Google DeepMind ha presentado Genie 4, un modelo que genera en tiempo real mundos virtuales por los que puedes moverte y que puedes cambiar sobre la marcha con lenguaje natural, añadiendo personajes, moviendo la cámara o cambiando el tiempo. Es el primer modelo de este tipo de Google que genera sonido de forma nativa. Está en fase de vista previa para probadores de confianza y llegará «pronto» a los suscriptores de Google AI Ultra y a algunos desarrolladores. Lo explica DeepMind en su blog y en la página del modelo, en una publicación del 27 de octubre firmada por Raia Hadsell, Diego Rivas y Hang Qi, y lo cuenta TechCrunch.Un «modelo de mundo» no es un generador de vídeo: no produce una secuencia cerrada, sino un entorno que responde a lo que haces en cada momento, como un videojuego que nadie ha programado.¿Qué puede hacer Genie 4?Crear y modificar mundos en directo a partir de descripciones de texto. Según DeepMind, puedes describir paisajes y sucesos, mover la cámara, añadir personajes o cambiar el clima mientras el mundo está en marcha. El modelo simula aerodinámica y colisiones, y movimiento humano natural que también se puede dirigir en tiempo real.La gran novedad es el audio: música, sonido ambiente y diálogos, con personajes que conversan y reaccionan. Para conseguir realismo, Genie 4 se apoya en otros dos modelos de Google: Gemini Omni ancla la apariencia y el comportamiento del mundo real, y Gemini 3.8 Flash actúa como un agente que observa, divide los objetivos en pasos y los comprueba.DeepMind enseña también un uso en robótica: combinado con Gemini 4 Argon y Gemini Robotics, simula al humanoide Apollo, de Apptronik, jugando a las damas.¿Cuáles son sus límites?DeepMind los enumera sin rodeos. El modelo aguanta unos pocos minutos de interacción continua, no sesiones largas. TechCrunch concreta que mantiene una escena coherente hasta dos minutos, el doble que Genie 3, una cifra que Google no da en sus páginas. Los detalles visuales y la permanencia de los objetos pueden desviarse con el tiempo, no reproduce con exactitud lugares reales, el texto legible casi solo aparece si estaba en la descripción inicial y la precisión del audio en tiempo real sigue en investigación.Google no ha publicado la resolución, los fotogramas por segundo ni el precio. Todo lo que genere llevará la marca de agua invisible SynthID, tanto en el vídeo como en el audio.¿Para qué se usará?DeepMind menciona dirección creativa y previsualización, recreaciones históricas a partir de fotos de archivo, diseño de conceptos y simulaciones para empresas, con probadores de los ámbitos creativo, periodístico, educativo, de videojuegos e ingeniería. Diego Rivas, ingeniero de DeepMind, reconoce en TechCrunch que todavía son los primeros días.TechCrunch sitúa el anuncio en una carrera muy concurrida: Runway con su segundo modelo de mundo, AMD comprando World Labs y Amazon, según informaciones de prensa, negociando con Decart. Google ya había apuntado en esa dirección con Playground, su plataforma para crear videojuegos desde una descripción, y Genie 4 es la pieza que genera el mundo en sí. Es la evolución lógica de los modelos multimodales que ya combinan imagen, audio y vídeo.Mi postura: lo impresionante de Genie 4 no son los dos minutos de mundo, sino que Google lo conecte con sus modelos de lenguaje y de robótica. Ahí está el valor real a corto plazo: entrenar y probar robots o agentes en entornos simulados que nadie ha tenido que construir a mano. Como producto de consumo, en cambio, es todavía una demo cara: llegará al plan más caro de Google y a algunos desarrolladores, en las próximas semanas según TechCrunch, sin precio y sin saber si se podrá usar desde España.La noticia Genie 4: Google DeepMind ya genera mundos interactivos con sonido que se cambian hablando, aunque de momento solo para unos pocos fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.