Google Genie 4 Dünya Modeli Ses ve Gerçekçi Ortamlar Ekledi, Anlık Yönlendirmeyi Mümkün Kıldı.

Google DeepMind, yeni dünya modeli Genie 4’ü salı günü araştırma önizlemesi olarak yayımladı. En son model, şimdiye kadar en fotorealistik ve etkileşimli dünyaları oluşturuyor; kullanıcılar simülasyon sırasında metin girerek sahneyi değiştirebiliyor. Model, aynı zamanda simüle edilen dünyaya uygun gerçek zamanlı ses üretiyor; müzik, ortam sesleri ve etkileşimli diyaloglar dahil.

Genie 4’ün yayımlanması, AI video girişimi Runway’ın ikinci dünya modeli GWM Worlds 2’yi yayımlamasından birkaç ay sonrasına denk geliyor. Kullanıcı girdilerine dinamik olarak yanıt veren, ses üretimi de içeren oynanabilir bir model olan GWM Worlds 2, dünya modeli sektörünün de konsolidasyona başladığı bir dönemde öne çıkıyor. Fei-Fei Li’in kurduğu World Labs AMD tarafından satın alınıyor, Amazon Decart’ı satın almak için görüşmeler yürütüyor ve Rivian, sürüşsüz araç testleri için simülasyon yeteneklerini kendi bünyesine taşımak için Third Dimension’i satın aldı.

Genie 4, Google’ın kalabalık alanda önde tiên kalmaya yönelik son hamlesi.

Google, önceki modeli Genie 3’ü bir yıl öncesinde bir araştırma önizlemesi olarak yayımlamıştı. Çok daha fotorealistik olması ve ses içermesinin yanı sıra Genie 4, gerçek zamanlı hava durumu veya kamera açısı değiştirmek ya da yeni kişiler veya nesneler eklemek gibi serbest biçimli düzenlemelere olanak tanıyor. Bir sahneyi en fazla iki dakika boyunca tutarlı kılabiliyor; bu, önceki modelin sınırının iki katı ve daha iyi fizik ile daha insan benzeri karakterler sunuyor.

Google’ın AI modeli Gemini, aynı zamanda Genie 4 ile daha yakın bütünleşik çalışıyor; sahne oluştururken Genie’nin görselleri üretmesi için adımları planlayan ve kareleri kontrol eden bir yönetmen gibi işlev görüyor. Gemini Robotics ile bağlantılı bir araştırma deneyinde, bir Gemini 4 Argon modeli görevleri adımlara ayırdı ve Genie 4 bunları gerçek zamanlı olarak simüle etti. Deney, robot senaryolarının gerçek dünyada gerçekleşmeden önce simülasyonda test edilmesi için olası bir yol gösteriyor.

“Gelecekte giderek daha sık göreceğimiz şey, Gemini’nin kod ve metin yazdığı, Genie’nin ise bunu zamanında işleyerek gerçeği farklı soyutluk seviyelerinde simüle ettiği bu hibrit dünya modelleri olacak,” dedi Google araştırma direktörü Tejas Kulkarni, bir brifing sırasında.

Diğer dünya modellerinde olduğu gibi, öne sürülen ticari kullanım alanları oyun, etkileşimli öğrenme ve robotiği içeriyor. Etkileşimli öğrenmeye dair öngörülebilir bir örnek, tarihsel bir sahneyi betimleyen bir tabloya girmek ve tablonun konuları ile o olay hakkında sohbet etmek olabilir.

Ancak Google’ın en uç ürünlerine ilk erişimi alan “güvenilir test kullanıcıları” olası yeni bir kullanım alanına işaret ediyor: film prototipleme.

“Gerçek zamanlı yön, yaratıcılık alanında bir akış durumunu korumanın son derece işe yaradığı alanlarda en değerli hale geliyor,” Google DeepMind mühendisi Diego Rivas, bir basın toplantısında söyledi. “Örneğin, fikir üretme aşamasında, storyboard (kurgu planı) aşamasında — hızlı fikir üretimine ihtiyaç duyduğunuz her an.”

Google, metin, görüntü veya video istemlerinden dahili eşzamanlı sesle yüksek çözünürlüklü klipler üreten Veo adlı AI video üretimi modelini de sunuyor; bu araç, film yapımcıları arasında giderek popülerleşiyor.

Rivas, kullanıcıların nihayetinde bu prototipleri yaratıcı varlıklara dönüştürmek için görüntüden, sesten ve metinden video üretebilen çok modlu büyük dil modeli Gemini Omni’ye güvenebileceklerini ekledi. Ancak bu yeteneklerin, dediği gibi, henüz oldukça uzakta olduğu belirtiliyor.

Rivas, basın toplantısı boyunca Genie 4 için durumun hâlâ ilk aşamada olduğunu ve uçtan uca ürün deneyiminin ne olacağının henüz netleşmediğini vurguladı. Ekip, Genie 4’ün hâlâ açığı olduğunu da kabul etti: Simülasyon ne kadar uzun sürerse, ayrıntılar ve nesneler o kadar sapabiliyor ve sesin doğru, dünyadaki metinlerin de okunabilir olmasını nasıl sağlayacaklarını henüz tam olarak çözemediler.

Genie 4, şu anda güvenilir test kullanıcıları için araştırma önizlemesi olarak kullanımda. Önümüzdeki haftalarda model, metin veya görüntü istemlerinden etkileşimli dünyalar üreten Google’ın AI aracı Project Genie üzerinden Google AI Ultra abonelerine, ayrıca Gemini API ve Google AI Studio’nun erken erişim ortaklarına yayılacak.