Google DeepMind Genie 4’ü Tanıttı: Dünya Modeli Artık Kendi Sesini Üretiyor

Google DeepMind, 27 Ekim’de yapay zekâ dünya modeli Genie’nin dördüncü sürümünü duyurdu. Genie 4, metin komutlarından gerçek zamanlı ve etkileşimli sanal ortamlar üretiyor. Önceki sürümlerden farklı olarak görüntünün yanında müziği, ortam seslerini ve diyalogları da kendisi oluşturuyor.

Gemini ile yönlendirilen dünyalar

Kullanıcılar bir metin istemiyle keşfedilebilir bir dünya yaratıyor ve klavye kontrolleriyle içinde geziniyor. Sahne sürerken hava durumunu değiştirmek ya da yeni bir karakter eklemek de mümkün. Model, Google’ın Gemini ailesinden yararlanıyor: Gemini Omni simülasyonları gerçek dünyadaki görünüm ve davranışlarla ilişkilendirirken, Gemini 3.8 Flash her sahneyi izleyen yönlendirici ajan görevini üstleniyor. The Verge’e göre Genie 4 yaklaşık iki dakikalık deneyimler üretebiliyor; Genie 3’te bu süre bir dakikaydı.

Sesi de kendisi üretiyor

DeepMind, Genie 4’ü sesi doğrudan üreten ilk gerçek zamanlı dünya modeli olarak tanımlıyor. Anlık olarak değişen diyaloglar da bu seslerin arasında. Şirket sınırlamaları da gizlemiyor: Görsel ayrıntılar ve nesnelerin kalıcılığı, özellikle uzun oturumlarda zamanla kayabiliyor. DeepMind modeli “erken aşamada, deneysel” olarak niteliyor ve çalışmayı yapay genel zekâ yolunda bir adım ile robotlar ve yapay zekâ ajanları için eğitim ortamları kurma çabası olarak sunuyor.

Kademeli erişim ve oyun hisseleri

Genie 4 şimdilik yalnızca güvenilir test kullanıcılarına açık bir araştırma önizlemesi. Project Genie’deki Google AI Ultra aboneleri ile Gemini API ve Google AI Studio’daki erken erişim ortakları modele daha sonra ulaşabilecek; bekleme listesi de açık. Üretilen tüm video ve seslerde SynthID filigranı bulunacak. Google, modeli film ön görselleştirmesi, oyun prototipleme ve robot eğitimi için öne çıkarıyor. Yatırımcılar bu teknolojiye daha önce de tepki vermişti: Alphabet Ocak’ta Project Genie’yi tanıttığında Take-Two ve Roblox hisseleri yaklaşık yüzde 9, Unity ise yüzde 19 düşmüştü.