Tecnologia baseada no Seedance poderá gerar ambientes interativos que respondem aos movimentos e à voz do usuário e deve ser integrada aos headsets Pico.
A ByteDance, controladora do TikTok, está preparando uma nova tecnologia de inteligência artificial capaz de gerar vídeos espaciais e mundos virtuais interativos em tempo real. O projeto coloca a empresa chinesa em uma corrida que envolve Google, Meta e outras companhias interessadas em uma nova geração de modelos capazes não apenas de produzir imagens e vídeos, mas de simular ambientes nos quais pessoas e agentes de IA podem se movimentar e interagir.
Segundo reportagem da Bloomberg repercutida internacionalmente, o fundador da ByteDance, Zhang Yiming, acompanha pessoalmente o desenvolvimento do projeto. O sistema está sendo construído a partir do Seedance, tecnologia de geração de vídeo da companhia, e poderá ser apresentado já em outubro de 2026. A data, entretanto, ainda não está definida e pode sofrer alterações.
A diferença em relação aos atuais geradores de vídeo está justamente na interatividade. Em vez de receber um comando, produzir um clipe e encerrar o processo, o chamado world model, ou modelo de mundo, tenta continuar produzindo o ambiente enquanto o usuário se movimenta. Uma mudança de direção, um comando de voz ou uma ação realizada dentro da experiência pode alterar o cenário imediatamente.
A tecnologia também estaria sendo preparada para funcionar com os dispositivos da Pico, fabricante de headsets de realidade virtual pertencente à ByteDance. Se a estratégia se confirmar, a companhia poderá combinar inteligência artificial generativa, processamento em nuvem e realidade virtual em uma única plataforma.
O projeto levanta uma questão importante para o futuro do metaverso: e se os mundos virtuais deixarem de precisar ser construídos previamente por equipes de desenvolvedores e passarem a ser criados pela inteligência artificial enquanto o usuário os explora?
Como a IA da ByteDance poderá criar mundos virtuais em tempo real?
O projeto pertence a uma categoria conhecida como world models. Esses sistemas procuram aprender não somente a aparência de objetos e ambientes, mas também relações espaciais, movimentos e consequências das ações realizadas dentro de uma cena. Em termos simplificados, a IA tenta desenvolver uma representação de como determinado mundo funciona para conseguir prever o que deveria acontecer em seguida.
Essa abordagem é diferente da geração tradicional de vídeo. Quando alguém solicita a um gerador convencional uma cena de uma pessoa caminhando por uma cidade, o sistema produz uma sequência previamente determinada. Depois que o vídeo está pronto, o espectador não pode decidir virar à esquerda, entrar em um prédio ou alterar o clima daquele ambiente.
Um modelo de mundo interativo pretende mudar essa lógica. O usuário poderia se movimentar pelo cenário e fazer com que a inteligência artificial gere continuamente aquilo que deveria existir à sua frente. Em vez de assistir ao conteúdo, ele passaria a participar diretamente da criação da experiência.
Segundo as informações disponíveis sobre o projeto da ByteDance, o sistema seria capaz de responder a movimentos e comandos de voz, criando ambientes tridimensionais interativos. Entre as aplicações consideradas estão jogos, transmissões ao vivo e produções audiovisuais curtas.
A tecnologia seria construída sobre o Seedance, família de modelos de geração de vídeo desenvolvida pela ByteDance. A empresa também vem avançando em modelos multimodais capazes de trabalhar simultaneamente com diferentes tipos de informação. Em agosto, a equipe Seed apresentou oficialmente o SeedRealtime, um modelo que combina áudio, vídeo e texto para permitir interações contínuas em tempo real.
Outro componente importante seria a computação em nuvem. Em vez de exigir que todo o processamento necessário para gerar um ambiente complexo aconteça dentro do próprio headset, parte considerável do trabalho poderia ser realizada remotamente. A estratégia poderia reduzir a quantidade de hardware necessária no dispositivo utilizado pelo consumidor.
Essa possibilidade é especialmente importante para realidade virtual e realidade mista. Headsets precisam equilibrar capacidade de processamento, bateria, peso, temperatura e preço. Quanto mais processamento puder acontecer fora do aparelho sem comprometer a velocidade da experiência, maior poderá ser a liberdade para desenvolver equipamentos menores e potencialmente mais acessíveis.
Por que ByteDance quer conectar a tecnologia aos headsets Pico?
A ByteDance possui uma vantagem incomum entre as empresas que estão desenvolvendo modelos de geração de vídeo: ela também controla uma fabricante de dispositivos de realidade virtual. A Pico oferece à companhia um caminho para transformar pesquisas de inteligência artificial em experiências diretamente acessíveis por meio de headsets.
Segundo as reportagens sobre o projeto, a integração com a Pico faz parte dos planos da ByteDance. A ideia seria permitir que usuários interagissem com ambientes gerados dinamicamente pela IA utilizando movimentos e voz, enquanto a infraestrutura em nuvem realizaria parte do processamento necessário.
Essa arquitetura poderia atacar um dos maiores desafios enfrentados pelo metaverso: a quantidade de conteúdo disponível. Construir mundos tridimensionais tradicionalmente exige artistas, programadores, modeladores, animadores e designers. Dependendo da complexidade, um único ambiente pode demandar meses ou anos de desenvolvimento.
A IA generativa pode reduzir drasticamente esse processo. Em um cenário mais avançado, um usuário poderia simplesmente descrever um ambiente — uma cidade futurista, uma floresta, um museu ou um planeta imaginário — e começar a explorá-lo enquanto o sistema continua produzindo o mundo ao redor.
Isso não significa que desenvolvedores e artistas deixariam de ser necessários. Experiências profissionais continuam exigindo direção artística, narrativa, regras, testes, segurança e consistência. Mas a IA pode alterar profundamente a velocidade e o custo necessários para criar protótipos e conteúdos tridimensionais.
As aplicações também ultrapassam entretenimento. Modelos capazes de simular ambientes podem ser utilizados para treinamento de robôs, sistemas autônomos e agentes de inteligência artificial. Em vez de colocar uma máquina diretamente em uma situação real, pesquisadores podem permitir que ela realize milhares de experiências dentro de ambientes simulados.
É justamente por isso que a corrida por world models envolve empresas que trabalham simultaneamente com IA, robótica, realidade virtual e sistemas autônomos. O ambiente virtual deixa de ser apenas um lugar destinado a pessoas e passa também a funcionar como espaço de treinamento para máquinas.
Para a ByteDance, existe ainda uma conexão natural com seu enorme ecossistema de conteúdo. As informações sobre o projeto citam transmissões ao vivo, jogos e produções audiovisuais curtas entre as possíveis aplicações. Isso abre espaço para imaginar uma evolução na qual conteúdos tradicionalmente assistidos em uma tela possam se transformar em experiências exploráveis.
ByteDance pode disputar com Google e Meta a próxima fase do metaverso?
A ByteDance não está sozinha nessa corrida. O Google DeepMind já desenvolve o Genie 3, descrito pela empresa como um modelo de mundo de uso geral capaz de produzir ambientes fotorrealistas exploráveis em tempo real a partir de descrições em linguagem natural.
Segundo o Google DeepMind, o Genie 3 consegue gerar ambientes em 720p e entre 20 e 24 quadros por segundo, permitindo que o usuário controle sua movimentação pelo mundo produzido pela IA. O modelo também tenta manter consistência espacial: elementos observados anteriormente devem continuar existindo quando o usuário retorna ao mesmo local.
Em maio de 2026, o Google também expandiu o Project Genie com dados do Street View. A ideia é permitir que modelos generativos sejam ancorados em informações visuais do mundo real, criando ambientes nos quais agentes de IA e robôs possam aprender a navegar e interagir.
A concorrência está aumentando rapidamente. Em setembro, a Runway apresentou o GWM Worlds 2, capaz de produzir ambientes interativos continuamente em vídeo 720p a 24 quadros por segundo, além de gerar áudio e permitir controle de elementos e cenas.
A disputa sugere que a próxima evolução da IA generativa pode ir além de textos, fotografias e vídeos. Depois de aprender a produzir esses formatos, os modelos começam a tentar gerar espaços completos e interativos.
Essa mudança pode ter consequências diretas para o metaverso. Durante a primeira onda de interesse por mundos virtuais, empresas precisavam construir previamente os espaços digitais. Um modelo de mundo muda essa premissa: partes do cenário podem passar a existir apenas quando alguém decide explorá-las.
Games poderiam criar fases dinamicamente. Produções audiovisuais poderiam permitir que espectadores entrassem em determinados cenários. Plataformas sociais poderiam gerar espaços personalizados para cada comunidade. Robôs e veículos autônomos poderiam utilizar mundos artificiais para aprender situações que seriam caras ou perigosas de reproduzir fisicamente.
Ainda existem enormes obstáculos técnicos. Mundos gerados precisam permanecer coerentes durante longos períodos, obedecer a regras físicas, responder rapidamente ao usuário e evitar que objetos ou cenários mudem de maneira imprevisível. O próprio Google reconhece limitações atuais relacionadas à duração das experiências, representação exata de locais e interação entre múltiplos agentes.
No caso da ByteDance, existe ainda uma ressalva adicional: o novo modelo não foi oficialmente apresentado pela empresa. As informações sobre desenvolvimento, possível lançamento em outubro e integração com Pico são baseadas em fontes familiarizadas com o projeto, e o cronograma ainda pode mudar.
Mesmo assim, a direção tecnológica é relevante. ByteDance, Google e outras empresas estão tentando transformar IA generativa de uma ferramenta que produz conteúdo em uma tecnologia capaz de simular ambientes inteiros em tempo real.
Se esses sistemas evoluírem como esperado, o metaverso poderá ganhar uma característica muito diferente daquela imaginada inicialmente. Em vez de navegar apenas por mundos digitais construídos antecipadamente, usuários poderão entrar em espaços que são criados, modificados e expandidos pela inteligência artificial enquanto são explorados.
Fontes
- Bloomberg Línea — ByteDance prepara IA de vídeo espacial em tempo real, 07/09/2026
- The Next Web — ByteDance is preparing a real-time spatial video model, 07/09/2026
- TechNode — ByteDance is reportedly developing a real-time spatial video model, 08/09/2026
- Google DeepMind — Genie 3
- Google — Project Genie e integração com Street View, 19/05/2026
- ByteDance Seed — SeedRealtime, 05/08/2026
- Runway — GWM Worlds 2, 03/09/2026
