Google DeepMind, sesi de kendisi üreten yeni dünya modeli Genie 4’ü tanıttı

Google DeepMind, Genie 4’ü araştırma önizlemesi olarak duyurdu

Google DeepMind, yeni dünya modeli Genie 4’ü 27 Ekim’de duyurdu. Dünya modelleri, bir ortamın nasıl göründüğünü ve kullanıcının hareketlerine nasıl tepki verdiğini kare kare üreten yapay zeka sistemleri. Genie 4, yazılı bir komuttan gerçek zamanlı ve etkileşimli bir dünya kuruyor. Kullanıcı bu dünyada standart klavye tuşlarıyla dolaşıyor ve kamerayı yönetiyor.

Şirket Genie 4’ü “en gerçekçi ve en etkileşimli dünya modelimiz” diye tanıtıyor. DeepMind’a göre dünyayı anlamak ve canlandırmak, genel yapay zeka (AGI) hedefinin önemli bir parçası. Şirket, modelin robotlar ve yapay zeka ajanları için güvenli eğitim ortamları kurmaya ve yeni etkileşimli deneyimler üretmeye yardım edebileceğini söylüyor.

Google DeepMind@GoogleDeepMind

Karşınızda Genie 4, şimdiye kadarki en gerçekçi ve en etkileşimli dünya modelimiz. 🌐

Dinamik ortamları gerçek zamanlı keşfedin; sahnenin nasıl tepki verdiğini, nasıl ses çıkardığını ve içindeki insanların nasıl hareket ettiğini, tepki verdiğini ve konuştuğunu görün.

İngilizceden çevrildi·Orijinalini göster

Görünüşü Gemini Omni, tutarlılığı diğer Gemini modelleri sağlıyor

Genie 4, Gemini ailesinin yetenekleri üzerine kuruldu. DeepMind’a göre Gemini Omni, simülasyonları gerçek dünyadaki görünüşe ve davranışa bağlıyor. Diğer Gemini modelleri ise sahnenin tutarlılığını korumak için gereken akıl yürütmeyi üstleniyor.

Şirket, modelin aerodinamik ve çarpışma gibi fiziksel olayları canlandırabildiğini belirtiyor. En büyük sıçramanın insan karakterlerde olduğunu söylüyor: karakterler doğal hareket ediyor, çevreye tepki veriyor ve gerçek zamanlı yönlendirilebiliyor. Kullanıcı yazılı komutla havayı değiştirebiliyor, kamerayı oynatabiliyor ya da sahneye yeni bir kişi veya nesne ekleyebiliyor. Gemini bu komutu sahnenin geri kalanına uyacak biçimde uyarlıyor.

TechCrunch’ın basın toplantısından aktardığına göre bir sahne en fazla iki dakika tutarlı kalabiliyor. Bu, Genie 3’teki sınırın iki katı. DeepMind’ın kendi duyurusunda bu süre yer almıyor.

Google DeepMind@GoogleDeepMind

Genie 4'teki yenilikler:
🔵 Fotogerçekçilik: Gemini Omni üzerine kurulu; mekânlarda ve figürlerde gerçeğe yakın ayrıntı
🔵 Gelişmiş fizik: Aerodinamik, çarpışmalar ve doğal hareket eden insanlar
🔵 Gerçek zamanlı kontrol: İstemle sahneyi değiştirin, öğe ekleyin ya da karakterlerle etkileşime geçin
🔵 Yerleşik ses: Ortam sesi, müzik, arka plan gürültüsü ve etkileşimli diyalog
🔵 Gemini akıl yürütmesi: Sahneler değişirken tutarlılığı korumak için çok adımlı olayları planlıyor

Bu yetenekler, ajanların ve robotların çevrelerinde nasıl yol bulduğunu görmek için güvenli sanal ortamlar geliştirmeye doğru bir adım.

Modeli yakında Project Genie'de Google AI Ultra abonelerine, API'mizde ve @GoogleAIStudio'da erken erişim ortaklarına getirmeden önce ilk kullanım alanlarını güvenilir test kullanıcılarıyla araştırıyoruz.

Daha fazlası → goo.gle/48idm3b

İngilizceden çevrildi·Orijinalini göster

Ses, müzik ve diyalog görüntüyle birlikte üretiliyor

DeepMind’a göre Genie 4, şirketin sesi kendisi üreten ilk gerçek zamanlı dünya modeli. Her dünya kendi ortam sesini taşıyor; ağaçlardaki rüzgardan kıyıya vuran dalgalara kadar. Müzik ve karakterlerin konuşmaları da görüntüyle aynı anda üretiliyor.

Şirket asıl zorluğun insan konuşması olduğunu belirtiyor. Genie 4’te karakterler, kullanıcının komutlarına ve dünyadaki olaylara gerçek zamanlı olarak konuşarak tepki verebiliyor. DeepMind’ın paylaştığı ejderha yarışı örneğinde kanat sesleri, rüzgar ve uzaktaki volkan gürültüsü komutta tarif edildiği gibi görüntüyle birlikte üretildi. Sesli dünya modeli üreten tek şirket Google değil: TechCrunch, Runway’in birkaç ay önce çıkardığı GWM Worlds 2’nin de oynanabilir olduğunu ve ses ürettiğini hatırlatıyor.

Gemini 3.8 Flash sahneyi izleyip adım adım yönlendiriyor

DeepMind’a göre gerçek zamanlı çalışmada Gemini 3.8 Flash, döngünün içindeki “yönlendirici ajan” rolünü üstleniyor. Genie 4 dünyayı üretirken Gemini sahneyi sürekli izliyor ve hedefi adımlara bölüyor. Gelen kareleri inceleyerek her adımın tamamlanıp tamamlanmadığını kontrol ediyor. Dünya değiştiğinde ya da kullanıcı araya girdiğinde planını anında güncelliyor. Şirket bu yapının neden ve sonucu daha tutarlı, çok adımlı olayları mümkün kıldığını söylüyor.

DeepMind ayrıca Gemini 4 Argon’u Genie 4 ve Gemini Robotics çalışmalarıyla birlikte deniyor. Şirketin paylaştığı örnekte Argon, Apptronik’in insansı robotu Apollo’nun dama oynamasını adımlara bölüyor. Bu adımlar, simülasyon sürerken Genie 4’e yazılı komut olarak veriliyor. TechCrunch’a göre bu yöntem, robot senaryolarını gerçek dünyaya geçmeden önce denemeye yarayabilir. Google’ın araştırma direktörü Tejas Kulkarni, hedefi Gemini’nin kod ve metin yazdığı “hibrit dünya modelleri” olarak tanımladı.

Model önce seçili test kullanıcılarına açıldı

Genie 4 şimdilik araştırma önizlemesi olarak seçili test kullanıcılarına sunuluyor. DeepMind; yaratıcı sektörler, gazetecilik, eğitim, oyun ve mühendislik alanlarından test gruplarıyla çalıştığını belirtiyor. Şirkete göre film yapımcıları modeli ön görselleştirme için hızlı bir “taslak modu” olarak deniyor. Foto muhabirleri tek bir arşiv fotoğrafından o ortamın simülasyonunu kurmayı, oyun geliştiricileri de motor kodu yazmadan prototip çıkarmayı test ediyor.

Model yakında Project Genie’de Google AI Ultra abonelerine, Gemini API ve Google AI Studio’da da erken erişim ortaklarına gelecek. TechCrunch’a göre bu açılış önümüzdeki haftalarda bekleniyor; kesin bir tarih verilmedi. Project Genie, 29 Ocak 2026’da Genie 3 tabanlı bir prototip olarak ABD’deki AI Ultra abonelerine açılmıştı. O sürümde her üretim 60 saniyeyle sınırlıydı.

DeepMind modelin sınırlarını da sıralıyor

DeepMind, Genie 4’ü erken ve deneysel bir model olarak tanımlıyor. Şirkete göre model kısa oturumlarda tutarlı kalıyor. Ancak simülasyon uzadıkça, art arda karmaşık komutlardan sonra ya da sahnede dolaşırken görüntü ayrıntıları ve nesnelerin kalıcılığı kayabiliyor. Karmaşık fiziksel etkileşimler, gerçek zamanlı ses doğruluğu, okunaklı yazı, mekansal doğruluk ve uzun süreli tutarlılık hala üzerinde çalışılan alanlar.

Üretilen tüm görüntü ve seslere, yapay zeka içeriğini tanımaya yarayan SynthID filigranı ekleniyor. DeepMind, modeli önizlemeden önce iç güvenlik değerlendirmelerinden geçirdiğini belirtiyor. Duyuruda çözünürlük, kare hızı ya da gecikme gibi teknik değerler ve Genie 3’le ölçülmüş bir kıyas yer almıyor. Genie 3, Ağustos 2025’te 720p çözünürlük ve saniyede 24 kareyle duyurulmuştu.