Genie 4, sesli dünyalar için araştırma önizlemesine açıldı
Google DeepMind, Genie 4 dünya modelini güvenilir test kullanıcılarına araştırma önizlemesi olarak açtı. Üretilen dünyalarda çevre sesi, müzik ve konuşma bulunuyor; kullanıcılar gezinirken metinle sahneyi değiştirebiliyor. Gemini modelleri olayların ilerleyişini yönlendiriyor. Film ve oyun geliştiricileri sistemi erken taslaklar için deniyor. Uzun süreli tutarlılık, okunaklı yazı üretimi ve ses doğruluğu ise araştırma konusu olmayı sürdürüyor.
Yapay Zekâ··Öğle
Üretilen dünyalara ses ve anlık değişiklikler ekleniyor
Google’ın yapay zekâ araştırma kuruluşu Google DeepMind, Genie 4 dünya modelini güvenilir test kullanıcılarına araştırma önizlemesi olarak açtı.[1], [2]
Sistem, içinde gezinilebilen görsel ortamlarla birlikte çevre seslerini, müziği ve konuşmaları üretiyor. Kullanıcı sahne ilerlerken metinle müdahale edebiliyor. Yeni bir kişi veya nesne eklemek, hava koşullarını değiştirmek ve kameranın yönünü ayarlamak gösterilen etkileşimler arasında. Klavye de gezinme ve kamera denetimi için kullanılıyor.[1]
Google’ın farklı veri türlerini işleyen Gemini Omni modeli, benzetimin görünümünü ve davranışlarını gerçek dünyaya dayandırmak için kullanılıyor. Gemini 3.8 Flash ise yönlendirici eylemci olarak görüntü karelerini izliyor. Kullanıcının hedefini adımlara ayırıyor, yapılan hareketin sonucunu denetliyor ve ilerlemeyi yeni karelerden kontrol ediyor. Kullanıcı müdahale ettiğinde veya ortam değiştiğinde, benzetim sürerken planını buna göre uyarlıyor.[1]
Film taslakları ve robot benzetimleri deneniyor
Genie 4’ü deneyen film yapımcıları, çekim öncesinde sahneleri canlandırarak ışığı, kamera açısını, konuşmaları ve hareketleri değiştirmeyi araştırıyor. Foto muhabirleri arşiv fotoğraflarından benzetimler üretmeyi deniyor. Oyun geliştiricileri de oyun motoru için kod yazmadan önce içinde gezinilebilen taslaklar oluşturuyor. Bu çalışmalar, test kullanıcılarının sistemin erken yaratıcı hazırlıklardaki kullanımını araştırdığı denemeler olarak yürütülüyor.[1]
Google, robotik araştırmaları kapsamında Genie 4 ile Gemini 4 Argon’u birlikte de deniyor. Gösterilen bir örnekte, Apptronik’in geliştirdiği Apollo insansı robotunun dama oynaması benzetim ortamında canlandırılıyor. Argon, görevi adımlara ayırıp metin açıklamaları sağlıyor; Genie de benzetimi oluşturuyor. Bu gösterim, gerçek bir robotun fiziksel ortamda görevi başardığı anlamına gelmiyor; oynanan oyun, üretilen dünyanın içinde gerçekleşiyor.[1]
Önizleme sürerken tutarlılık sorunları araştırılıyor
Google, daha geniş erişimi Google AI Ultra üyelerine Project Genie üzerinden sunmayı planlıyor. Erken ortaklar için Gemini uygulama programlama arayüzü ve Google AI Studio da erişim yolları arasında. Uzun oturumlarda veya karmaşık düzenlemelerden sonra görsel ayrıntılar ve nesnelerin sürekliliği değişebiliyor. Ses doğruluğu, okunaklı yazı, karmaşık fiziksel etkileşimler ve mekânsal tutarlılık araştırılıyor. Google, kurum içi güvenlik değerlendirmeleri yaptığını ve içerik önlemleri uyguladığını belirtiyor. Şirkete göre üretilen ses ve görüntüler, yapay zekâ üretimini tanımaya yarayan SynthID sayısal filigranlarını taşıyacak. Project Genie içindeki Genie 4 bekleme listesi de açıldı.[1]
