28 Ekim 2026 ÇarşambaSayı № 301
I Model ÇıkışıBağımsız Basın

Google DeepMind'in Genie 4, Gerçek Zamanlı Etkileşimli Dünya Modeliyle Ses ve Diyaloğu Üretiyor

Google DeepMind, gerçek zamanlı çerçeve bazlı hesaplamalar yapan ve ortam sesleri ile karakter diyaloglarını doğrudan üretebilen yeni bir dünya modeli Genie 4'ü tanıttı. Model, Gemini serisiyle birlikte çalışarak çok adımlı görevleri planlıyor ve kullanıcı metin komutlarına anlık olarak yanıt veriyor, ancak uzun oturumlarda ve karmaşık fiziksel etkileşimlerde hâlâ sınırlamalar bulunuyor.

The Decoder kaynağından derlendi · · 2 dk okuma

Orijinal haber ↗
Görsel: The Decoder

Özetle

  1. 1

    Genie 4, gerçek zamanlı çerçeve bazlı hesaplamalarla ortam sesleri ve karakter diyaloglarını doğrudan üretiyor.

  2. 2

    Gemini 3.8 Flash ve Gemini 4 Argon, sahne planlaması ve robotik entegrasyonu sağlayarak çok adımlı görevleri yönetiyor.

  3. 3

    Model hâlâ deneysel; uzun oturumlarda görsel tutarlılık ve karmaşık fiziksel etkileşimlerde sınırlamalar mevcut.

DeepMind, geçen yıl tanıttığı Genie 3'ün üzerine inşa edilen Genie 4'ü araştırma önizlemesi olarak duyurdu. Yeni sistem, sahneyi önceden kaydedilmiş bir video gibi sunmak yerine, her kareyi anlık olarak hesaplayarak kullanıcı girişlerine göre dinamik olarak değiştiriyor. Kullanıcılar klavye ile sahnede hareket ederken, metin komutlarıyla hava durumunu, nesne konumlarını ve karakter etkileşimlerini yönlendirebiliyor. Model, her ortam için rüzgar, yaprak hışırtısı gibi arka plan seslerini otomatik olarak üretirken, karakterlerin birbirleriyle gerçek zamanlı diyalog kurmasını sağlıyor.

Genie 4'ün arkasındaki planlama motoru, Gemini serisinin farklı sürümlerinden oluşuyor. Gemini 3.8 Flash, sahneyi sürekli izleyerek hedefleri adımlara bölüyor ve her adımın gerçekleşip gerçekleşmediğini yeni çerçevelerle kontrol ediyor. Kullanıcı bir değişiklik yaptığında ya da ortam beklenmedik bir şekilde evrildiğinde, Gemini planı yeniden düzenleyerek tutarlılığı koruyor. Ayrıca DeepMind, Gemini 4 Argon'u robotik araştırmalarıyla entegre ederek, örneğin Apptronik'in Apollo humanoid robotunun sanal bir satranç oyununu oynamasını simüle eden bir demo gösterdi.

Model hâlâ erken aşamalarda ve sadece seçkin test kullanıcılarına açık. DeepMind, kısa oturumlarda tutarlı bir deneyim sağlarken, uzun vadeli simülasyonlarda görsel detayların kaybolduğunu ve nesnelerin kalıcılığının azaldığını belirtiyor. Karmaşık fiziksel etkileşimler, gerçek zamanlı ses sentezi ve metin okunabilirliği gibi alanlarda da araştırma devam ediyor. Gelecekte Genie 4, Google AI Ultra abonelerine ve Gemini API ile Google AI Studio'ya erken erişim sağlayan ortaklara sunulacak. Tüm üretilen video ve ses dosyaları, DeepMind'in SynthID su işaretiyle işaretlenecek.

DeepMind, bu hibrit dünya modelinin robotlar ve diğer AI ajanları için veri yerine deneyim tabanlı öğrenme ortamları oluşturma potansiyeline işaret ediyor. Gemini'nin dil ve kod yetenekleriyle piksel seviyesindeki simülasyonu birleştiren bu yaklaşım, yapay zekâ araştırmalarında yeni bir paradigma oluşturabilir.

Yöney yorumu

Genie 4'ün gerçek zamanlı ses ve diyalog üretimi, simülasyon tabanlı eğitim ve etkileşimli içerik oluşturma süreçlerini hızlandırabilir. Ancak sınırlı erişim ve uzun oturumlardaki tutarsızlıklar, geniş çaplı benimsenmeden önce çözülmesi gereken teknik engelleri gösteriyor.

Yapay zekâ tarafından üretilmiştir.
Devamı kaynakta

Bu haber The Decoder kaynağından derlenip Türkçeye aktarıldı. Ayrıntılar ve orijinal metin için oka tıklayın.

I

Aynı bölümden

Tümü →
I Model Çıkışı

LFM3 ile Özelleştirilebilir Çok Modlu Modeller

LiquidAI, 2 milyar parametre civarında çalışan ve metin, görsel, ses, omni ve karar modellerini tek bir omurgada birleştiren LFM3 serisini tanıttı. Yeni tri‑hibrit mimari, aynı parametre sayısıyla önceki nesilden %35 daha yüksek performans sağlarken, tek GPU’da ince ayar ve kenar cihazlarda çalıştırma imkanı sunuyor.

Özetle 3 madde
  1. LFM3‑1.7B, önceki nesilden %35 daha az parametreyle daha yüksek performans sunuyor.
  2. Tek omurgadan türeyen altı model, metin, görsel, ses, video ve karar görevlerini tek bir çatı altında birleştiriyor.
  3. Yeni vision ve audio kodlayıcıları, FLOP tüketimini %2,2‑3,5 azaltırken doğruluk kaybı yaşatmıyor.

Hugging Face3 skor

I Model Çıkışı

LiquidAI, LFM3-1.7B ve Yeni Omni‑Modal Modelleriyle Edge AI’da Yeni Dönem

LiquidAI, 1.7 milyar parametreli LFM3-1.7B metin modelini ve tri‑hybrid mimarisiyle desteklenen bir dizi omni‑modal modeli duyurdu. Model, 256K token bağlam penceresi ve 4‑bit hassasiyette sadece 1 GB bellek tüketimiyle telefon ve laptop gibi uç cihazlarda çalışabilecek şekilde tasarlandı. Ayrıca, tek GPU üzerinden hızlı ince ayar imkanı sunarak özel alanlarda kullanılabilirliği artırıyor.

Özetle 3 madde
  1. LFM3-1.7B, 256K token bağlam penceresi ve 4‑bit kuantizasyonla sadece 1 GB RAM tüketimiyle uç cihazlarda çalışabiliyor.
  2. Tri‑hybrid mimarisi, kısa konvolüsyon, kaydırmalı pencere ve global dikkat katmanlarını birleştirerek verimli uzun‑metin işleme sağlıyor.
  3. Aile içinde LFM3‑VL‑2B, LFM3‑Audio‑2B, LFM3‑Omni‑2B ve karar modelleri d1‑Omni‑2B, d1‑2B gibi omni‑modal ve karar odaklı modeller de duyuruldu.

Reddit LocalLLaMA

I Model Çıkışı

Genie 4: Gerçek Zamanlı Simülasyonda Eşi Benzeri Olmayan Gerçekçilik Sunan Yeni Dünya Modeli

DeepMind, yeni nesil dünya modeli Genie 4'ü tanıttı. Model, gerçek zamanlı simülasyonlarda benzeri görülmemiş bir gerçekçilik seviyesine ulaşarak araştırmacıların ve geliştiricilerin sanal ortamları daha doğru bir şekilde modellemesini sağlıyor.

Özetle 3 madde
  1. Genie 4, gerçek zamanlı simülasyonlarda eşi benzeri olmayan bir gerçekçilik seviyesi sunuyor.
  2. Model, karmaşık fiziksel ve sosyal dinamikleri anlık olarak işleyebiliyor.
  3. Robotik kontrol, şehir planlaması ve iklim modellemesi gibi alanlarda yeni uygulama fırsatları yaratıyor.

Google DeepMind