Genie 4, il mondo generato da Google adesso ha l’audio: DeepMind promette fisica più credibile

Google DeepMind ha presentato Genie 4, la nuova versione del suo world model, in research preview. La novità che salta all’occhio non è la grafica, che comunque migliora: è l’audio. Il modello genera in tempo reale musica, rumori ambientali e voci che reagiscono alla scena.

Ma la differenza vera è un’altra. Non si produce un filmato da guardare, ma un ambiente che continua a girare e risponde agli input. Si può intervenire mentre gira.

Cos’è un world model, in due righe

Un world model impara come si comporta il mondo fisico e lo simula passo dopo passo. Non indovina il fotogramma successivo di un clip: ricostruisce uno stato coerente, con oggetti che stanno dove devono e reagiscono ai contatti.

In un video generato, cambiare il meteo a metà non ha senso: il filmato è già deciso. In un world model l’ambiente accetta ordini in corsa e ricostruisce il resto di conseguenza.

Cosa cambia davvero in Genie 4

Rispetto a Genie 3, arrivato poco più di un anno fa come research preview, i salti dichiarati sono quattro. Il primo è la fotorealisticità, che punta a confondere un ambiente simulato con una ripresa reale.

Il secondo è l’audio sincronizzato: musica, rumori e dialoghi non sono tracce aggiunte dopo ma parte della simulazione. Il terzo è la durata, con una scena coerente per fino a due minuti, il doppio di prima.

Il quarto è l’editing libero: meteo e angolazione si cambiano in tempo reale, si aggiungono persone e oggetti. Migliorano anche fisica e personaggi, i dettagli che di solito tradiscono una simulazione più della risoluzione.

Gemini fa il regista, Genie esegue

Gemini non genera pixel: pianifica i passi, controlla i frame e decide cosa deve succedere. Genie 4 produce le immagini.

Nella prova legata a Gemini Robotics un modello Gemini 4 Argon ha scomposto un compito in una sequenza di azioni che Genie 4 ha simulato in tempo reale. Serve a testare scenari robotici in simulazione prima di rischiarli su un robot vero.

“Quello che vedremo sempre di più sono world model ibridi, dove Gemini scrive codice e testo e Genie lo ingoia in tempo reale”, ha spiegato Tejas Kulkarni, research director di Google.

A cosa serve, al di là della demo

Gli usi dichiarati sono tre: giochi, formazione interattiva e robotica. L’esempio più curioso è entrare dentro il quadro di una scena storica e chiacchierare con i personaggi raffigurati.

I trusted tester segnalano però il prototipaggio cinematografico: in fase di ideazione e storyboard, cambiare la scena mentre la si guarda vale più della qualità del frame finale.

Limiti, accesso e mercato

Il primo problema è la deriva: più la simulazione va avanti, più dettagli e oggetti si spostano. Il secondo è l’audio, plausibile ma non sempre corretto. Il terzo è il testo dentro il mondo simulato, spesso illeggibile.

Oggi Genie 4 è solo per i trusted tester. Nelle prossime settimane arriverà agli abbonati Google AI Ultra dentro Project Genie e ai partner in early access di Gemini API e AI Studio. Non è una funzione di Android e non cambia niente sul telefono.

Il tempismo non è casuale. Pochi mesi fa Runway ha pubblicato GWM Worlds 2, giocabile e con audio. Intanto il settore consolida: World Labs è finita ad AMD per 8,2 miliardi di dollari, Amazon tratta Decart a circa 7 miliardi, Rivian ha comprato Third Dimension.

Sul tema più ampio dell’AI che si ferma a metà risposta c’è un articolo sui classificatori di sicurezza, mentre per capire come Gemini gestisce la memoria c’è il pezzo sulla sezione Elementi ricordati. Per la robotica reale, il caso del robot umanoide XPeng Iron mostra cosa succede fuori dalla simulazione.

Domande frequenti su Genie 4

Genie 4 è disponibile per tutti?

No. È in research preview per i trusted tester e a breve si apre agli abbonati Google AI Ultra tramite Project Genie.

Che differenza c’è tra Genie 4 e Veo?

Veo genera clip video da un prompt. Genie 4 genera un ambiente simulato che continua a funzionare e accetta comandi mentre gira.

Quanto dura una simulazione?

Fino a due minuti con scena coerente, il doppio di Genie 3. Oltre quel limite la deriva diventa il problema principale.

Genie 4 arriva su Android?

Non come funzione del sistema. L’accesso passa da Project Genie e dalle API di Google.

Letto con onestà, l’annuncio è un pezzo di infrastruttura: l’audio che era il tassello mancante e due minuti di memoria che cambiano il tipo di cose simulabili. Ma senza un prodotto che lo renda utile a chi non fa ricerca.