Genie 4 di Google porta suoni e fotorealismo nelle simulazioni

Genie 4 è il nuovo modello di mondi di Google DeepMind, uscito in anteprima di ricerca. Le versioni precedenti costruivano scenari da guardare e un po’ da toccare. Questa fa un passo in più, è possibile digitare un comando mentre la simulazione è in corso e il mondo si piega al proprio volere. Si può cambiare il tempo atmosferico, spostare la telecamera, far comparire persone o oggetti dal nulla.

Cos’è Genie 4, il nuovo modello di mondi di Google DeepMind e cosa sa fare davvero

Poi c’è l’audio, la vera novità. Genie 4 genera in tempo reale musica, rumori ambientali e persino dialoghi interattivi, tutto coerente con quello che succede sullo schermo. Il mondo smette di essere un film muto e comincia a fare rumore, a parlare, a rispondere.

Rispetto a Genie 3, uscito poco più di un anno fa, il salto è notevole. La resa è più fotorealistica, la fisica meno ballerina e i personaggi più simili a esseri umani, cioè meno manichini con lo sguardo da pesce lesso. La scena resta stabile fino a due minuti, il doppio di prima. Due minuti non sembrano un’eternità, ma nel mondo delle simulazioni generate sono una piccola maratona.

Gemini sta dietro la cinepresa

Su Genie 4 Gemini fa il regista: pianifica i passaggi, controlla i fotogrammi, mentre Genie si occupa di dipingere la realtà. In un esperimento legato a Gemini Robotics, un modello Gemini ha spezzato un compito in tante piccole mosse, e Genie 4 le ha simulate in tempo reale. L’idea è collaudare un robot in un mondo finto prima di lasciarlo scorrazzare in quello vero.

Tejas Kulkarni, research director di Google, l’ha messa così durante il briefing: in futuro vedremo sempre più modelli ibridi, con Gemini che scrive codice e testo e Genie che li inghiotte e simula la realtà a livelli di astrazione diversi.

Giochi, robot e quadri che chiacchierano

Gli usi pensati sono i soliti sospetti: videogiochi, apprendimento interattivo, robotica. Tra le ipotesi, ancora tutte da dimostrare, c’è quella di entrare dentro un dipinto storico e fare due chiacchiere con i personaggi ritratti, per farsi raccontare com’è andata davvero quel giorno.

I “trusted tester”, cioè quelli che ricevono per primi i giocattoli più nuovi di Google, hanno intravisto però un’altra strada: il prototipo di film. Diego Rivas, ingegnere di DeepMind, ha spiegato che il tempo reale conta soprattutto dove serve mantenere il flusso creativo, per esempio nella fase di ideazione e nello storyboard, quando si ha fame di idee veloci.

Google ha già Veo, il suo generatore di video in alta definizione con audio sincronizzato, sempre più amato da chi fa cinema. Rivas ha accennato che in futuro Gemini Omni, modello multimodale capace di creare video da immagini, audio e testo, potrebbe trasformare questi prototipi in materiale vero e proprio. Ma lui stesso ha ammesso che quella strada è ancora lunga.

I difetti, per ora, ci sono

Google non nasconde che siamo agli inizi. Rivas ha ripetuto più volte che l’esperienza di prodotto finale non è ancora chiara. Con il passare dei minuti dettagli e oggetti tendono a “scivolare”, e il team non ha ancora capito come garantire che l’audio sia accurato e che il testo dentro il mondo sia leggibile.

Genie 4 è disponibile adesso in anteprima di ricerca per i trusted tester. Nelle prossime settimane arriverà agli abbonati Google AI Ultra dentro Project Genie, lo strumento con cui si creano mondi interattivi partendo da testo o immagini, e ai partner in accesso anticipato di Gemini API e Google AI Studio.