Google DeepMind, yapay zeka ile etkileşimli deneyimler üreten dünya modeli Genie 4’ü 27 Ekim’de araştırma ön izlemesi olarak kullanıma açtı. Model, kullanıcıların simülasyon sürerken doğal dilde yazdığı istemlerle sahneyi değiştirmesine izin veriyor ve gerçek zamanlı ses üretiyor.
Genie 4; müzik, ortam sesleri ve etkileşimli diyaloglar dahil olmak üzere simüle edilen dünyayla uyumlu sesler oluşturuyor. Google’a göre model, şimdiye kadarki en gerçekçi ve etkileşimli dünyaları üretiyor. Kullanıcılar hava durumunu, kamera açısını değiştirebiliyor; sahneye yeni kişiler veya nesneler ekleyebiliyor.
Model, bir sahnenin tutarlılığını iki dakikaya kadar koruyabiliyor. Google’ın bir yıldan uzun süre önce araştırma ön izlemesi olarak yayımladığı Genie 3’te bu süre yaklaşık bir dakikaydı. Genie 4 ayrıca daha iyi fizik simülasyonları ve daha insansı karakterler sunuyor.
Google, Genie 4’ün simülasyonlarında Gemini 3.8 Flash’ı kullanıyor. Gemini, adımları planlayan ve kareleri kontrol eden bir yönetmen gibi çalışırken Genie görselleri oluşturuyor. Model, kullanıcının verdiği komutlara göre dünyayı önceden hazırlanmış ortamlar veya programlanmış etkileşim öğeleri olmadan, keşif sırasında kare kare üretiyor.
Gemini Robotics ile bağlantılı bir araştırma deneyinde Gemini 4 Argon modeli, görevleri adımlara ayırdı; Genie 4 de bu adımları gerçek zamanlı olarak simüle etti. Deney, robotların gerçek dünyada karşılaşacağı senaryoların önce simülasyonda test edilmesine yönelik olası bir yöntemi gösterdi.
Google araştırma direktörü Tejas Kulkarni, gelecekte Gemini’nin kod ve metin yazdığı, Genie’nin ise bunları gerçek zamanlı işleyerek gerçekliği farklı soyutlama düzeylerinde simüle ettiği hibrit dünya modellerinin yaygınlaşacağını söyledi.
Google, Genie 4’ü film yapımında ön görselleştirme, oyun fikirlerinin prototiplenmesi ve robot eğitim senaryoları için konumlandırıyor. Google DeepMind mühendisi Diego Rivas, gerçek zamanlı yapının özellikle fikir geliştirme ve storyboard aşamalarında yaratıcı akışın korunmasına yardımcı olabileceğini söyledi.
Rivas, kullanıcıların ileride Gemini Omni’nin görüntü, ses ve metinden video üretme kabiliyetinden yararlanarak bu prototipleri yaratıcı içeriklere dönüştürebileceğini belirtti. Ancak bu özelliklerin kullanıma sunulmasının henüz uzak olduğunu da ekledi.
Google DeepMind, Genie 4’ün hala erken aşamada olduğunu ve uçtan uca ürün deneyiminin nasıl olacağının netleşmediğini kabul etti. Simülasyon uzadıkça ayrıntılar ve nesneler yer değiştirebiliyor. Ekip ayrıca sesin doğruluğunu ve dünya içindeki metinlerin okunabilirliğini her durumda sağlamanın yolunu henüz bulamadı.
Genie 4, şu anda güvenilir test kullanıcılarına araştırma ön izlemesi kapsamında açık. Modelin gelecek haftalarda, metin veya görüntü istemlerinden etkileşimli dünyalar oluşturan Project Genie üzerinden Google AI Ultra abonelerine, Gemini API’nin erken erişim ortaklarına ve Google AI Studio kullanıcılarına sunulması planlanıyor.
