The Pulse
Google DeepMind presenta Genie 4 con audio in tempo reale
Google DeepMind ha annunciato Genie 4 il 27 ottobre 2026, descrivendolo come un modello di simulazione del mondo che genera scene interattive, suoni ambientali e dialoghi. L’anteprima di ricerca è riservata a tester selezionati, mentre Goog
AI.info Team · Scritto con l’IA · verificato ·
Google DeepMind ha annunciato Genie 4 il 27 ottobre, presentandolo come un modello del mondo in tempo reale che genera scene interattive insieme ai relativi suoni. Gli utenti possono orientare una simulazione con prompt testuali e comandi da tastiera, mentre il sistema produce audio ambientale e dialoghi man mano che gli eventi si svolgono.
I prompt testuali orientano i mondi in tempo reale
Genie 4 consente agli utenti di modificare una scena in corso chiedendo un cambiamento del tempo atmosferico, un movimento della telecamera o l’aggiunta di una persona o di un oggetto. Secondo Google, Gemini adatta queste istruzioni alla scena circostante e monitora la simulazione tra un intervento e l’altro dell’utente per aiutarla a procedere in modo coerente. L’annuncio descrive utenti che si muovono nella scena e controllano la telecamera con i normali comandi da tastiera.
Google DeepMind afferma che Genie 4 si basa sulla famiglia Gemini: Gemini Omni ancora le simulazioni all’aspetto e al comportamento del mondo reale, mentre altri modelli Gemini contribuiscono con capacità di ragionamento volte a preservare coerenza e continuità. In una configurazione più specifica, Gemini 3.8 Flash funge da agente guida: osserva i fotogrammi, suddivide gli obiettivi in passaggi e verifica se ciascuno va a buon fine. Secondo l’azienda, l’agente può rivedere il proprio piano quando la scena cambia o un utente interviene.
L’audio nativo amplia la simulazione
DeepMind descrive Genie 4 come il suo primo modello del mondo in tempo reale in grado di generare audio in modo nativo. Questo comprende suoni ambientali, come il vento o le onde, e dialoghi tra personaggi che possono rispondere agli input degli utenti e agli eventi. L’azienda afferma che i suoni che accompagnano i suoi video dimostrativi sono stati generati direttamente dal modello.
Il post descrive anche esperimenti che combinano Genie 4 con Gemini 4 Argon e Gemini Robotics. In un esempio, Argon suddivide un compito in passaggi che Genie 4 rappresenta in una simulazione dell’umanoide Apollo di Apptronik mentre gioca a dama. DeepMind presenta il lavoro come una ricerca su come i sistemi di IA potrebbero mettere alla prova le azioni in ambienti simulati prima di tentarle nel mondo fisico.
L’accesso in anteprima precede una disponibilità più ampia
Genie 4 viene distribuito inizialmente come anteprima di ricerca per tester selezionati. Google afferma che l’accesso arriverà presto per gli abbonati a Google AI Ultra tramite Project Genie e per i partner con accesso anticipato che utilizzano la Gemini API e Google AI Studio. L’annuncio mette a disposizione una lista d’attesa per Project Genie, ma non indica una data per un accesso più ampio.
DeepMind afferma di aver valutato internamente il modello per individuare contenuti dannosi o malevoli e di iniziare con tester selezionati per raccogliere riscontri. I video e l’audio generati includeranno SynthID, la tecnologia di filigranatura di Google per identificare i contenuti multimediali generati dall’IA. Nell’annuncio, l’azienda non pubblica le dimensioni del modello, dati sulla latenza o risultati dei benchmark.
DeepMind segnala variazioni indesiderate e scarsa coerenza a lungo termine
L’azienda avverte che Genie 4 è sperimentale. Gli ambienti possono restare coerenti durante sessioni brevi, ma i dettagli visivi e la permanenza degli oggetti possono variare nel tempo quando le sessioni si allungano, i prompt diventano complessi o gli utenti si muovono all’interno di una scena. DeepMind indica inoltre le interazioni fisiche complesse, l’audio accurato in tempo reale, il testo leggibile, la precisione spaziale e la coerenza a lungo termine come problemi di ricerca ancora aperti.
«Sebbene riesca a mantenere ambienti coerenti durante sessioni brevi, i dettagli visivi e la permanenza degli oggetti possono ancora cambiare o variare nel tempo, soprattutto quando una simulazione dura più a lungo, dopo molteplici modifiche complesse ai prompt o mentre ci si muove all’interno della scena.»
Raia Hadsell, Diego Rivas e Hang Qi
Questi limiti contano per gli impieghi evidenziati da Google, dalle anteprime creative interattive alla robotica e all’addestramento degli agenti: una simulazione in cui i dettagli cambiano o che perde coerenza nel tempo potrebbe non riprodurre uno scenario in modo affidabile. Per ora, DeepMind offre Genie 4 a tester selezionati, mentre l’anteprima più ampia per utenti e sviluppatori deve ancora arrivare.