Genie 4: Google’ın yapay zekası, yazıyla yönetilen sesli dünyalar yaratıyor

Genie 4, Google DeepMind’ın yeni dünya modeli; ürettiği dünyalar artık ses de çıkarıyor. Bir sahneyi tek cümleyle tarif edin ya da modele bir referans görsel verin: model, klavyeyle içinde dolaşabileceğiniz bir yer yaratırken ağaçlardaki rüzgârın, sahile vuran dalgaların ve orada duran insanların seslerini de üretiyor. Bu insanlar artık yaptıklarınıza tepki veren bir sohbeti sürdürebiliyor. DeepMind, bu özelliği sürümün asıl öncü alanı olarak tanımlıyor.

Önceki sürümleri deneyenler için en büyük yenilik, kontrolün sizde olması. Havanın değişmesini, kameranın dönmesini ya da sahneye yeni bir kişi veya nesne eklenmesini isteyen bir komut yazabiliyorsunuz; Gemini de isteğinizi ekranda o ana kadar oluşmuş sahneye uyacak şekilde yeniden düzenliyor. Komutlarınız arasında simülasyonu yönlendirmeyi sürdüren Gemini, dünyanın dağılmasını önlüyor. Bu deneyim, video oyunu oynamaktan çok çekim hiç durmadan devam eden bir film setini yönetmeye benziyor. İlk test kullanıcılarından bazıları da şimdiden tam olarak böyle kullanıyor.

Sahneyi Gemini planlıyor, Genie çiziyor

Genie 4, Google’ın diğer modellerinden de yararlanıyor. DeepMind’ın duyurusuna göre Gemini Omni, her simülasyonu gerçek dünyadaki görünüş ve davranışlara dayandırırken diğer Gemini modelleri sahnenin bir andan diğerine tutarlılığını koruyan akıl yürütme süreçlerini üstleniyor. Gemini 3.8 Flash ise yönlendirici bir ajan olarak döngüye katılıyor: Genie 4 dünyayı oluştururken onu izliyor, bir hedefi adımlara bölüyor, her adımın işe yaradığını doğrulamak için gelen kareleri kontrol ediyor ve araya girdiğinizde planı değiştiriyor.

DeepMind’a göre en büyük sıçrama karakterlerde. Karakterler daha doğal hareket ediyor, çevrelerine tepki veriyor ve simülasyon sürerken yönlendirilebiliyor; model ayrıca aerodinamik ve çarpışmalar gibi fizik unsurlarını da işliyor. Şirketin blogundaki demolar arasında çimlere doğru dönerek süzülen bir akçaağaç tohumu, 1980’lerin Japonya’sında kalabalık bir kırsal tren istasyonu ve gök gürültüsünü andıran kanat çırpışlarıyla seslendirilmiş, ejderhaların yarıştığı birinci şahıs bakış açılı bir sahne var. Bu seslerin tamamını Genie 4 üretiyor. Genie 3, saniyede 24 kare hızında ve 720p çözünürlükte sessiz dünyalar oluşturuyordu. DeepMind bu kez çözünürlük ya da kare hızı verisi paylaşmadığı için gelişme ancak şirketin yayımladığı videolara bakılarak değerlendirilebiliyor.

Hedef yalnızca oyunlar değil. DeepMind, dünyayı simüle etmenin yapay genel zekâya giden yolda kritik bir adım olduğunu söylüyor. Demolardan birinde Genie 4, Gemini 4 Argon ile birlikte kullanılarak Apptronik’in insansı robotu Apollo’nun dama oynadığı bir sahne simüle ediliyor. Sahne oluşturulurken Argon görevi adımlara ayırıyor ve bunları metin açıklamaları olarak Genie 4’e iletiyor. Robotlar ve yazılım ajanları için güvenli, sürekli değişen pratik dünyalar yaratmak, bir Genie oyununun satışa çıkmasından çok önce hayata geçmesi beklenen uzun vadeli ticari kullanım alanı.

İlk deneyenler film yapımcıları ve foto muhabirleri oldu

DeepMind, Genie 4’ü yaratıcı sektörler, gazetecilik, eğitim, oyun ve mühendislik alanlarından gruplarla test ediyor. Film yapımcıları, ön görselleştirme için bir taslak aracı olarak kullanıyor: canlı bir sahnenin içine girip kamera açılarını, ışığı, diyaloğu ve aksiyonu ayarlarken farklı çekimler yapabiliyorlar. Oyun geliştiricileri, motor kodundan tek satır yazmadan, bir fikirden keşfedilebilir bir prototipe saniyeler içinde geçebiliyor. Kurumsal iş ortaklarıysa aracı farklı senaryoları hızla oluşturmak için deniyor.

En hassas deney, tek bir arşiv fotoğrafının saniyeler içinde o yerin simüle edilmiş, içinde insanların yaşayıp hareket ettiği bir hâline dönüştürülmesini sınayan foto muhabirleriyle yürütülüyor. DeepMind, ani bir selin ya da orman yangınının nasıl geliştiğini görselleştirme olanağından da söz ediyor. Gerçek bir tarihî sokakta yapılan inandırıcı bir yürüyüş, içinde uydurma insanların konuştuğu inandırıcı bir sahte görüntü anlamına da gelebilir. DeepMind’ın yanıtı, Genie 4’ün ürettiği tüm video ve seslere eklenen görünmez filigran SynthID; buna şirket içi güvenlik değerlendirmeleri ve kademeli kullanıma sunma süreci de eşlik ediyor. Ancak SynthID ancak platformlar ve izleyiciler gerçekten bir tespit aracı kullanırsa işe yarıyor; ekranda da sıradan bir izleyiciye görüntünün sentetik olduğunu gösteren hiçbir işaret bulunmuyor.

Dünyalar hâlâ değişip duruyor

DeepMind, modelin sınırları konusunda alışılmadık ölçüde açık sözlü. Genie 4, kısa oturumlarda bir ortamın bütünlüğünü koruyor; ancak simülasyon uzadıkça, karmaşık komutlarla birkaç kez düzenlendikçe ya da sahnede hareket ettikçe görsel ayrıntılar ve nesnelerin sürekliliği değişebiliyor. Karmaşık fiziksel etkileşimler, gerçek zamanlı ve doğru ses, okunaklı metin, mekânsal doğruluk ve uzun vadeli tutarlılık, çözülmemiş araştırma sorunları arasında sıralanıyor. Basitçe söylemek gerekirse, bir dakika önce yanından geçtiğiniz kitaplık, geri dönüp baktığınızda aynı kitaplık olmayabilir.

Üstelik çoğu kişinin modeli deneyebilmesi için henüz bir yol yok. Genie 4, yalnızca güvenilir test kullanıcılarına açık bir araştırma ön izlemesi. Google, dünyalar oluşturmak için geliştirdiği web uygulaması Project Genie üzerinden Google AI Ultra abonelerine ve Gemini API ile Google AI Studio’nun erken erişim iş ortaklarına yakında sunulacağını söylüyor; bekleme listesi de şimdiden açılmış durumda. Henüz bir çıkış tarihi yok; Google’ın en pahalı yapay zekâ planı olan Ultra aboneliğinin dışında bir fiyat açıklanmadı ve ilk olarak hangi ülkelerde kullanıma açılacağı da belli değil. Genie 3’ü çalıştıran Project Genie, 29 Ocak 2026’da kullanıma sunulduğunda yalnızca ABD’de yaşayan, 18 yaşını doldurmuş Ultra abonelerine açıktı ve oturumlar 60 saniyeyle sınırlıydı.

DeepMind, Genie 4’ü 27 Ekim 2026’da Raia Hadsell, Diego Rivas ve Hang Qi imzalı bir yazıyla duyurdu. Bu serüven Şubat 2024’te, görselleri basit 2D platform oyunlarına dönüştüren bir modelle başladı; Aralık 2024’te Genie 2 ile üç boyuta geçti ve Ağustos 2025’te Genie 3 sayesinde gerçek zamanlı keşif olanağına ulaştı. Her yeni nesil bir özellik daha ekledi: önce üçüncü boyut, sonra gerçek zamanlı hareket, şimdi de ses ve konuşma. Genie 4’ün hâlâ kanıtlaması gereken şey, bir dünyanın kahve molasından daha uzun süre kendini hatırlayıp hatırlayamayacağı.

Etiketler: yapay zeka, Google, Gemini, Google DeepMind, dünya modelleri, Genie 4