Conseguirá o Genie 4 manter uma estação lotada em movimento quando você gira a câmera?

Na entrada de uma estação à noite, passageiros fluem em direção às catracas enquanto algumas pessoas param para ler um mapa e outro fluxo cruza pela lateral. Uma imagem convincente dessa cena é fácil de confundir com comportamento de multidão convincente. Movimento de multidão do Genie 4 em espaços públicos movimentados é um teste mais exigente: a cena consegue continuar respondendo enquanto você se move por ela e muda o que acontece?

O Genie 4 é um modelo de mundo interativo, não apenas um gerador de texto para vídeo. O Google DeepMind mostrou uma estação japonesa lotada dos anos 1980 e descreve navegação por teclado, controle de câmera e mudanças de cena em linguagem natural em tempo real. O anúncio também afirma que o Genie 4 continua sendo uma prévia de pesquisa inicial, com permanência de objetos, precisão espacial, interações complexas e consistência de longo prazo ainda em desenvolvimento. Isso o torna promissor para exploração de conceitos, mas não é evidência de um simulador de multidão validado. ( Google DeepMind, outubro de 2026 )

Principais conclusões

• O Genie 4 permite que um testador elegível explore e conduza uma cena em evolução; um gerador de vídeo padrão retorna um clipe fixo.
• Especifique caminhos, fluxos de travessia, comportamento de parada, movimento de câmera e pontos de referência da cena em vez de confiar em “movimentado” ou “realista”.
• Avalie o movimento ao longo do tempo, incluindo travessias, pessoas repetidas e se a estação permanece no lugar após uma edição.
• Em 2 de novembro de 2026, o Genie 4 é uma prévia de pesquisa com acesso limitado. Um vídeo fixo é um tipo diferente de alternativa.

O que o Genie 4 muda no movimento de multidões

Um gerador de vídeo geralmente transforma uma entrada em um clipe que você assiste a partir do caminho de câmera que ele escolheu. O Genie 4 é apresentado como um modelo de mundo: você pode mover a visão por um ambiente gerado e conduzir a cena em evolução com texto. O DeepMind diz que suas demonstrações usam controles de teclado padrão para navegação e controle de câmera, além de prompts em linguagem natural para mudanças como alterar o clima ou introduzir um objeto. Também afirma que o Gemini ajuda a interpretar essas mudanças no contexto e a manter o mundo progredindo.

Essa distinção importa quando um designer quer inspecionar uma estação além de um único plano composto. Você pode começar em uma entrada ampla do saguão, caminhar em direção às catracas e então pedir que um pequeno grupo pare perto de um mapa na parede. Em princípio, essa sequência permite explorar se o ambiente continua ao redor do novo evento. É uma pergunta mais útil do que se um único quadro parece lotado.

O exemplo oficial de estação lotada é um prompt para uma estação ferroviária rural japonesa nos anos 1980. Ele descreve passageiros esperando, caminhando, embarcando e carregando bagagem, um inspetor ferroviário perto da câmera, um longo trem vermelho na via mais próxima e um cenário montanhoso. Isso é evidência da cena que o DeepMind escolheu demonstrar. Não é um teste independente de realismo de multidão, e o prompt publicado não estabelece que cada ação solicitada se comportou corretamente durante exploração prolongada.

Escolha o Genie 4 quando a pergunta envolver o que acontece conforme você se move ou intervém. Escolha vídeo fixo quando o entregável for um clipe para revisar ou compartilhar. Nenhum dos formatos por si só prova que caminhos de pedestres, espaçamentos ou sincronização correspondem a um local real.

Como criar prompts do Genie 4 para um espaço público movimentado

“Faça uma estação movimentada” dá ao modelo um tema, não um plano de movimento. Um prompt útil de multidão descreve comportamento observável e relações espaciais. Comece com sete elementos: lugar, hora, layout, fluxo, ações individuais, rota da câmera e som. Para uma avaliação útil, também nomeie o que deve permanecer fixo, como a posição da entrada, das catracas e das placas.

O prompt oficial da estação fornece um cenário e atividade visível. Para um experimento controlado, torne uma variável explícita por vez. Se a primeira execução tiver direções de caminhada pouco claras, revise a instrução de fluxo mantendo o local e o plano de câmera estáveis. Se você mudar o cenário, a densidade, a câmera e o comportamento ao mesmo tempo, não conseguirá saber qual instrução mudou o resultado.

O seguinte é um experimento inicial para um usuário autorizado da prévia do Genie 4. Não é um prompt do Atlas Cloud, e a disponibilidade de qualquer controle depende da experiência de prévia fornecida a essa conta.

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.

Trate o prompt como uma especificação de experimento, não como uma garantia. “Deixar espaço pessoal” expressa um comportamento desejado, mas não define um limite de afastamento medido. “Manter o layout da estação estável” é uma solicitação, não uma prova de que a geometria permanece estável. Se a interface de prévia oferecer condução por texto ao vivo, teste um evento restrito, como pedir que algumas pessoas parem perto do mapa, e observe os caminhos ao redor delas. Não presuma um controle, duração ou configuração específicos, a menos que estejam documentados na interface da sua conta.

Para uma verificação justa, mantenha um pequeno registro de execução: a versão do prompt, o ponto de vista inicial, a instrução alterada e o que você observou depois. Você não precisa de um sistema de pontuação complicado. O objetivo é separar um resultado visível de uma impressão e tornar tentativas repetidas comparáveis.

Caso: O programa caído em uma travessia de estação

Defina o teste em um saguão de estação fictício na hora azul. A luz âmbar cai por uma cobertura de vidro em arco sobre mosaicos em azul-petróleo e terracota. Um fluxo de passageiros segue para as catracas enquanto outro cruza em direção à saída. Uma mulher adulta com um casaco sob medida verde-esmeralda, vestido plissado coral, echarpe de seda açafrão e botas bordô percebe um programa dobrado, não impresso, escorregando de sua bolsa tote. Ela gira para pegá-lo, sorri de alívio quando outro passageiro ajuda, gesticula agradecimento e se junta novamente à sua acompanhante. Essa pequena interrupção dá à multidão um motivo para ajustar seus caminhos sem uma emergência nem uma coreografia de dança implausível.

As imagens estáticas fornecidas e o clipe de 28 segundos são mídia gerada fixa, não filmagem do Genie 4. A questão é se a mesma travessia de mosaico, parede de mapa, clarabóia e linha de catracas permanecem no lugar conforme a câmera muda de direção. Observe se os passageiros próximos desviam naturalmente e retomam seus trajetos. O giro, o alcance, a expressão cambiante e o gesto da mulher tornam o movimento individual visível dentro do fluxo maior.

O caso usa três imagens estáticas e um vídeo contínuo de 28 segundos. Para recriá-lo, faça a visão ampla com Seedream 5.0 Pro Text-to-Image. Faça as visões lateral e de retorno com Seedream 5.0 Pro Edit, usando a primeira imagem para preservar identidade, guarda-roupa, iluminação e arquitetura. Passe todas as três imagens aprovadas para Wan 3.0 Reference-to-Video para o clipe longo. Essas saídas fixas ajudam a inspecionar a ideia; apenas uma sessão real do Genie 4 pode testar navegação ao vivo ou condução por texto.

Prompt da Imagem 1, visão ampla da entrada: Still cinematográfico fotorrealista em 16:9 de uma estação moderna fictícia movimentada na hora azul. Uma cobertura de vidro em arco banha um mosaico de estrela em azul-petróleo e terracota com luz âmbar. Uma parede de mapa com borda de latão fica à esquerda de uma fileira estável de catracas. Dois fluxos de pedestres densos, mas legíveis, cruzam no mosaico, caminhando em direções opostas. Na distância média, uma mulher adulta de cabelo castanho em um coque baixo trançado usa um casaco sob medida verde-esmeralda sobre um vestido plissado coral, uma echarpe de seda açafrão, botas de tornozelo bordô e uma pequena bolsa tote de couro. Ela vira a cabeça com uma expressão alerta e surpresa quando um programa dobrado em branco começa a escorregar da bolsa. Visão ampla na altura dos olhos a partir da entrada, lente 35mm, cor rica mas crível, rostos e mãos naturais, roupas distintas nos outros passageiros. Sem placas legíveis, logotipos, colisões, pessoas duplicadas ou plataforma vazia.

O quadro amplo estabelece o mosaico de estrela, a parede de mapa, as catracas e os fluxos opostos de pedestres.

Prompt da Imagem 2, visão lateral da travessia: Edite a Imagem 1 para um ângulo lateral em 16:9 cerca de 90 graus em relação à visão da entrada. Preserve o rosto exato da mulher, a trança baixa, o casaco esmeralda, o vestido coral, a echarpe açafrão, as botas bordô e a bolsa tote. Mantenha a mesma cobertura em arco, parede de mapa, linha de catracas, mosaico de estrela e luz âmbar da hora azul em posições espacialmente plausíveis. Mostre-a no meio do giro com um braço alcançando o programa em branco que cai; a echarpe e a saia acompanham o giro naturalmente. Um passageiro com jaqueta ameixa se inclina levemente e pega um canto. Pessoas se movendo em ambas as direções fazem curvas ao redor deles com passadas variadas e espaço pessoal visível. Expressão natural e mecânica corporal elegante, sem dança posada, membros extras, redesenho da cena ou texto legível.

A visão lateral torna visível seu alcance e a travessia local; o programa e as pessoas próximas são as verificações de continuidade.

Prompt da Imagem 3, visão reversa a partir das catracas: Edite as Imagens 1 e 2 para uma terceira visão em 16:9 olhando de volta em direção à entrada logo após as catracas. Preserve os mesmos rostos, roupas, o passageiro de jaqueta ameixa, os arcos do teto, a parede de mapa, a linha de catracas, o mosaico de estrela e a paleta de cores. A mulher agora segura o programa em branco recuperado, sorri de alívio, abre uma das mãos em agradecimento e vira os ombros para se juntar novamente ao fluxo. Os dois fluxos que se cruzam continuam atrás e ao lado dela. Enquadramento na altura dos ombros com o mosaico e o teto reconhecíveis pela direção reversa. Tecido e pele fotorrealistas, design de estação polido mas crível, sem multidão congelada, rostos repetidos, logotipos ou placas legíveis.

A imagem final mantém seu visual e os pontos de referência da estação, mas não alcança o verdadeiro ângulo reverso solicitado.

Prompt do vídeo de 28 segundos: Use as três imagens aprovadas como referências visuais para um plano contínuo e fotorrealista em 16:9 do mesmo saguão e das mesmas pessoas. De 0 a 7 segundos, deslize diagonalmente para dentro a partir da entrada enquanto dois fluxos movimentados se cruzam perto do mosaico de estrela com ritmos de caminhada variados. De 7 a 14 segundos, acompanhe ao lado da mulher enquanto o programa em branco escorrega de sua bolsa; suas sobrancelhas se erguem, ela gira com um movimento controlado de corpo inteiro, sua echarpe e saia se movem por inércia, e ela o alcança. De 14 a 21 segundos, faça um arco ao redor da travessia enquanto o passageiro de jaqueta ameixa pega um canto, os pedestres próximos desaceleram ou desviam sem perder seus trajetos, e a mulher sorri, aceita o programa e faz um pequeno gesto de agradecimento com a mão aberta. De 21 a 28 segundos, passe para uma visão reversa a partir das catracas enquanto ela se vira em direção à sua acompanhante e se junta novamente ao fluxo; olhe para trás para revelar a mesma parede de mapa, arcos do teto, linha de catracas e mosaico de estrela em posições consistentes. Mantenha rostos, roupas, arquitetura e iluminação estáveis; altura da câmera crível; ação fluida e expressões legíveis. Sem emergência, coreografia de dança, colisões, pessoas duplicadas, teletransporte, mãos distorcidas, cortes abruptos ou movimento apenas de zoom lento. Sem logotipos ou sinalização legível.

O clipe fixo de 28 segundos vai de uma visão ampla da multidão até a entrega do papel e volta pelo saguão. É um exemplo renderizado, não uma gravação de interação com o Genie 4.

As imagens estáticas preservam o casaco esmeralda, a echarpe açafrão e o vestido coral da mulher ao longo do evento. A terceira imagem permanece em um lado semelhante da cena em vez de mostrar a visão reversa solicitada. No clipe, a câmera se move entre visões amplas e laterais mais próximas enquanto o programa muda de mãos, mas não completa um teste claro de continuidade em visão reversa. Essa lacuna importa mais do que a atratividade de qualquer quadro. O clipe fixo também não pode mostrar como o Genie 4 responderia a uma solicitação de condução ao vivo.

Como avaliar o comportamento de multidão em vez de um único quadro

Um quadro estático pode mostrar densidade e composição. Ele não pode dizer se os pedestres continuam se movendo de forma coerente, se fluxos que se cruzam abrem espaço uns para os outros ou se uma edição de cena altera o prédio atrás deles. Assista a uma sequência contínua e verifique as mesmas cinco coisas a cada vez:

1. Direção do fluxo: Você consegue identificar as principais rotas pelo saguão? As pessoas continuam em direção às entradas, ou os caminhos se invertem aleatoriamente?
2. Travessias locais: Quando dois fluxos se encontram, as pessoas parecem ajustar sua direção e velocidade, ou os corpos se sobrepõem, saltam para o lado ou atravessam uns aos outros?
3. Variação individual: As pessoas caminham, esperam e formam grupos com tempos variados, ou muitas figuras repetem o mesmo movimento e aparência?
4. Continuidade espacial: Depois de mover a câmera ou mudar a cena, pontos de referência fixos, como catracas e paredes, permanecem em posições consistentes?
5. Adequação de evento e som: Se algumas pessoas param ou um sinal sonoro ocorre, as pessoas próximas e o ambiente respondem de forma que combina com o que é visível?

Use a lista para decidir se um resultado sustenta uma discussão visual. Uma cena pode funcionar para um mood board mesmo que vários pedestres se repitam. Essa mesma saída seria inadequada para estudar evitação de colisões. Registre falhas específicas, como uma pessoa desaparecendo após a câmera virar ou uma passagem mudando de forma, em vez de pontuar “realismo” como uma única impressão ampla.

A lista de verificação não transforma uma cena gerada em uma simulação validada. O próprio DeepMind identifica deriva visual, permanência de objetos, interações físicas complexas, precisão espacial e consistência de prazo mais longo como limitações ativas de pesquisa. Uma imagem polida ou um momento responsivo pode coexistir com erros nessas áreas. ( Google DeepMind, limitações do Genie 4 )

Acesso, disponibilidade e um plano B prático para o Genie 4

O anúncio diz que o Genie 4 começou a ser distribuído como uma prévia de pesquisa para testadores confiáveis. O Google diz que planeja expandir o acesso por meio do Project Genie para assinantes do Google AI Ultra e por meio de parceiros de acesso antecipado para a Gemini API e o Google AI Studio. “Planos de expandir” não significa que todo assinante ou desenvolvedor pode usá-lo hoje. O anúncio público não informa um preço de disponibilidade geral, e uma lista de espera não é confirmação de acesso.

Verifique a página oficial do Genie e a lista de espera para elegibilidade atual antes de planejar um projeto em torno de uma sessão ao vivo. Se você conseguir acesso, comece com uma exploração curta e trate a saída como um protótipo visual inicial. Evite basear um cronograma, uma alegação de segurança ou um requisito de produção em acesso que não foi concedido.

Se sua necessidade imediata for um clipe conceitual fixo, um modelo de vídeo pode responder a uma pergunta mais restrita: como esta estação poderia parecer e se sentir em um único plano composto? O Atlas Cloud lista Wan 3.0 Reference-to-Video como uma opção quando você já tem imagens de referência. Verifique as configurações do modelo ao vivo antes de executar.

O caso da travessia de estação acima é um exemplo de vídeo fixo. Sua rota de câmera de 28 segundos pode revelar figuras repetidas, arquitetura instável ou caminhos que se cruzam. O clipe é uma prévia de conceito visual, não uma sessão interativa do Genie 4: um espectador não pode caminhar por ele ou conduzir um novo evento enquanto acontece.

Uma leitura concisa dos elementos de cena nomeados no prompt oficial de estação do DeepMind.

Quando as cenas de multidão do Genie 4 são úteis, e onde ter cuidado

Uma cena de multidão interativa pode ajudar uma equipe de jogos a discutir a sensação de um saguão, ajudar um cineasta a explorar altura e movimento de câmera, ou permitir que uma equipe criativa compare algumas direções de cena antes de construir um ambiente detalhado. O valor está na exploração rápida: as pessoas podem perguntar “e se a câmera começar aqui?” ou “o que muda se um pequeno grupo parar?” e inspecionar a resposta.

Essas perguntas são diferentes da validação de produção. Uma cena de multidão gerada não estabelece a capacidade de um local, tempo de evacuação, acessibilidade, densidade segura de pedestres ou conformidade com requisitos de construção. Essas decisões precisam de dados e métodos apropriados do mundo real, além de revisão por profissionais qualificados. As próprias limitações declaradas do Genie 4 em relação a precisão espacial e interações complexas tornam especialmente importante não tratar uma sequência de aparência plausível como resultado de engenharia.

O mesmo limite se aplica à lógica de jogos. Um personagem gerado que parece ceder não é prova de uma regra de navegação repetível, tratamento determinístico de colisões ou comportamento estável entre sessões. Use a cena para tornar uma ideia discutível; passe para ferramentas específicas e testes controlados quando a decisão depender de resultados medidos.

Para movimento de multidão do Genie 4 em espaços públicos movimentados, o próximo passo prático é definir uma interação que você deseja inspecionar, anotar os pontos de referência e caminhos que devem permanecer consistentes e verificar a elegibilidade atual da prévia. Se você não consegue acessar o Genie 4 e só precisa de uma referência visual compartilhável, use um fluxo de trabalho de vídeo fixo e rotule o resultado com precisão.

Perguntas frequentes

O Genie 4 é um gerador de vídeo ou um modelo de mundo interativo?

O Google descreve o Genie 4 como um modelo de mundo interativo. Suas demonstrações mostram navegação por teclado, controle de câmera e condução por texto em tempo real. Ele também pode produzir saída audiovisual gravada, mas isso não o torna equivalente a um fluxo de trabalho que só retorna um clipe de vídeo fixo.

O Genie 4 pode simular movimento realista de multidão?

Ele pode gerar cenas lotadas, e o anúncio do DeepMind inclui um exemplo de estação lotada. Isso demonstra a capacidade pretendida, não uma medição validada de comportamento de pedestres. Verifique o movimento ao longo do tempo e mantenha as limitações publicadas do modelo em vista.

O Genie 4 está disponível publicamente e tem um preço público?

Em 2 de novembro de 2026, o DeepMind descreve uma prévia de pesquisa para testadores confiáveis e uma expansão mais ampla planejada. O anúncio público não fornece um preço de disponibilidade geral. Confirme a elegibilidade por meio do anúncio oficial e da lista de espera.

O Atlas Cloud pode executar o Genie 4?

O diretório de modelos do Atlas Cloud não lista o Genie 4. O Atlas Cloud oferece opções de geração de vídeo fixo, como o Wan 3.0, mas elas não fornecem a simulação de mundo interativa do Genie 4.