Ne oldu? Google DeepMind, 27 Ekim’de ses ve etkileşimli konuşma üreten dünya modeli Genie 4’ü duyurdu. Gerçek zamanlı simülasyonlar oluşturan model, araştırma ön izlemesi olarak sınırlı bir gruba açıldı.

Google DeepMind’ın açıklamasına göre Genie 4, etkileşimli ortamları görüntü, çevre sesleri ve karakter konuşmalarıyla birlikte üretiyor. Kullanıcılar doğal dille hava durumunu değiştirebiliyor, sahneye kişi veya nesne ekleyebiliyor. Gemini modelleri, olayların adımlarını planlayarak simülasyonun tutarlılığını korumaya yardımcı oluyor. Araştırma ön izlemesi güvenilir test kullanıcılarına açıldı; Google AI Ultra aboneleri ve belirli geliştirici ortakları için erişim planlanıyor. Şirket, uzun oturumlarda görsel ayrıntıların ve nesnelerin sürekliliğinin bozulabildiğini, fizik ve ses doğruluğunda da sınırlamalar bulunduğunu belirtiyor.

  • Gemini 3.8 Flash, sahneyi izleyerek hedefleri adımlara ayırıyor ve her adımın gerçekleşip gerçekleşmediğini denetliyor. Kullanıcı müdahalesinde planını güncelliyor.
  • Şirketin aktardığı denemelerde film sahnelerinin ön görselleştirilmesi ve oyun fikirlerinin keşfedilebilir örneklere dönüştürülmesi araştırılıyor.
  • Üretilen görüntü ve seslere, yapay zekâ üretimini tanımaya yardımcı olan SynthID dijital filigranı eklenecek.
  • Daha geniş erişim Project Genie, Gemini API ve Google AI Studio üzerinden planlanıyor; duyuruda tarih belirtilmiyor.

Neden önemli?

Doğal dille değiştirilebilen sesli simülasyonlar, ürün ve yaratıcı ekiplerin fikirlerini etkileşimli ortamlarda sınamasını kolaylaştırabilir. Ancak erişimin sınırlı olması ve uzun süreli tutarlılık sorunları, bugün bu modeli iş süreçlerinde kullanmak isteyenler için belirleyici kısıtlar.

Sık sorulanlar

Genie 4’ü bugün kimler kullanabiliyor?
Araştırma ön izlemesi güvenilir test kullanıcılarına açıldı. Google AI Ultra aboneleri ile Gemini API ve Google AI Studio erken erişim ortaklarına daha sonra sunulması planlanıyor.
Simülasyonlar zaman içinde tutarlı kalıyor mu?
Google DeepMind, kısa oturumlarda tutarlı ortamlar korunabildiğini belirtiyor. Oturum uzadığında veya karmaşık düzenlemeler arttığında görsel ayrıntılar ve nesnelerin sürekliliği bozulabiliyor.