Google DeepMind, gerçek zamanlı sesli dünya modeli Genie 4'ü tanıttı
DeepMind, fotogerçekçi ortamları anlık olarak oluşturup aynı anda doğal ses, müzik ve diyalog üretebilen Genie 4 adlı yeni gerçek zamanlı dünya modelini duyurdu. Model, Gemini Omni ve diğer Gemini serileriyle entegrasyon içinde çalışarak robotik ve etkileşimli deneyimler için temel bir platform sunmayı hedefliyor.
Özetle
- 1
Genie 4, gerçek zamanlı fotogerçekçi ortamları ses ve diyalogla birlikte üretebilen ilk model.
- 2
Gemini Omni ve Gemini 3.8 Flash, ortam tutarlılığı ve çok adımlı senaryo yönetimini destekliyor.
- 3
Gemini 4 Argon entegrasyonu, robotik planlama ve canlı altyazı gibi yeni uygulamalara kapı açıyor.
- 4
Model, Creative, eğitim, oyun ve mühendislik sektörlerinde güvenilir testçilere ön izleme olarak sunuluyor.
Google DeepMind, en yeni gerçek zamanlı dünya modeli Genie 4'ü tanıttı. Model, fotogerçekçi ortamları akıcı hareketlerle oluştururken aynı anda rüzgar, dalga sesleri, ortam müziği ve karakter diyalogları gibi doğal sesleri de üretme yeteneğine sahip. Gemini Omni, ortamın görünüm ve davranışlarını gerçek dünyaya bağlarken, diğer Gemini modelleri tutarlılığı korumak için devreye giriyor.
Kullanıcılar klavye kontrolleriyle sahneyi gezebiliyor ve metin komutlarıyla hava durumunu değiştirebilir, kamera açılarını ayarlayabilir ya da sahneye yeni nesneler ekleyebiliyor; tüm bunlar sahneyi yeniden başlatmadan gerçekleşiyor. Gemini 3.8 Flash, çok adımlı senaryolarda rehber ajan olarak görev yapıyor; kareleri izliyor, hedefi adımlara bölüyor, ilerlemeyi takip ediyor ve ortam değiştiğinde yeniden planlama yapıyor.
DeepMind, Genie 4'ün aerodinamik, çarpışma, doğal insan hareketi ve çevre tepkilerini modellediğini ve yönlendirilebilir karakterler sunduğunu vurguluyor. Ayrıca, Gemini 4 Argon ile entegrasyon sayesinde robotik uygulamalara da testler yapılıyor; örneğin Argon'un görev planı canlı altyazıya dönüştürülerek Genie 4 tarafından görselleştirilebiliyor ve bir Apptronik Apollo humanoidinin dama oynadığı bir demo gösteriliyor.
Araştırma önizlemesi, yaratıcı endüstriler, gazetecilik, eğitim, oyun ve mühendislik gibi alanlarda güvenilir testçilere açıldı. Film ön görselleştirme, arşiv fotoğraflarından simülasyon, oyun konseptleri ve kurumsal senaryolar gibi deneyler yürütülüyor. Ürün henüz genel kullanıma sunulmadı; ancak Google AI Ultra aboneleri, Project Genie ve erken erişimli Gemini API aracılığıyla yakında erişim sağlayabilecek. Üretilen video ve sesler SynthID su işareti taşıyor ve güvenlik değerlendirmeleriyle korumalı bir sistem olarak sunuluyor.
Yöney yorumu
Genie 4'ün tanıtımı, içerik üreticileri ve robotik geliştiricileri için gerçek zamanlı, sesli ve görsel olarak tutarlı ortamlar yaratma imkanı sunarak yaratıcı iş akışlarını hızlandıracak. Ancak uzun oturumlarda nesne kalıcılığı ve ses kalitesi gibi sınırlamalar, modelin olgunlaşması için hâlâ önemli araştırma alanları olarak kalıyor.
Bu haber TestingCatalog kaynağından derlenip Türkçeye aktarıldı. Ayrıntılar ve orijinal metin için oka tıklayın.
