Google DeepMind’ın yeni dünya modeli Genie 4, kullanıcıların metin komutlarıyla yönlendirebildiği sanal ortamları gerçek zamanlı olarak oluşturuyor. Model; görüntü ve hareketin yanı sıra ortam sesleri ile karakterlerin etkileşimli konuşmalarını da simülasyona ekliyor.
Sanal dünyalar komutlarla değiştirilebiliyor
Gemini modellerinin yeteneklerinden yararlanan Genie 4, kullanıcıların içinde serbestçe dolaşabildiği ve gelişimini anlık olarak yönlendirebildiği ortamlar üretiyor. Önceden hazırlanmış sahnelere veya her etkileşimin ayrı ayrı programlanmasına ihtiyaç duymayan sistem, dünya keşfedilirken görüntüleri kare kare oluşturuyor.
Modelin dayandığı dünya modelleri yaklaşımı, yalnızca görüntü ya da video üretmek yerine fiziksel bir ortamın nasıl davranacağını ve olayların nasıl gelişeceğini simüle etmeyi hedefliyor. Böylece kullanıcılar sahneleri izlemekle kalmayıp içlerinde hareket edebiliyor ve çevreleriyle etkileşime girebiliyor. Bu etkileşimlerde kullanıcı her zaman bir insan olmak zorunda değil.
Simülasyon sürerken doğal dil komutlarıyla hava durumu değiştirilebiliyor, kamera başka bir noktaya taşınabiliyor veya sahneye karakter ve nesneler eklenebiliyor. Gemini modelleri, komutları mevcut ortamın bağlamına göre değerlendirerek dünyanın gelişimini yönlendiriyor.
Fizik ve insan hareketlerinde gelişme
Google, önceki model Genie 3’ü geçen yıl tanıtmıştı. Bu sürüm, klavye komutlarıyla kontrol edilebilen, 720p çözünürlükte ve saniyede 24 kare hızında dünyalar sunuyordu. Genie 4’ün çözünürlük gibi teknik özellikleri henüz açıklanmadı; paylaşılan örnek videolar ise FHD çözünürlükte ve saniyede 24 kare olarak yayımlandı.
Google DeepMind’a göre Genie 4, fiziksel olayları ve insan davranışlarını önceki sürüme göre daha gerçekçi canlandırıyor. Model, aerodinamik ve çarpışma gibi etkileşimleri simüle edebiliyor; insan karakterler çevrelerine daha doğal tepki verip daha akıcı hareket ediyor ve kullanıcı yönlendirmelerine gerçek zamanlı karşılık verebiliyor.
Bu özellikler, ortamların farklı senaryoların denenebildiği simülasyonlara dönüşmesini sağlayabilir. Ancak görsel gerçekçilik, her ayrıntının fizik kurallarına kusursuz biçimde uyduğu anlamına gelmiyor. Google, karmaşık fiziksel etkileşimlerde ve uzun süren simülasyonlarda geliştirilmesi gereken noktalar bulunduğunu belirtiyor.
Ortam sesleri ve diyaloglar da üretiliyor
Genie 4’ün yenilikleri arasında yerleşik ses üretimi de bulunuyor. Model; rüzgâr, dalga gibi ortam seslerini simülasyonla eş zamanlı oluşturabiliyor. Kullanıcılar ses özelliklerini komutlarla yönlendirebiliyor, istenmesi hâlinde sahneye uygun müzik de üretilebiliyor.
Modeldeki karakterler, kullanıcı girdilerine ve dünyada yaşananlara göre gerçek zamanlı, etkileşimli diyaloglar kurabiliyor. Böylece sanal karakterler yalnızca hareket eden görseller olmaktan çıkıp çevrelerindeki gelişmelere konuşarak yanıt verebiliyor.
Google DeepMind, ses üretimini dünya modellerinin temel yeteneklerinden biri olarak ele alıyor. Görüntü, hareket ve sesin aynı simülasyonda birlikte oluşturulmasıyla daha bütünlüklü deneyimler sunulması amaçlanıyor.
Gemini modelleri sürekliliği destekliyor
Google’ın açıklamasına göre Gemini Omni, simülasyonların gerçek dünyadaki görünüm ve davranış özelliklerini temel almasına katkı sağlıyor. Diğer Gemini modelleri ise karmaşık akıl yürütme ve süreklilik görevlerinde rol alıyor.
Sistem, bir komutla yalnızca yeni bir görüntü üretmek yerine istenen hedefi adımlara ayırabiliyor, kareleri izleyebiliyor ve simülasyonun planlanan yönde ilerleyip ilerlemediğini değerlendirebiliyor. Böylece yeni gelişmelerle önceki olaylar arasında bağlantı kurulması hedefleniyor.
Google’ın örneklerinden birinde Gemini 3.8 Flash, simülasyonu gözlemleyen bir yönlendirici ajan olarak çalışıyor. Model hedefleri aşamalara bölüyor, her adımın gerçekleşip gerçekleşmediğini kontrol ediyor ve ortam değiştiğinde ya da yeni bir komut geldiğinde planını güncelleyebiliyor.
Şirket, Gemini 4 Argon ile Genie 4’ü bir araya getirerek Apptronik’in Apollo insansı robotunun dama oynadığı bir simülasyon üzerinde de çalıştığını aktarıyor. Bu örnek, dünya modellerinin görsel içerik üretmenin yanında karmaşık görevleri sanal ortamlarda denemek için de kullanılabileceğini gösteriyor.
Modelin tutarlılığı simülasyon süresi uzadıkça azalabiliyor ve dünyadaki bozulmalar artabiliyor. Arka arkaya çok sayıda karmaşık komut verilmesi de bu sorunları belirginleştirebiliyor.
Olası kullanım alanları
Google DeepMind, Genie 4’ü yalnızca oyun benzeri deneyimler için geliştirmiyor. Şirket, dünya modellerinin robotlar ve yapay zekâ ajanları için güvenli ve çeşitlendirilebilir eğitim ortamları sunabileceğini değerlendiriyor.
Film yapımcıları, çekim öncesinde sanal sahneye girerek kamera açılarını, ışıklandırmayı, diyalogları ve karakter hareketlerini değiştirebilir. Oyun geliştiricileri de oyun motorunda ayrıntılı çalışmaya başlamadan önce doğal dil komutlarıyla keşfedilebilir prototipler hazırlayabilir.
Gazetecilik ve eğitim için de kullanım senaryoları araştırılıyor. Arşivlerdeki iki boyutlu bir fotoğraf, içinde dolaşılabilen bir ortama dönüştürülerek geçmişteki bir mekânın deneyimlenmesine yardımcı olabilir. Sel ve orman yangını gibi çevresel olayların gelişimi de simülasyonlarla görselleştirilebilir.
Genie 4’e erişim planı
Genie 4, şu anda sınırlı sayıdaki güvenilir test kullanıcısına araştırma önizlemesi olarak sunuluyor. Google, daha geniş erişimden önce bu kullanıcılardan geri bildirim toplamayı ve modelin sınırlarını değerlendirmeyi planlıyor.
Tüketiciler için ilk aşamada Google AI Ultra abonelerinin Project Genie üzerinden modele erişmesi öngörülüyor. Google, Gemini API ve Google AI Studio aracılığıyla erken erişim ortaklarına da Genie 4’ü sunmayı hedefliyor. AI Pro ve AI Plus aboneliklerine erişimin daha sonra genişletilmesi ihtimali bulunsa da bu konuda kesin bir takvim açıklanmadı.
Google AI Ultra aboneliğinin başlangıç fiyatı aylık 100 dolar. Genie 4’ün API kullanım ücretleri henüz duyurulmadı; Project Genie erişiminde de kullanım sınırları uygulanacak. Şirket, oluşturulan görüntü ve seslere SynthID dijital filigran teknolojisini ekleyecek. Erken erişim için bekleme listesi de bulunuyor.
