.8 Flash fa da regista, osserva la scena, divide l’obiettivo in passaggi e corregge il piano se qualcosa va storto. In un esperimento di robotica DeepMind ha usato Genie 4 insieme a Gemini 4 Argon per simulare il robot umanoide Apollo di Apptronik mentre gioca a dama.
I limiti dichiarati
Le sessioni durano “qualche minuto di interazione continua”, scrive Google senza indicare risoluzione, fotogrammi al secondo o latenza. TechCrunch parla di scene coerenti fino a due minuti, il doppio del limite precedente, un confronto che vale rispetto ai 60 secondi concessi da Project Genie, l’app con cui Google aveva aperto Genie 3 al pubblico a gennaio. DeepMind ammette che nelle sessioni lunghe o dopo molte modifiche i dettagli e la permanenza degli oggetti si degradano, e che restano problemi aperti il testo leggibile, i luoghi reali e l’interazione tra più personaggi. Diego Rivas, ingegnere di DeepMind, ha detto a TechCrunch che per Genie 4 siamo “ancora agli inizi”.
Tutti i video e gli audio generati contengono il watermark invisibile SynthID, lo stesso che Google usa per immagini e testi e che si può verificare con SynthID Detector.
A chi serve e quando arriva
Google indica come usi i videogiochi, la didattica interattiva, l’addestramento di robot e agenti e la preparazione delle scene nel cinema. Rivas cita in particolare la fase di storyboard, quando servono molte idee in poco tempo. Tra i primi tester ci sono professionisti delle industrie creative, del giornalismo, dell’istruzione e dell’ingegneria.
L’accesso si allargherà “presto”, senza date, agli abbonati Google AI Ultra tramite Project Genie e ad alcuni partner tramite Gemini API e Google AI Studio. Google non dice nulla su prezzi e paesi. Il precedente non è incoraggiante per l’Italia, perché Project Genie con Genie 3 era partito solo negli Stati Uniti. Il campo intanto si affolla, con Runway che ha già un world model giocabile con audio e altre società come World Labs e Decart al centro di acquisizioni.
Fonti: Google DeepMind, Google, pagina del modello Genie, TechCrunch.
