Google DeepMind, yeni dünya modeli Genie 4 ile gerçek zamanlı simülasyonlara ses üretimi ve doğal dil komutlarıyla sahneye müdahale etme özelliklerini ekledi.
Yapay zekâ ile oluşturulan sanal dünyalar, kullanıcıların anlık müdahaleleriyle şekillenen daha etkileşimli ortamlara dönüşüyor. Google DeepMind, yeni dünya modeli Genie 4 ile görsel simülasyonları ses ve doğal dil komutlarıyla bir araya getirdi. Araştırma ön izlemesi kapsamında sınırlı sayıda kullanıcıyla test edilmeye başlanan model, oluşturulan ortamların gerçek zamanlı olarak değiştirilmesine olanak tanıyor.
Genie 4’ün öne çıkan özelliklerinden biri, simülasyon devam ederken sahnenin farklı unsurlarına müdahale edilebilmesi. Kullanıcılar doğal dil komutlarıyla kamera açısını değiştirebiliyor, hava koşullarını yeniden düzenleyebiliyor ve ortama yeni karakterler ekleyebiliyor. Çevresel sesler, müzik ve karakter diyalogları da görüntüyle eş zamanlı olarak üretiliyor. Böylece yapılan değişiklikler yalnızca görsel dünyaya değil, ortamın işitsel yapısına da yansıyor.
Yeni modelde fiziksel hareketlerin ve çevresel etkileşimlerin daha gerçekçi biçimde oluşturulmasına da odaklanıldı. Google, özellikle aerodinamik, çarpışma ve insan hareketlerinin simülasyonunda ilerleme kaydedildiğini belirtiyor. Karakterlerin çevreleriyle daha doğal etkileşim kurabilmesi hedeflenirken, Genie 4’ün sahne tutarlılığını iki dakikaya kadar koruyabildiği açıklandı. Bu süre, önceki modelin sınırının iki katına karşılık geliyor.
Genie 4’ün geliştirilme sürecinde Gemini ailesindeki modellerin yeteneklerinden de yararlanıldı. Gemini Omni, oluşturulan dünyaların gerçek hayattaki görünüm ve davranışlarla uyumunu desteklerken diğer Gemini modelleri, simülasyon boyunca tutarlılığın ve sürekliliğin korunmasına yönelik akıl yürütme görevlerinde kullanılıyor.
Film, oyun ve eğitim alanlarında yeni kullanım olanakları
Google, Genie 4’ün yaratıcı üretim süreçlerinde farklı amaçlarla değerlendirilebileceğini belirtiyor. Modeli deneyen film yapımcıları, sahneleri çekim öncesinde görselleştirmek ve farklı kamera açılarını, ışık düzenlerini ya da diyalogları kısa sürede karşılaştırmak için teknolojiden yararlanıyor. Oyun geliştiricileri ise tasarım fikirlerini kullanıcıların etkileşime girebildiği prototiplere dönüştürme olanaklarını araştırıyor.
Modelin potansiyel kullanım alanları yaratıcı sektörlerle sınırlı değil. Robotların ve yapay zekâ ajanlarının eğitimi için farklı senaryoların simüle edilmesi de Google’ın üzerinde çalıştığı başlıklar arasında yer alıyor.
Ancak Genie 4 henüz deneysel geliştirme aşamasında bulunuyor. Özellikle uzun süren simülasyonlarda ve peş peşe yapılan karmaşık müdahalelerde nesnelerin sürekliliği ile görsel ayrıntılarda bozulmalar yaşanabiliyor. Karmaşık fiziksel olayların modellenmesi, ses doğruluğu ve okunabilir metin üretimi de geliştirilmesi gereken alanlar arasında gösteriliyor. Google, model tarafından oluşturulan tüm video ve ses içeriklerine SynthID dijital filigranı ekleneceğini açıkladı.
Genie 4’ün önümüzdeki dönemde Project Genie üzerinden Google AI Ultra abonelerine sunulması planlanıyor. Modelin ayrıca Gemini API ve Google AI Studio aracılığıyla erken erişim ortaklarının kullanımına açılması hedefleniyor.