Google DeepMind, Canlı Sesli Etkileşimli Dünya Modeli Genie 4'ü Tanıttı

Google DeepMind, Genie 4'ü Salı günü tanıttı ve modeli hemen güvenilir test kullanıcılarına sundu; Project Genie üzerinden Google AI Ultra aboneleri ile Gemini API ve Google AI Studio'nun erken erişim ortaklarına yönelik daha geniş kapsamlı kullanıma açılmanın gelecek haftalarda gerçekleşmesi bekleniyor. Genie 4 bir dünya modeli — metin veya görsel istemlerinden etkileşimli sanal ortamlar üretiyor — ve üç temel alanda selefine kıyasla büyük bir yükseltme sunuyor. Birincisi, yerel ve senkronize ses üretiyor: müzik, ortam sesleri ve karakterlerin tepkisel diyalogları, simüle edilen dünyayla birlikte gerçek zamanlı olarak ortaya çıkıyor. İkincisi, selefinin sahne tutarlılığı sınırını iki katına çıkararak fizik ve nesne yerleşimini iki dakikaya kadar tutarlı tutuyor. Üçüncüsü, kullanıcılar hava durumunu, kamera açılarını değiştirmek veya nesne eklemek için istem yazarak simülasyonları çalışma sırasında yönlendirebiliyor; bu da deneyimi tek seferlik bir üretim olmaktan çıkarıp gerçek anlamda etkileşimli hale getiriyor. Genie 4, adım planlayan ve Genie görselleri oluştururken kareleri kontrol eden yönetmen rolündeki Google'ın yapay zeka modeli Gemini ile sıkı bir şekilde entegre edilmiş durumda. İlgili bir robotik deneyinde, bir Gemini 4 Argon modeli görevleri, Genie 4'ün gerçek zamanlı olarak simüle ettiği adımlara ayırdı; bu da robot senaryolarının gerçek dünyada uygulanmadan önce sanal olarak test edilmesine işaret ediyor. Ekip tarafından belirtilen olası kullanım alanları arasında oyun prototipleme, robotik simülasyonu, film senaryo tahtası (storyboard) oluşturma ve etkileşimli öğrenme bulunuyor. Mevcut sınırlamalar arasında daha uzun simülasyonlarda ince ayrıntılarda zaman zaman sapma ile ses doğruluğunu ve dünya içi metin okunabilirliğini sağlamaya yönelik zorluklar yer alıyor.