Google DeepMind, gerçek zamanlı sesli Genie 4 dünya modelini tanıttı

Google DeepMind, en yeni dünya modeli Genie 4'ü güvenilir test kullanıcıları için araştırma önizlemesi olarak yayımladı. Şirkete göre model, bugüne kadarki en fotogerçekçi ve etkileşimli dünyaları üretiyor. Kullanıcılar simülasyon sürerken metin yazarak sahneyi değiştirebiliyor.

Genie 4 ayrıca simüle edilen dünyayla uyumlu sesi gerçek zamanlı üretiyor: müzik, ortam sesleri ve etkileşimli diyaloglar buna dahil. Serbest düzenlemeler de mümkün; hava durumu ya da kamera açısı değiştirilebiliyor, yeni kişiler veya nesneler eklenebiliyor. Bir sahne iki dakikaya kadar tutarlı kalıyor; bu süre, bir yıldan biraz daha önce araştırma önizlemesiyle çıkan Genie 3'ün iki katı. Fizik ve insana benzer karakterler de iyileşti.

Yönetmen rolünde Gemini

Gemini artık daha sıkı entegre. Genie görüntüleri üretirken Gemini yönetmen gibi adımları planlıyor ve kareleri denetliyor. Gemini Robotics bağlantılı bir araştırma deneyinde Gemini 4 Argon modeli görevleri adımlara böldü, Genie 4 de bunları gerçek zamanlı simüle etti. Bu, robot senaryolarını gerçek dünyada yaşanmadan önce test etmenin olası bir yolunu gösteriyor.

Google araştırma direktörü Tejas Kulkarni, “Gelecekte bu tür hibrit dünya modellerini giderek daha çok göreceğiz” dedi. Kulkarni'ye göre Gemini kod ve metin yazıyor, Genie ise bunu farklı soyutlama düzeylerinde gerçekliğe dönüştürüyor.

Google, kullanım alanları olarak oyun, etkileşimli öğrenme ve robotiği öne çıkarıyor. Test kullanıcıları ise yeni bir alan görüyor: film prototipleme. DeepMind mühendisi Diego Rivas, gerçek zamanlı üretimin özellikle fikir geliştirme ve storyboard aşamalarında değerli olduğunu söyledi. Rivas, ileride bu prototiplerin Gemini Omni ile yaratıcı varlıklara dönüştürülebileceğini ancak bunun için henüz erken olduğunu belirtti.

Sınırlar ve kullanıma sunulma

Ekip, işin başında olduklarını ve uçtan uca ürün deneyiminin henüz net olmadığını kabul ediyor. Simülasyon uzadıkça ayrıntılar ve nesneler kayabiliyor; sesin doğruluğu ile dünya içindeki yazıların okunabilirliği de henüz garanti edilemiyor.

Çıkış, sektörde rekabetin ve birleşmelerin arttığı döneme denk geliyor. Runway birkaç ay önce ikinci dünya modeli GWM Worlds 2'yi yayımladı. World Labs'ı AMD satın alıyor, Amazon'un Decart'ı almak için görüştüğü belirtiliyor, Rivian ise otonom sürüş simülasyonu için Third Dimension'ı satın aldı.

Önümüzdeki haftalarda Genie 4, Project Genie içinde Google AI Ultra abonelerine ve Gemini API ile Google AI Studio'nun erken erişim ortaklarına sunulacak.