Genie 4, l’IA di Google crea mondi con audio che cambiano con una frase

Genie 4 è il nuovo modello del mondo di Google DeepMind e, per la prima volta, i mondi che crea fanno anche rumore. Basta descrivere una scena in una frase o fornirgli un’immagine di riferimento: il modello genera un luogo che si può esplorare con la tastiera, mentre riproduce il vento tra gli alberi, le onde sulla spiaggia e le voci delle persone presenti. Ora queste persone possono anche sostenere una conversazione che reagisce a ciò che fai: per DeepMind, è la vera frontiera raggiunta con questa versione.

Per chi ha provato le versioni precedenti, il cambiamento più importante è il controllo. Si può digitare un’istruzione per cambiare il tempo, spostare la telecamera o aggiungere alla scena una nuova persona o un oggetto; Gemini riformula la richiesta per adattarla a ciò che è già sullo schermo. Tra un comando e l’altro, Gemini continua a guidare la simulazione, impedendo al mondo di andare in pezzi. L’esperienza assomiglia meno a un videogioco e più alla direzione di un set cinematografico in cui le riprese non si fermano mai: è già così che alcuni dei primi tester lo stanno usando.

Gemini progetta la scena, Genie la disegna

Genie 4 si appoggia al resto della famiglia di modelli Google. Secondo l’annuncio di DeepMind, Gemini Omni dà a ogni simulazione un aspetto e un comportamento radicati nel mondo reale, mentre altri modelli Gemini si occupano del ragionamento necessario a mantenere coerente la scena da un momento all’altro. Gemini 3.8 Flash agisce da agente guida: osserva il mondo mentre Genie 4 lo disegna, scompone un obiettivo in passaggi, controlla i fotogrammi in arrivo per verificare che ogni passaggio sia riuscito e modifica il piano quando intervieni.

Per DeepMind, il salto più grande riguarda le persone. I personaggi si muovono in modo più naturale, reagiscono all’ambiente circostante e possono essere guidati mentre la simulazione è in corso; il modello gestisce anche fenomeni fisici come l’aerodinamica e le collisioni. Le dimostrazioni pubblicate sul blog dell’azienda mostrano un seme d’acero che gira mentre scende sull’erba, una stazione ferroviaria rurale affollata nel Giappone degli anni Ottanta e una gara di draghi in soggettiva, accompagnata dal fragore dei battiti d’ali: tutti suoni generati da Genie 4. Genie 3 produceva mondi silenziosi a 720p e 24 fotogrammi al secondo; questa volta DeepMind non ha pubblicato dati su risoluzione o frequenza dei fotogrammi, quindi il miglioramento si può valutare soltanto dai filmati diffusi dall’azienda.

I videogiochi non sono l’unico obiettivo. DeepMind sostiene che simulare il mondo sia un passaggio fondamentale verso l’intelligenza artificiale generale; in una dimostrazione, Genie 4 viene abbinato a Gemini 4 Argon per simulare il robot umanoide Apollo di Apptronik mentre gioca a dama. Argon scompone il compito in passaggi e li fornisce a Genie 4 sotto forma di didascalie testuali mentre la scena viene renderizzata. Nel lungo periodo, il potenziale commerciale risiede nella creazione di mondi di addestramento sicuri e sempre diversi per robot e agenti software, molto prima che qualcuno venda un gioco basato su Genie.

Prima i registi e i fotogiornalisti

DeepMind sta testando Genie 4 con gruppi provenienti dai settori creativi, dal giornalismo, dall’istruzione, dai videogiochi e dall’ingegneria. I registi lo usano come modalità di bozza per la previsualizzazione: entrano in una scena in tempo reale e girano diverse versioni, modificando angolazioni della telecamera, illuminazione, dialoghi e azione. Gli sviluppatori di videogiochi passano da un’idea a un prototipo esplorabile in pochi secondi, prima ancora di scrivere una riga di codice del motore grafico. I partner aziendali lo stanno sperimentando per generare rapidamente scenari.

L’esperimento più delicato coinvolge i fotogiornalisti, che stanno verificando come una singola fotografia d’archivio possa trasformarsi in pochi secondi in una versione simulata di quel luogo, popolata e animata. DeepMind cita anche la possibilità di visualizzare lo sviluppo di un’alluvione improvvisa o di un incendio boschivo. Una passeggiata convincente in una strada storica reale, con persone inventate che vi parlano, è anche un falso convincente. La risposta di DeepMind è SynthID, la filigrana invisibile che inserisce in tutti i video e gli audio prodotti da Genie 4, insieme a valutazioni interne sulla sicurezza e a una distribuzione graduale. SynthID è utile solo se piattaforme e spettatori utilizzano davvero un rilevatore; sullo schermo, inoltre, non c’è nulla che segnali a un utente qualunque che il filmato è sintetico.

I mondi perdono ancora coerenza

DeepMind è insolitamente esplicita sui limiti. Genie 4 riesce a mantenere integro un ambiente durante sessioni brevi, ma i dettagli visivi e la permanenza degli oggetti possono cambiare se la simulazione si prolunga, dopo diverse modifiche complesse alle istruzioni o mentre ci si sposta nella scena. Le interazioni fisiche complesse, l’audio accurato in tempo reale, il testo leggibile, la precisione spaziale e la coerenza nel lungo periodo sono tutti indicati come problemi di ricerca ancora irrisolti. In parole semplici, la libreria che hai superato un minuto fa potrebbe non essere la stessa quando ti volti a guardarla.

Per la maggior parte delle persone, inoltre, non è ancora possibile provarlo. Genie 4 è un’anteprima di ricerca riservata a tester selezionati e di fiducia. Google dice che sarà presto disponibile per gli abbonati a Google AI Ultra tramite Project Genie, la sua app web per generare mondi, e per i partner con accesso anticipato alle Gemini API e a Google AI Studio; è già possibile iscriversi alla lista d’attesa. Non c’è una data di uscita, né un prezzo oltre all’abbonamento Ultra, il piano di intelligenza artificiale più costoso di Google, e non è stato annunciato quali Paesi saranno coinvolti per primi. Quando Project Genie è stato lanciato il 29 gennaio 2026 con Genie 3, era disponibile soltanto negli Stati Uniti per gli abbonati Ultra di almeno 18 anni e le sessioni erano limitate a 60 secondi.

DeepMind ha annunciato Genie 4 il 27 ottobre 2026, in un post firmato da Raia Hadsell, Diego Rivas e Hang Qi. Il percorso era iniziato nel febbraio 2024 con un modello che trasformava le immagini in semplici videogiochi platform 2D, era passato al 3D con Genie 2 nel dicembre 2024 ed era arrivato all’esplorazione in tempo reale con Genie 3 nell’agosto 2025. Ogni generazione ha aggiunto qualcosa: una terza dimensione, poi il movimento in tempo reale, ora suoni e parole. Genie 4 deve ancora dimostrare che un mondo riesca a ricordare se stesso più a lungo di una pausa caffè.

Tag: intelligenza artificiale, Google, Gemini, Google DeepMind, Genie 4, modelli del mondo