¿Puede Genie 4 mantener en movimiento una estación abarrotada cuando giras la cámara?

En la entrada de una estación por la tarde-noche, los viajeros avanzan hacia los tornos mientras algunas personas se detienen a leer un mapa y otro flujo cruza desde un lado. Una imagen convincente de esa escena es fácil de confundir con un comportamiento de multitud convincente. El movimiento de multitudes de Genie 4 en espacios públicos concurridos es una prueba más exigente: ¿puede la escena seguir respondiendo a medida que te mueves por ella y cambiar lo que ocurre?

Genie 4 es un modelo de mundo interactivo, no simplemente un generador de texto a video. Google DeepMind ha mostrado una concurrida estación japonesa de los años 80, y describe navegación por teclado, control de cámara y cambios de escena en lenguaje natural en tiempo real. El anuncio también dice que Genie 4 sigue siendo una vista previa de investigación temprana, y que la permanencia de objetos, la precisión espacial, las interacciones complejas y la consistencia a largo plazo aún están en desarrollo. Eso lo hace prometedor para la exploración de conceptos, pero no es evidencia de un simulador de multitudes validado. ( Google DeepMind, octubre de 2026 )

Puntos clave

• Genie 4 permite a un probador elegible explorar y dirigir una escena en evolución; un generador de video estándar devuelve un clip fijo.
• Especifica rutas, flujos que se cruzan, comportamiento de detención, movimiento de cámara y puntos de referencia de la escena en lugar de confiar en “concurrido” o “realista”.
• Evalúa el movimiento a lo largo del tiempo, incluidos los cruces, las personas repetidas y si la estación permanece en su sitio después de una edición.
• A partir del 2 de noviembre de 2026, Genie 4 es una vista previa de investigación con acceso limitado. Un video fijo es un tipo diferente de alternativa.

Qué cambia Genie 4 en el movimiento de multitudes

Un generador de video normalmente convierte una entrada en un clip que ves desde la trayectoria de cámara que eligió. Genie 4 se presenta como un modelo de mundo: puedes mover la vista por un entorno generado y dirigir la escena en evolución con texto. DeepMind dice que sus demostraciones usan controles de teclado estándar para la navegación y el control de cámara, junto con prompts en lenguaje natural para cambios como alterar el clima o introducir un objeto. También dice que Gemini ayuda a interpretar esos cambios en contexto y a mantener el mundo progresando.

Esa distinción importa cuando un diseñador quiere inspeccionar una estación más allá de una sola toma compuesta. Podrías empezar en una amplia entrada de vestíbulo, caminar hacia los tornos y luego pedir que un grupo pequeño se detenga cerca de un mapa de pared. En principio, esa secuencia te permite explorar si el entorno continúa alrededor del nuevo evento. Es una pregunta más útil que si un solo fotograma parece concurrido.

El ejemplo oficial de estación concurrida es un prompt para una estación de ferrocarril rural japonesa en los años 80. Describe pasajeros que esperan, caminan, suben y llevan equipaje, un inspector de ferrocarril cerca de la cámara, un tren rojo largo en la vía más cercana y un entorno montañoso. Eso es evidencia de la escena que DeepMind eligió demostrar. No es una prueba independiente del realismo de multitudes, y el prompt publicado no establece que cada acción solicitada se comportara correctamente durante una exploración prolongada.

Elige Genie 4 cuando la pregunta implique qué ocurre al moverte o intervenir. Elige video fijo cuando el entregable sea un clip para revisar o compartir. Ningún formato por sí solo demuestra que las rutas peatonales, los espacios libres o los tiempos coincidan con un lugar real.

Cómo redactar prompts de Genie 4 para un espacio público concurrido

“Haz una estación concurrida” le da a un modelo un tema, no un plan de movimiento. Un prompt de multitudes útil describe comportamiento observable y relaciones espaciales. Empieza con siete piezas: lugar, hora, disposición, flujo, acciones individuales, ruta de cámara y sonido. Para una evaluación útil, nombra también lo que debe permanecer fijo, como la posición de la entrada, los tornos y las señales.

El prompt oficial de estación proporciona un entorno y actividad visible. Para un experimento controlado, haz explícita una variable a la vez. Si la primera ejecución tiene direcciones de caminata poco claras, revisa la instrucción de flujo mientras mantienes estables la ubicación y el plan de cámara. Si cambias el entorno, la densidad, la cámara y el comportamiento a la vez, no puedes saber qué instrucción cambió el resultado.

El siguiente es un experimento inicial para un usuario autorizado de la vista previa de Genie 4. No es un prompt de Atlas Cloud, y la disponibilidad de cualquier control depende de la experiencia de vista previa proporcionada a esa cuenta.

plaintextCopy
1Create an explorable, realistic public train-station concourse during the evening commute. Show a steady, dense pedestrian flow moving in both directions through clearly visible lanes. Some people walk briskly toward the platform entrances, a few pause beside a wall map without blocking the main flow, and small groups walk together at a natural pace. Pedestrians adjust their paths and leave personal space when crossing; avoid synchronized marching or repeated identical people. Keep the station layout stable, with the main entrance, ticket gates, and platform signs in consistent positions. Begin from a wide eye-level view, then let me move toward the ticket gates while the crowd continues to flow naturally. Use realistic indoor station ambience and indistinct background conversation. Do not show emergencies, panic, collisions, or readable brand logos.

Trata el prompt como una especificación de experimento, no como una garantía. “Deja espacio personal” expresa un comportamiento deseado, pero no define un umbral de separación medido. “Mantén estable la disposición de la estación” es una solicitud, no una prueba de que la geometría permanezca estable. Si la interfaz de vista previa admite dirección por texto en vivo, prueba un evento acotado, como pedir que unas pocas personas se detengan cerca del mapa, y luego observa las rutas a su alrededor. No asumas un control, una duración o un ajuste particulares a menos que estén documentados en la interfaz de tu cuenta.

Para una verificación justa, lleva un pequeño registro de ejecución: la versión del prompt, el punto de vista inicial, la instrucción modificada y lo que observaste después. No necesitas un sistema de puntuación complicado. El propósito es separar un resultado visible de una impresión y hacer comparables los intentos repetidos.

Caso: El programa de mano caído en un cruce de estación

Ambienta la prueba en un vestíbulo de estación ficticio a la hora azul. La luz ámbar cae a través de un techo de vidrio arqueado sobre mosaicos verde azulado y terracota. Un flujo de pasajeros se dirige a los tornos mientras otro cruza hacia la salida. Una mujer adulta con un abrigo entallado esmeralda, un vestido plisado coral, una bufanda de seda azafrán y botas burdeos nota que un programa de mano doblado y sin imprimir se le resbala de su bolso tote. Gira para atraparlo, sonríe aliviada cuando otro pasajero la ayuda, hace un gesto de agradecimiento y se reúne con su acompañante. Esta pequeña interrupción le da a la multitud una razón para ajustar sus rutas sin una emergencia ni una coreografía de baile inverosímil.

Las imágenes fijas y el clip de 28 segundos proporcionados son medios generados fijos, no material de Genie 4. La pregunta es si el mismo cruce de mosaico, la pared del mapa, el tragaluz y la línea de tornos permanecen en su sitio a medida que la cámara cambia de dirección. Observa si los pasajeros cercanos se apartan de forma natural y retoman sus rutas. El giro, el alcance, la expresión cambiante y el gesto de la mujer hacen visible el movimiento individual dentro del flujo mayor.

El caso usa tres imágenes fijas y un video continuo de 28 segundos. Para recrearlo, haz la vista amplia con Seedream 5.0 Pro Text-to-Image. Haz las vistas lateral y de regreso con Seedream 5.0 Pro Edit, usando la primera imagen para preservar identidad, vestuario, iluminación y arquitectura. Pasa las tres imágenes aprobadas a Wan 3.0 Reference-to-Video para el clip largo. Estas salidas fijas ayudan a inspeccionar la idea; solo una sesión real de Genie 4 puede probar navegación en vivo o dirección por texto.

Prompt de imagen 1, vista amplia de la entrada: Imagen fija cinematográfica fotorrealista en 16:9 de una concurrida estación moderna ficticia a la hora azul. Un techo de vidrio arqueado baña un mosaico estelar verde azulado y terracota con luz ámbar. Una pared de mapas con borde de latón se alza a la izquierda de una fila estable de tornos. Dos flujos peatonales densos pero legibles se cruzan en el mosaico, caminando en direcciones opuestas. A media distancia, una mujer adulta con cabello castaño en un moño bajo trenzado lleva un abrigo entallado esmeralda sobre un vestido plisado coral, una bufanda de seda azafrán, botas cortas burdeos y un pequeño bolso tote de cuero. Gira la cabeza con una expresión alerta y sorprendida mientras un programa de mano doblado en blanco empieza a resbalar del tote. Vista amplia a la altura de los ojos desde la entrada, lente de 35 mm, color rico pero creíble, rostros y manos naturales, ropa distintiva en los demás pasajeros. Sin letreros legibles, logotipos, colisiones, personas duplicadas ni andén vacío.

El encuadre amplio establece el mosaico estelar, la pared de mapas, los tornos y los flujos peatonales opuestos.

Prompt de imagen 2, vista lateral del cruce: Edita la imagen 1 para convertirla en un ángulo lateral en 16:9 a unos 90 grados de la vista de la entrada. Preserva el rostro exacto de la mujer, el moño bajo, el abrigo esmeralda, el vestido coral, la bufanda azafrán, las botas burdeos y el tote. Mantén el mismo techo arqueado, la pared de mapas, la línea de tornos, el mosaico estelar y la luz ámbar de la hora azul en posiciones espacialmente plausibles. Muestra su giro a medio camino con un brazo extendido hacia el programa de mano en blanco que cae; la bufanda y la falda siguen el giro de forma natural. Un pasajero con chaqueta ciruela se inclina ligeramente y atrapa una esquina. Las personas que se mueven en ambas direcciones se curvan a su alrededor con zancadas variadas y espacio personal visible. Expresión natural y mecánica corporal elegante, sin baile posado, extremidades adicionales, rediseño de escena ni texto legible.

La vista lateral hace visibles su alcance y el cruce local; el programa de mano y las personas cercanas son las comprobaciones de continuidad.

Prompt de imagen 3, vista inversa desde los tornos: Edita las imágenes 1 y 2 en una tercera vista en 16:9 que mire de vuelta hacia la entrada desde justo más allá de los tornos. Preserva los mismos rostros, ropa, pasajero de chaqueta ciruela, arcos del techo, pared de mapas, línea de tornos, mosaico estelar y paleta de colores. La mujer ahora sostiene el programa de mano en blanco recuperado, sonríe aliviada, abre una mano en agradecimiento y gira los hombros para reincorporarse al flujo. Los dos flujos que se cruzan continúan detrás y a su lado. Encuadre a la altura de los hombros con el mosaico y el techo reconocibles desde la dirección inversa. Tela y piel fotorrealistas, diseño de estación pulido pero creíble, sin multitud congelada, rostros repetidos, logotipos ni letreros legibles.

La imagen fija final conserva su atuendo y los puntos de referencia de la estación, pero no logra el verdadero ángulo inverso solicitado.

Prompt de video de 28 segundos: Usa las tres imágenes fijas aprobadas como referencias visuales para una toma continua y fotorrealista en 16:9 del mismo vestíbulo y las mismas personas. De 0 a 7 segundos, desliza en diagonal hacia dentro desde la entrada mientras dos flujos concurridos se cruzan cerca del mosaico estelar con ritmos de caminata variados. De 7 a 14 segundos, sigue al lado de la mujer mientras el programa de mano en blanco se le resbala del tote; ella levanta las cejas, gira con un giro corporal completo controlado, su bufanda y falda se mueven con inercia, y ella lo alcanza. De 14 a 21 segundos, rodea en arco el cruce mientras el pasajero de chaqueta ciruela atrapa una esquina, los caminantes cercanos frenan o se apartan sin perder sus rutas, y la mujer sonríe, acepta el programa de mano y hace un pequeño gesto de agradecimiento con la mano abierta. De 21 a 28 segundos, pasa a una vista inversa desde los tornos mientras ella se gira hacia su acompañante y se reincorpora al flujo; mira hacia atrás para revelar la misma pared de mapas, arcos del techo, línea de tornos y mosaico estelar en posiciones consistentes. Mantén estables rostros, ropa, arquitectura e iluminación; altura de cámara creíble; acción fluida y expresiones legibles. Sin emergencia, rutina de baile, colisiones, personas duplicadas, teletransporte, manos deformadas, cortes abruptos ni movimiento de solo zoom lento. Sin logotipos ni señalización legible.

El clip fijo de 28 segundos pasa de una vista amplia de la multitud al intercambio del papel y vuelve a través del vestíbulo. Es un ejemplo renderizado, no una grabación de una interacción con Genie 4.

Las imágenes fijas preservan el abrigo esmeralda, la bufanda azafrán y el vestido coral de la mujer a lo largo del evento. La tercera imagen permanece en un lado similar de la escena en lugar de mostrar la vista inversa solicitada. En el clip, la cámara se mueve entre vistas amplias y laterales más cercanas mientras el programa de mano cambia de manos, pero no completa una prueba clara de continuidad en vista inversa. Esa brecha importa más que el atractivo de cualquier fotograma individual. El clip fijo tampoco puede mostrar cómo respondería Genie 4 a una solicitud de dirección en vivo.

Cómo evaluar el comportamiento de la multitud en lugar de un solo fotograma

Un fotograma fijo puede mostrar densidad y composición. No puede decirte si los peatones siguen moviéndose de forma coherente, si los flujos que se cruzan se hacen espacio entre sí, o si una edición de escena cambia el edificio detrás de ellos. Observa una secuencia continua y revisa las mismas cinco cosas cada vez:

1. Dirección del flujo: ¿Puedes identificar las rutas principales a través del vestíbulo? ¿Las personas siguen hacia las entradas, o las rutas se invierten aleatoriamente?
2. Cruces locales: Cuando dos flujos se encuentran, ¿las personas parecen ajustar su dirección y velocidad, o los cuerpos se superponen, se desplazan de golpe hacia los lados o se atraviesan entre sí?
3. Variación individual: ¿Las personas caminan, esperan y forman grupos con tiempos variados, o muchas figuras repiten el mismo movimiento y apariencia?
4. Continuidad espacial: Después de mover la cámara o cambiar la escena, ¿los puntos de referencia fijos, como tornos y paredes, permanecen en posiciones consistentes?
5. Ajuste de evento y sonido: Si unas pocas personas se detienen o ocurre una señal sonora, ¿las personas cercanas y el ambiente responden de una manera que encaja con lo visible?

Usa la lista para decidir si un resultado respalda una discusión visual. Una escena podría servir para un tablero de estado de ánimo aunque varios peatones se repitan. Esa misma salida sería inadecuada para estudiar la evitación de colisiones. Registra fallos específicos, como una persona que desaparece después de que la cámara gira o un pasillo que cambia de forma, en lugar de puntuar el “realismo” como una única impresión amplia.

La lista de verificación no convierte una escena generada en una simulación validada. DeepMind mismo identifica la deriva visual, la permanencia de objetos, las interacciones físicas complejas, la precisión espacial y la consistencia a más largo plazo como limitaciones activas de investigación. Una imagen pulida o un momento receptivo pueden coexistir con errores en esas áreas. ( Google DeepMind, limitaciones de Genie 4 )

Acceso, disponibilidad y un plan B práctico para Genie 4

El anuncio dice que Genie 4 ha comenzado a implementarse como vista previa de investigación para probadores de confianza. Google dice que planea ampliar el acceso a través de Project Genie para suscriptores de Google AI Ultra y mediante socios de acceso temprano para la Gemini API y Google AI Studio. “Planea ampliar” no significa que todos los suscriptores o desarrolladores puedan usarlo hoy. El anuncio público no indica un precio disponible de forma general, y una lista de espera no es una confirmación de acceso.

Consulta la página oficial de Genie y la lista de espera para conocer la elegibilidad actual antes de planificar un proyecto en torno a una sesión en vivo. Si obtienes acceso, empieza con una exploración breve y trata la salida como un prototipo visual temprano. Evita basar un cronograma, una afirmación de seguridad o un requisito de producción en un acceso que no se ha concedido.

Si tu necesidad inmediata es un clip conceptual fijo, un modelo de video puede responder una pregunta más acotada: ¿cómo podría verse y sentirse esta estación en una sola toma compuesta? Atlas Cloud incluye Wan 3.0 Reference-to-Video como una opción cuando ya tienes imágenes de referencia. Revisa la configuración actual del modelo antes de ejecutarlo.

El caso del cruce de estación anterior es un ejemplo de video fijo. Su ruta de cámara de 28 segundos puede revelar figuras repetidas, arquitectura inestable o rutas que se cortan entre sí. El clip es una vista previa conceptual visual, no una sesión interactiva de Genie 4: un espectador no puede recorrerlo ni dirigir un nuevo evento mientras ocurre.

Una lectura concisa de los elementos de la escena nombrados en el prompt oficial de estación de DeepMind.

Cuándo son útiles las escenas de multitudes de Genie 4 y dónde tener cuidado

Una escena de multitudes interactiva puede ayudar a un equipo de juego a discutir la sensación de un vestíbulo, ayudar a un cineasta a explorar la altura y el movimiento de cámara, o permitir que un equipo creativo compare algunas direcciones de escena antes de construir un entorno detallado. El valor está en la exploración rápida: las personas pueden preguntar “¿qué pasa si la cámara empieza aquí?” o “¿qué cambia si un grupo pequeño se detiene?” e inspeccionar la respuesta.

Esas preguntas difieren de la validación de producción. Una escena de multitudes generada no establece la capacidad de un lugar, el tiempo de evacuación, la accesibilidad, la densidad peatonal segura ni el cumplimiento de requisitos de construcción. Esas decisiones necesitan datos y métodos del mundo real adecuados, además de la revisión de profesionales cualificados. Las limitaciones declaradas por el propio Genie 4 en torno a la precisión espacial y las interacciones complejas hacen especialmente importante no tratar una secuencia de aspecto plausible como un resultado de ingeniería.

El mismo límite se aplica a la lógica de juego. Que un personaje generado parezca ceder no es prueba de una regla de navegación repetible, un manejo determinista de colisiones o un comportamiento estable entre sesiones. Usa la escena para hacer discutible una idea; pasa a herramientas creadas para ese fin y a pruebas controladas cuando la decisión dependa de resultados medidos.

Para el movimiento de multitudes de Genie 4 en espacios públicos concurridos, el siguiente paso práctico es definir una interacción que quieras inspeccionar, anotar los puntos de referencia y las rutas que deben permanecer consistentes, y verificar la elegibilidad actual de la vista previa. Si no puedes acceder a Genie 4 y solo necesitas una referencia visual compartible, usa un flujo de trabajo de video fijo y etiqueta el resultado con precisión.

Preguntas frecuentes

¿Genie 4 es un generador de video o un modelo de mundo interactivo?

Google describe Genie 4 como un modelo de mundo interactivo. Sus demostraciones muestran navegación por teclado, control de cámara y dirección por texto en tiempo real. También puede producir salida audiovisual grabada, pero eso no lo hace equivalente a un flujo de trabajo que solo devuelve un clip de video fijo.

¿Puede Genie 4 simular movimiento realista de multitudes?

Puede generar escenas concurridas, y el anuncio de DeepMind incluye un ejemplo de estación concurrida. Eso demuestra la capacidad prevista, no una medición validada del comportamiento peatonal. Revisa el movimiento a lo largo del tiempo y mantén a la vista las limitaciones publicadas del modelo.

¿Genie 4 está disponible públicamente y tiene un precio público?

A partir del 2 de noviembre de 2026, DeepMind describe una vista previa de investigación para probadores de confianza y una implementación más amplia planificada. El anuncio público no ofrece un precio disponible de forma general. Confirma la elegibilidad a través del anuncio oficial y la lista de espera.

¿Puede Atlas Cloud ejecutar Genie 4?

El directorio de modelos de Atlas Cloud no incluye Genie 4. Atlas Cloud ofrece opciones de generación de video fijo como Wan 3.0, pero esas no proporcionan la simulación de mundo interactiva de Genie 4.