Genie 4: DeepMind suma audio y mejores físicas a sus mundos generados por IA

DeepMind, la división de inteligencia artificial de Google, ha presentado Genie 4, la nueva versión de su modelo capaz de generar mundos tridimensionales interactivos a partir de instrucciones escritas o habladas. La novedad más visible es que, por primera vez en esta familia, el sistema produce también audio: efectos ambientales, música e incluso diálogos de los personajes. La noticia la recoge Computer Hoy a partir del comunicado de la propia compañía.

Qué es un "modelo de mundo"

Conviene distinguirlo de lo que ya conoces. Las herramientas de generación de imagen o vídeo que incorporan Gemini o ChatGPT producen un archivo cerrado: una vez generado, no puedes entrar en él. Un modelo de mundo aspira a otra cosa: construir un entorno tridimensional por el que moverse y que reaccione a lo que ocurre dentro, de forma parecida a un videojuego en tercera persona o a una secuencia creada con efectos digitales.

La diferencia práctica es quién lo modifica. En una producción convencional hacen falta animadores y artistas 3D para cambiar la iluminación, mover la cámara o añadir un objeto. Aquí, según DeepMind, basta con pedirlo en lenguaje natural y el cambio se aplica sobre la marcha: alterar el tiempo atmosférico, desplazar el punto de vista o introducir nuevos personajes y elementos en la escena.

El salto respecto a Genie 3

La generación anterior, Genie 3, llegó a comienzos de año y ya generaba entornos en tiempo real con personajes que se desplazaban por ellos, pero era mudo. Genie 4 incorpora generación de sonido nativa y multimodal, es decir, integrada en el mismo modelo en lugar de añadida después con una herramienta aparte. El sistema coloca por defecto sonidos coherentes con lo que se ve —viento entre los árboles, olas rompiendo— y permite solicitar bandas sonoras o líneas de diálogo.

El otro frente de mejora son las físicas. DeepMind afirma que el modelo entiende mejor fenómenos como la aerodinámica y las colisiones, de modo que objetos y figuras humanas se comportan de forma más creíble. Para lograrlo, la compañía describe un esquema en el que varios agentes de IA descomponen la escena en partes y comprueban si el resultado cumple lo que se había pedido, una aproximación emparentada con los agentes de Gemini que juegan a Minecraft.

La coherencia de esas modificaciones se apoya en la familia Gemini. En concreto, DeepMind cita el uso de Gemini 3.8 Flash, un modelo orientado a la rapidez, para que los cambios se apliquen sin esperas perceptibles.

Cuándo se podrá usar y a qué precio

Aquí llega el matiz importante: Genie 4 se ha anunciado, pero todavía no está disponible. Google explica que seguirá desarrollándolo junto a creadores 3D y perfiles técnicos antes de abrirlo. Cuando llegue, lo hará orientado a profesionales, a través de la API de Gemini y de AI Studio, las vías por las que los desarrolladores integran los modelos de Google en sus propias aplicaciones. La compañía no ha comunicado precios.

Más adelante, la intención es acercarlo a los usuarios de suscripción, empezando por el plan Google AI Ultra, que en España arranca en 99,99 euros al mes. Google no descarta extenderlo después a los planes AI Pro y AI Plus, más asequibles, aunque no hay calendario.

Por qué importa

Si el modelo cumple lo que promete, el interés va más allá del entretenimiento. Los entornos simulados con físicas creíbles sirven para entrenar sistemas robóticos o agentes autónomos sin exponerlos al mundo real, y para prototipar escenarios en producción audiovisual o en videojuegos sin montar antes todo el aparato de modelado.

Conviene, eso sí, mantener la cautela habitual: se trata de una presentación respaldada por demostraciones de la propia empresa, no de un producto que pueda probarse de forma independiente. Hasta que desarrolladores externos trabajen con él, afirmaciones como la del realismo de personas y físicas quedan pendientes de verificación.