Google'dan yeni yapay zeka: Genie 4 ses üretiyor

Google DeepMind, Salı günü yeni dünya modeli Genie 4'ü araştırma ön izlemesi olarak yayınladı. Bu yeni model, şimdiye kadarki en gerçekçi ve etkileşimli dünyaları üretiyor. Kullanıcılar, simülasyon sırasında metin komutlarıyla sahneyi değiştirebiliyor. Genie 4, simüle edilen dünyayla uyumlu gerçek zamanlı ses de üretiyor. Buna müzik, ortam sesleri ve etkileşimli diyaloglar dahil. Genie 4'ün piyasaya sürülmesi, yapay zeka video girişimi Runway'in kullanıcı girdilerine dinamik olarak yanıt veren ve ses üretimi de içeren oynanabilir bir model olan ikinci dünya modeli GWM Worlds 2'yi piyasaya sürmesinden birkaç ay sonra gerçekleşti. Aynı zamanda, dünya modeli sektörü konsolide olmaya başlıyor. Fei-Fei Li'nin World Labs'ı AMD tarafından satın alınıyor, Amazon Decart'ı satın almak için görüşmeler yapıyor ve Rivian, kendi kendine sürüş testleri için simülasyon yeteneklerini şirket bünyesine katmak üzere Third Dimension'ı satın aldı. Genie 4, Google'ın kalabalık alanda önde kalma çabalarının en sonuncusu. Google, bir yıldan biraz daha uzun süre önce selefi Genie 3'ü araştırma ön izlemesi olarak yayınlamıştı. Çok daha fotogerçekçi olmasının ve ses içermesinin yanı sıra, Genie 4 hava durumunu veya kamera açısını gerçek zamanlı olarak değiştirmek veya yeni insanlar veya nesneler eklemek gibi serbest biçimli düzenlemelere izin veriyor. Selefinin iki katına çıkarak iki dakikaya kadar tutarlı bir sahneyi koruyabiliyor ve daha iyi fizik ile daha insan benzeri karakterler sunuyor. Google'ın yapay zeka modeli Gemini de Genie 4 ile daha yakından entegre edilmiş durumda. Gemini, Genie görselleri oluştururken adımları planlayan ve kareleri kontrol eden yönetmen olarak görev yapıyor. Gemini Robotics ile ilgili bir araştırma deneyinde, bir Gemini 4 Argon modeli görevleri Genie 4'ün gerçek zamanlı olarak simüle ettiği adımlara ayırdı. Deney, gerçek dünyada gerçekleşmeden önce robot senaryolarını simülasyonda test etmenin olası bir yolunu gösteriyor. Google'da araştırma direktörü Tejas Kulkarni, bir brifing sırasında, "Gelecekte giderek daha fazla göreceğimiz şey, Gemini'nin kod ve metin yazdığı ve Genie'nin bunu gerçek zamanlı olarak aldığı ve farklı soyutlama seviyelerinde gerçeği simüle ettiği hibrit dünya modelleri olacak" dedi. Diğer dünya modellerinde olduğu gibi, oyun, etkileşimli öğrenme ve robotik gibi ticari kullanım örnekleri öne sürülüyor. Etkileşimli öğrenmenin spekülatif bir örneği, tarihi bir sahnenin resmine girip resmin karakterleriyle tasvir edilen olay hakkında sohbet etmek olabilir. Ancak Google'ın en son ürünlerine ilk erişen "güvenilir test kullanıcıları" yeni bir kullanım olasılığına işaret ediyor: film prototipleme. Google DeepMind mühendisi Diego Rivas, bir basın brifinginde, "Gerçek zamanlı yönü, yaratıcılık alanında akış halini sürdürmenin inanılmaz derecede faydalı olduğu alanlarda en değerli hale geliyor" dedi. "Örneğin, fikir aşamasında, hikaye tahtası aşamasında - hızlı fikir üretimine ihtiyaç duyduğunuz her zaman." Google ayrıca, metin, resim veya video komutlarından yerleşik senkronize sese sahip yüksek çözünürlüklü klipler oluşturan yapay zeka video oluşturma modeli Veo'yu da sunuyor. Bu araç, film yapımcıları arasında popülerlik kazanıyor. Rivas, kullanıcıların nihayetinde, görüntü, ses ve metinden video oluşturabilen çok modlu büyük bir dil modeli olan Gemini Omni'ye güvenebileceğini ekledi. Ancak bu yeteneklerin henüz uzak olduğunu belirtti. Rivas, brifing boyunca Genie 4 için henüz erken olduğunu ve uçtan uca ürün deneyiminin ne olacağının henüz net olmadığını vurguladı. Ekip ayrıca Genie 4'ün hala boşlukları olduğunu kabul etti: simülasyon çalıştıkça ayrıntılar ve nesneler kayabiliyor ve sesin doğru olmasını ve dünyadaki herhangi bir metnin okunabilir olmasını sağlamayı henüz tam olarak başaramadılar. Genie 4, güvenilir test kullanıcıları için araştırma ön izlemesi olarak şu anda mevcut. Önümüzdeki haftalarda model, metin veya resim komutlarından etkileşimli dünyalar oluşturmak için Google'ın yapay zeka aracı Project Genie'deki Google AI Ultra abonelerine ve Gemini API ile Google AI Studio'nun erken erişim ortaklarına sunulacak.