Google DeepMind, gerçek zamanlı ses ve yönlendirme özellikleriyle Genie 4'ü yayımladı

Google DeepMind, Genie 4'ü güvenilir test kullanıcıları için araştırma ön izlemesi olarak yayımladı. Dünya modeli; müzik, ortam sesleri ve diyaloglar dâhil gerçek zamanlı ses içeren etkileşimli sahneler üretiyor ve kullanıcıların simülasyon sürerken metin komutlarıyla sahneyi değiştirmesine olanak tanıyor.

Şirket, Genie 4'ün önceki modeli Genie 3'ten daha fotogerçekçi dünyalar oluşturduğunu ve hava durumunu ya da kamera açısını değiştirmek veya insanlarla nesneler eklemek gibi serbest düzenlemeleri desteklediğini söylüyor. Model, tutarlı bir sahneyi iki dakikaya kadar koruyabiliyor; bu, Genie 3'ün sınırının iki katı. Ayrıca geliştirilmiş fizik özellikleri ve daha insana benzer karakterler sunuyor.

Google, Genie 4 görselleri üretirken Gemini'nin adımları planlayıp kareleri denetleyebildiğini söylüyor. Gemini Robotics ile bağlantılı bir deneyde Gemini 4 Argon modeli görevleri adımlara ayırdı ve Genie 4 bu adımları gerçek zamanlı olarak simüle etti. Şirket, bunun robot senaryolarını gerçek dünyada gerçekleşmeden önce simülasyonda sınamanın olası bir yolu olduğunu belirtti.

Google DeepMind mühendisi Diego Rivas, güvenilir test kullanıcılarının film prototiplemesini, özellikle fikir geliştirme ve storyboard hazırlama aşamalarında olası bir kullanım olarak gördüğünü söyledi. Gemini Omni ile prototipleri yaratıcı varlıklara dönüştürme olanağının henüz uzakta olduğunu belirtti. Ekip ayrıca uzun süren simülasyonlarda ayrıntıların ve nesnelerin değişebildiğini, sesin doğruluğunu ve simülasyon içindeki metinlerin okunabilirliğini sağlamaya yönelik çözümlerin henüz bulunmadığını söyledi.

Genie 4 şu anda güvenilir test kullanıcılarının erişimine açık. Google, modelin önümüzdeki haftalarda Project Genie üzerinden Google AI Ultra abonelerine ve Gemini API ile Google AI Studio'nun erken erişim ortaklarına sunulacağını söylüyor.