Escribir una frase y, en lugar de recibir una imagen o un vídeo, poder entrar a ese escenario y recorrerlo con el teclado. Esto es lo que propone Genie 4, el nuevo modelo de Google DeepMind presentado como la siguiente generación de simulación de mundos mediante inteligencia artificial.
El anuncio llega en un momento en que las grandes tecnológicas compiten por ir más allá de la generación de imágenes o vídeo estático, buscando experiencias interactivas que combinen texto, sonido y movimiento en tiempo real. Genie 4 se presenta como un paso en esa dirección, aunque todavía limitado a un grupo reducido de probadores.
Un mundo que se genera con texto y suena mientras lo recorres
Genie 4 fue presentado por Raia Hadsell, Diego Rivas y Hang Qi, miembros del equipo de Google DeepMind. Según la compañía, se trata de un modelo de mundo: una inteligencia artificial capaz de crear, a partir de una descripción escrita, un entorno en movimiento que el usuario puede explorar usando los controles habituales de un ordenador para desplazarse y mover la cámara.
Lo que distingue a esta versión es que el sonido no se añade después, sino que se genera junto al escenario. Música, ruido ambiental e incluso conversaciones surgen al mismo tiempo que el entorno visual. Entre los ejemplos mostrados por Google aparecen un lago con niebla y un saxofonista tocando, una pradera donde una tela rosa ondula como si fuera un río, y un paisaje helado de la Antártida observado desde la cesta de un globo aerostático.
Órdenes en tiempo real sin romper la escena
Mientras el usuario recorre el mundo generado, puede seguir escribiendo instrucciones: cambiar el clima, mover la cámara o introducir a una persona o un objeto nuevo. Gemini, la familia de modelos de Google, se encarga de adaptar cada petición a lo que ya existe en pantalla, procurando que el conjunto mantenga coherencia entre una orden y la siguiente.
Google pone como ejemplo una pradera en la que, si se pide que empiece a llover, la lluvia debería caer sobre la misma hierba y las mismas flores que ya estaban presentes, sin generar un escenario distinto. La compañía asegura también que el modelo simula física real, incluyendo aerodinámica, choques entre objetos, el comportamiento de una sandía al caer sobre una piedra o el descenso de una semilla de arce hasta el césped.
Personajes que se mueven con mayor naturalidad
Según Google, el mayor avance de Genie 4 está en cómo se comportan las personas dentro de estos mundos. La empresa afirma que los personajes se mueven de forma natural, reaccionan a su entorno y pueden dirigirse en tiempo real durante la interacción.
Una de las demostraciones recreaba una estación de tren rural japonesa ambientada en los años ochenta, con pasajeros circulando, un tren rojo en primer plano y un inspector con uniforme azul oscuro. Para Google, este tipo de escenarios tiene dos utilidades principales: servir como entorno de entrenamiento para robots y sistemas autónomos, y abrir camino a nuevas experiencias interactivas.
Todavía en fase de pruebas cerradas
Por ahora, Genie 4 es una vista previa de investigación disponible solo para un grupo de probadores de confianza. Google está recogiendo opiniones antes de pensar en un lanzamiento más amplio, tanto para el público general como para desarrolladores.
El acceso comienza por los suscriptores de Google AI Ultra que forman parte de Project Genie, además de socios con entrada anticipada a la API de Gemini y a Google AI Studio. Existe una lista de espera para quienes quieran probarlo. Hasta el momento, todo lo que se conoce del modelo son los vídeos y descripciones difundidos por la propia compañía.
Qué significa esto para quienes sigan de cerca el anuncio
Quien quiera probar Genie 4 deberá apuntarse a la lista de espera y, en las primeras fases, contar con una suscripción a Google AI Ultra. Google no ha dado precio ni fecha de apertura general, por lo que conviene evitar adelantar pagos o expectativas.
Para quienes trabajan en videojuegos, cine o formación, la herramienta se plantea como un recurso para prototipar escenas simplemente describiéndolas. En el terreno de la robótica, la idea es que los sistemas autónomos puedan practicar en entornos simulados antes de operar en el mundo real.
La incógnita que queda abierta es si la experiencia real al usar Genie 4 coincidirá con lo que muestran los vídeos promocionales de Google, algo que solo podrá comprobarse cuando el acceso se amplíe más allá del círculo actual de probadores.
Preguntas frecuentes
¿Qué es Genie 4?
Es un modelo de inteligencia artificial de Google DeepMind que genera mundos navegables en movimiento a partir de una descripción escrita, incluyendo sonido y física simulada.
¿Quién puede usar Genie 4 ahora mismo?
Por el momento solo un grupo reducido de probadores de confianza, entre ellos suscriptores de Google AI Ultra en Project Genie y socios con acceso anticipado a la API de Gemini y Google AI Studio.
¿Cuánto cuesta Genie 4?
Google no ha anunciado un precio público ni una fecha de lanzamiento general, por lo que de momento no existe un coste definido para el usuario final.
¿Para qué sirve este tipo de modelo de mundo?
Según Google, puede usarse para crear entornos de entrenamiento para robots y sistemas autónomos, así como para prototipar escenas en videojuegos, cine o formación.
¿Genie 4 genera sonido además de imágenes?
Sí, la música, los ruidos de ambiente y las conversaciones se generan junto con el escenario visual, no se añaden después.
¿Se puede modificar el mundo mientras se recorre?
Sí, el usuario puede escribir nuevas órdenes en tiempo real, como cambiar el clima o introducir personas u objetos, y el modelo adapta la escena manteniendo la coherencia.
Samuel Gil es especialista en infraestructura tecnológica, administración de servidores y desarrollo de servicios digitales. Con una sólida trayectoria en entornos web de alta exigencia, optimización de servidores y gestión de arquitecturas de red, Samuel dedica su labor en faq-box.com a desglosar cuestiones técnicas complejas para convertirlas en guías prácticas, transparentes y de alto valor técnico.
Su enfoque editorial prioriza el rigor, la seguridad en los sistemas y la resolución eficiente de problemas técnicos cotidianos y avanzados. A través de sus análisis, busca ofrecer respuestas directas y contrastadas para profesionales y entusiastas del sector tecnológico.
Cuenta con una sólida formación en el área tecnológica, destacando su especialización a través del Máster en Inteligencia Artificial Aplicada a la Gestión Empresarial y el MBA in Digital Transformation & Artificial Intelligence de ISEEN.EU, lo que aporta un rigor técnico avanzado a cada análisis de desarrollo y arquitectura digital.
