Google DeepMind alza l’asticella delle simulazioni generate dall’AI con Genie 4, il nuovo modello capace di creare mondi interattivi che possono essere modificati mentre sono in esecuzione. Rispetto alla generazione precedente, il sistema introduce una resa visiva più realistica, una maggiore stabilità delle scene e una novità importante: l’audio generato in tempo reale, con musica, rumori ambientali e dialoghi coerenti con ciò che accade. La tecnologia è ancora in fase sperimentale, ma le possibili applicazioni spaziano dai videogiochi alla robotica, fino alla produzione cinematografica.
Genie 4, come funziona il nuovo modello di Google DeepMind
Le versioni precedenti di Genie permettevano di esplorare ambienti generati dall’intelligenza artificiale, ma offrivano possibilità di interazione più limitate. Con Genie 4, invece, è possibile impartire comandi durante la simulazione e intervenire direttamente sul mondo virtuale: si possono modificare le condizioni meteorologiche, cambiare l’inquadratura della telecamera oppure far apparire persone e oggetti.
Il risultato è un ambiente dinamico, che reagisce alle istruzioni senza dover ripartire ogni volta da zero. Il sistema compie inoltre progressi sul fronte della qualità visiva e del comportamento degli elementi presenti nella scena.
Rispetto a Genie 3, presentato poco più di un anno fa, il nuovo modello offre una resa più fotorealistica, una simulazione della fisica più convincente e personaggi dall’aspetto più simile a quello umano. Anche la durata delle sequenze generate è aumentata: gli ambienti possono rimanere stabili fino a due minuti, il doppio rispetto alla generazione precedente.
La novità più evidente riguarda però il suono. Genie 4 può generare in tempo reale musica, effetti ambientali e dialoghi interattivi, sincronizzandoli con gli eventi visualizzati. Le simulazioni diventano così esperienze audiovisive più complete, nelle quali il mondo virtuale non si limita a mostrare ciò che accade, ma può anche riprodurre suoni e rispondere attraverso la voce.
Dai videogiochi al cinema: le applicazioni ancora da esplorare
Tra i settori interessati dalle potenzialità di Genie 4 ci sono i videogiochi, l’apprendimento interattivo e la robotica. Le simulazioni potrebbero anche aprire nuove possibilità per esperienze culturali immersive, come entrare virtualmente in un dipinto storico e interagire con i personaggi raffigurati. Si tratta, tuttavia, di ipotesi che devono ancora essere dimostrate.
Un altro ambito di sperimentazione è quello cinematografico. I primi tester hanno individuato un possibile utilizzo nella realizzazione di prototipi di film, soprattutto durante le fasi iniziali del processo creativo.
Google dispone già di Veo, il generatore video ad alta definizione con audio sincronizzato. Rivas ha inoltre accennato alla possibilità che, in futuro, Gemini Omni, modello multimodale in grado di creare video a partire da immagini, audio e testo, possa contribuire a trasformare i prototipi in contenuti più vicini a produzioni effettive. Lo stesso ingegnere ha però precisato che la strada da percorrere è ancora lunga.
I limiti attuali e quando sarà disponibile Genie 4
Google riconosce che Genie 4 si trova ancora nelle prime fasi di sviluppo e che non è stata definita con precisione la forma che avrà il prodotto finale. Tra i problemi da risolvere ci sono la perdita di coerenza delle scene con il passare del tempo, quando dettagli e oggetti tendono a modificarsi o a spostarsi, e la difficoltà di garantire un audio sempre accurato.
Anche la leggibilità del testo inserito negli ambienti generati rappresenta una sfida ancora aperta. Sono aspetti che mostrano come, nonostante i progressi nella qualità delle simulazioni, la tecnologia non sia ancora pronta per offrire un’esperienza priva di imperfezioni.
Attualmente, Genie 4 è disponibile in anteprima di ricerca per i trusted tester, ovvero gli utenti selezionati che possono provare le tecnologie sperimentali di Google. Nelle prossime settimane, l’accesso sarà esteso agli abbonati Google AI Ultra attraverso Project Genie, lo strumento che permette di creare mondi interattivi a partire da descrizioni testuali o immagini.
La disponibilità è prevista anche per i partner che partecipano ai programmi di accesso anticipato di Gemini API e Google AI Studio.
