IT之家, 28 Ekim'de, Google DeepMind, Salı günü en son dünya modeli Genie 4'ü, araştırma önizleme aşamasında duyurdu. Bu en son model, şimdiye kadar oluşturulmuş en gerçekçi ve etkileşimli sanal dünyaları oluşturabiliyor; kullanıcılar, simülasyon sırasında sahne değiştirmek için talimat girebiliyor. Model, müzik, çevre sesleri ve etkileşimli diyalogları içeren sanal dünyalarla senkronize gerçek zamanlı sesler de oluşturabiliyor.

IT之家, Genie 4'in yayınlandığı birkaç ay önce, AI video startup şirketi Runway'nin kendi ikinci dünya modeli olan GWM Worlds 2'yi piyasaya sürdüğünü fark etti; bu etkileşimli bir modeldir ve kullanıcı girdilerine dinamik olarak yanıt verebilirken ses üretimi de destekler. Aynı zamanda dünya modeli alanında entegrasyon eğilimleri başlamıştır. Fei-Fei Li tarafından kurulan World Labs, AMD tarafından satın alınmıştır; Amazon, Decart'ı satın alma görüşmelerinde bulunmaktadır ve Rivian, otonom sürüş testleri için içsel simülasyon kapasitesi kurmak amacıyla Third Dimension'ı satın almıştır.
Genie 4, Google'nin rekabetçi alanda önde kalma amacıyla attığı en son adım.
Bir yıldan fazla bir süre önce, Google, önceki model olan Genie 3'ü araştırma önizlemesi olarak yayınladı. Genie 4, görsel gerçekçilikte büyük bir artış sağlarken ses yeteneği de ekledi ve hava koşullarını, kamera açılarını gerçek zamanlı olarak ayarlamak ya da karakterler ve nesneler eklemek gibi serbest biçimde düzenleme işlemlerini destekliyor. En uzun iki dakikalık sürekli sahne sürekliliği sunuyor ve bu, önceki modelin iki katı. Fiziksel etkiler daha iyi ve sanal karakterler gerçek insanlara daha çok benziyor.
Google'un büyük modelleri Gemini ve Genie 4'ün entegrasyonu daha da artırıldı; Gemini, adımları planlama ve sahne karelerini doğrulama görevini üstlenirken, Genie 4 görsel içerikleri oluşturuyor. Gemini robot projesiyle ilgili bir araştırma deneyinde, Gemini 4 Argon modeli görevi birkaç adıma ayırdı ve Genie 4 gerçek zamanlı simülasyon gerçekleştirdi. Bu deney, gerçek dünyada robot testleri yapmadan önce simülasyon ortamında ilgili senaryoların doğrulanabileceği bir çözüm sunuyor.
Google araştırmaları direktörü Tejas Kulkarni, bir kısa bilgilendirme toplantısında, "Gelecekte, Gemini'nin kod ve metin yazdığı, Genie 4'ün ise bu içerikleri gerçek zamanlı olarak okuyup farklı soyutlama düzeylerinde gerçekliği simüle ettiği bu tür karışık dünya modellerini daha sık göreceğiz." dedi.
Diğer dünya modelleri gibi, ana ticari uygulama senaryoları oyunlar, etkileşimli öğrenme ve robotik alanlarını içerir. Etkileşimli öğrenmenin bir senaryosu, kullanıcının tarihsel bir sahneyi betimleyen bir resmin içine girmesi ve resimdeki figürlerle kaydedilen olayları konuşmasıdır.
Ancak, "güvenilir test ediciler" olarak adlandırılan, Google'ın öncü ürünlerini ilk deneyen kullanıcılar, bir potansiyel yeni kullanım alanı keşfettiler: film prototiplendirme.
Google DeepMind mühendisi Diego Rivas, medya kısa bilgilendirme toplantısında, "Gerçek zamanlı özelliğin değeri, tutarlı bir yaratıcı akışın korunması gereken senaryolarda özellikle belirgindir; örneğin kreatif fikir üretimi aşaması, storyboard aşaması ve hızlı fikir üretiminin gerektirdiği tüm aşamalar."
Google, metin, resim veya video ipuçlarından yüksek çözünürlüklü kısa videolar üretmeyi sağlayan ve senkronize sesli olan Veo adlı bir AI video üretme modeli de tanıttı. Bu araç, sinema ve dizi üreticileri arasında popülerliği artmaya devam ediyor.
Rivas, kullanıcıların gelecekte Gemini Omni adlı çok modlu büyük model aracılığıyla prototip malzemelerini resmi yaratıcı varlıklara dönüştürmeyi umduğunu söyledi; Gemini çok modlu, resim, ses ve metne dayalı olarak video oluşturabilir. Ancak bu yeteneklerin uygulamaya geçmesi için hâlâ uzun bir yol olduğunu da ekledi.
Tüm sunum boyunca Rivas, Genie 4'ün hâlâ erken bir aşamada olduğunu ve tam ürünün nihai deneyiminin henüz belirlenmediğini tekrar tekrar vurguladı. Takım, Genie 4'ün hâlâ eksiklikler taşıdığını kabul etti: simülasyon süresi ne kadar uzunsa, detaylar ve nesneler o kadar çok sapma gösteriyor; sesin tam olarak doğru olmasını sağlarken sanal dünyadaki metinlerin okunabilir kalmasını garanti edecek güvenilir bir yöntem henüz bulunamadı.
Genie 4, şu anda güvenilir test kullanıcıları için araştırma önizlemesi amacıyla açılmıştır. Yakın gelecekte bu model, Google AI Ultra abonelerine, Genie projesine, Gemini uygulama programlama arayüzü (API) ve Google AI Studio'nun erken iş birliği yapmış ortaklarına da sunulacaktır.
