Google DeepMind, İnsan Seslerini ve Videoları Birleştiren Yeni Yapay Zeka Modeli Genie 4'ü Tanıttı

Google DeepMind, doğal dil komutlarıyla fotogerçekçi videolar oluşturabilen ve bu görüntülere uygun ortam sesleri ile insan konuşmalarını otomatik olarak ekleyebilen yeni yapay zeka modeli Genie 4'ü duyurdu.

Genie 4, önceki sürüm olan Genie 3'ten farklı olarak görsel sahnelerle eş zamanlı ses üretme yeteneğine sahip. Model, rüzgar sesi veya dalga gürültüsü gibi ortam seslerinin yanı sıra, karakterlerin birbirleriyle konuşabildiği ve çevresel olaylara tepki verebildiği sesli simülasyonlar oluşturabiliyor. Google, bu yeni modelin fizik kurallarını daha iyi simüle ettiğini ve ışıklandırma ile kamera açısı değişimlerine dinamik yanıtlar verdiğini belirtiyor.

Modelin en dikkat çekici özelliği, insan hareketlerini ve yüz ifadelerini daha akıcı bir şekilde simüle edebilmesi olarak öne çıkıyor. Google, Genie 4'ün karakterlerinin doğal hareket ettiğini ve gerçek zamanlı olarak yönlendirilebildiğini ifade ediyor. Şu an için sınırlı bir test grubuyla paylaşılan model, video oyunu geliştiricileri tarafından prototip oluşturma süreçlerinde kullanılıyor.

Google, Genie 4'ün güvenliğine yönelik sıkı önlemler aldığını ve zararlı içerik üretimini engellemek için titiz değerlendirmelerden geçirildiğini açıkladı. Ayrıca, model tarafından üretilen tüm içeriklerin SynthID filigranı ile işaretleneceği belirtildi. Henüz geliştirme aşamasında olan modelin, uzun ve karmaşık simülasyonlarda görsel tutarlılık konusunda zaman zaman zorlandığı kaydedildi.