Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarTG: @data_secrets (Data Secrets)→ original

Google lança o Genie 4: IA cria mundo com som e falas de personagens em tempo real

O Google lançou o Genie 4, uma IA que cria em tempo real um mundo interativo, no qual é possível agir como em um jogo. Junto com a imagem, são gerados música, ruído ambiente e falas dos personagens, que se ajustam às ações do jogador. A cena pode ser alterada com prompts durante o uso: por exemplo, adicionar chuva ou inserir personagens. Para quem desenvolve robôs e agentes, isso vira um campo de testes virtual, sem a necessidade de montar as verificações manualmente.

Processado por IA de TG: @data_secrets (Data Secrets); editado por Hamidun News
Google lança o Genie 4: IA cria mundo com som e falas de personagens em tempo real
Fonte: TG: @data_secrets (Data Secrets). Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalTG: @data_secrets (Data Secrets) ↗
Editor-chefe
Dado-chave #1Gemini Omni é responsável pelo visual realista e pelo comportamento do mundo
Gemini 3.8 Flash atua como agenteplaneja os passos e refaz o plano
Dado-chave #3Na demo, o humanoide Apollo, da Apptronik, joga damas dentro do mundo

O Google lançou o Genie 4, nova geração do seu "modelo de mundo". É assim que se chama uma IA que cria, em tempo real, um ambiente interativo: nele é possível se movimentar, alterar coisas e receber reações, como em um jogo. No Genie 4, o mundo já vem com som: música, ruído ambiente e até falas dos personagens são gerados junto com a imagem, e as falas se ajustam às ações do usuário. A versão anterior saiu há mais de um ano, em agosto de 2025, e na nova o Google concentrou esforços em realismo, multimodalidade, física aprimorada e interatividade.

Para que isso serve na prática? Imagine que é preciso verificar como um robô ou um agente de IA vai se comportar em uma centena de situações: na rua com chuva, em uma sala com pessoas desconhecidas, em um cômodo onde surgiu um objeto novo. Montar essas cenas à mão leva muito tempo e custa caro. O Genie 4 propõe outro caminho: descrever a situação em palavras e obter um ambiente no qual o sistema precisa agir.

Mundo com som e falas vivas

O primeiro ponto que chama a atenção é o som. Os geradores de mundos anteriores entregavam basicamente imagem, e a narração precisava ser adicionada à parte. Aqui, música, ruído ambiente e diálogos são criados ao mesmo tempo que o vídeo. As falas não são gravadas de antemão: se você se aproximar de um personagem ou fizer algo na cena, a resposta levará isso em conta.

O segundo ponto é a direção em tempo real. A cena pode ser alterada com prompts durante o uso: mudar o clima, adicionar personagens ou objetos. Na prática, funciona como um motor de jogo em que, em vez de um editor de fases, você escreve o que quer ver.

Como funciona por dentro

Nos bastidores, trabalha um conjunto de modelos Gemini, cada um com um papel:

  • Gemini Omni cuida da aparência realista e do comportamento do mundo;
  • outros modelos garantem a coerência da simulação, para que o mundo não se desfaça ao longo da ação;
  • Gemini 3.8 Flash atua como agente em um ciclo contínuo, uma espécie de cérebro do sistema.

O papel deste último fica mais claro com um exemplo. Suponha que você defina o objetivo "dar uma festa no quintal". O agente divide isso em etapas, verifica se elas foram cumpridas e refaz o plano se, no meio da cena, você decidir que a noite será chuvosa e que chegaram mais convidados. Ou seja, o mundo segue um plano que pode ser alterado a qualquer momento, e os quadros continuam coerentes entre si.

O que isso oferece a desenvolvedores e gerentes de produto

Segundo o Google, esses ambientes podem ser usados para testar robôs e agentes. Para a demonstração, a empresa mostrou o humanoide Apollo, da Apptronik, jogando damas dentro do mundo gerado. Em vez de um campo de testes físico caro ou de uma configuração manual do simulador, o cenário é definido por texto.

Alguns pontos a tirar disso:

  • O teste de agentes caminha para ambientes generativos: os cenários são criados e alterados por texto, sem desenvolvimento separado de um simulador.
  • Som e diálogos dentro da própria simulação abrem caminho para testar assistentes de voz e multimodais em condições mais realistas.
  • O esquema "modelo-artista, modelos-controladores e agente-planejador" é uma boa referência para sistemas próprios: separar papéis ajuda a manter a integridade de sessões longas.

O que ainda precisa ser verificado

Por enquanto, trata-se de um anúncio e de uma demonstração. As damas são um exemplo ilustrativo, mas um cenário simples, com regras claras. Para testes sérios de robôs, importa saber o quanto a física do mundo gerado coincide com a real, por quanto tempo o mundo mantém a coerência, qual é a latência de resposta às ações e se é possível repetir exatamente o mesmo cenário para comparar versões do agente. As respostas a essas perguntas determinarão se o Genie 4 será uma ferramenta de verificação útil ou apenas uma vitrine impressionante.

A direção, porém, é clara: o Google aposta na simulação como ambiente em que os agentes e robôs do futuro são treinados e verificados. Quem desenvolve esses sistemas deve acompanhar a disponibilidade do Genie 4 e compará-lo com os simuladores habituais. Os detalhes foram publicados no blog do Google DeepMind.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre Mundo com som e falas vivas?

O primeiro ponto que chama a atenção é o som. Os geradores de mundos anteriores entregavam basicamente imagem, e a narração precisava ser adicionada à parte. Aqui, música, ruído ambiente e diálogos são criados ao mesmo tempo que o vídeo. As falas não são gravadas de antemão: se você se aproximar de um personagem ou fizer algo na cena, a resposta levará isso em conta. O segundo ponto é a direção em tempo real. A cena pode ser alterada com prompts durante o uso: mudar o clima, adicionar personagens ou objetos.

Como funciona por dentro?

Nos bastidores, trabalha um conjunto de modelos Gemini, cada um com um papel: Gemini Omni cuida da aparência realista e do comportamento do mundo; outros modelos garantem a coerência da simulação, para que o mundo não se desfaça ao longo da ação; Gemini 3.8 Flash atua como agente em um ciclo contínuo, uma espécie de cérebro do sistema. O papel deste último fica mais claro com um exemplo. Suponha que você defina o objetivo "dar uma festa no quintal".

O que isso oferece a desenvolvedores e gerentes de produto?

Segundo o Google, esses ambientes podem ser usados para testar robôs e agentes. Para a demonstração, a empresa mostrou o humanoide Apollo, da Apptronik, jogando damas dentro do mundo gerado. Em vez de um campo de testes físico caro ou de uma configuração manual do simulador, o cenário é definido por texto. Alguns pontos a tirar disso: O teste de agentes caminha para ambientes generativos: os cenários são criados e alterados por texto, sem desenvolvimento separado de um simulador.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…