Google DeepMind, gerçek zamanlı ve sesli dünya modeli Genie 4'ü tanıttı

DeepMind'ın blogunda Raia Hadsell, Diego Rivas ve Hang Qi imzasıyla yayımlanan duyuruya göre Genie 4, kullanıcının içinde dolaşabildiği ve olayları başlatabildiği simülasyonlar üretiyor. Model, Ağustos 2025'te tanıtılan Genie 3'ün devamı niteliğinde.

Genie 4 neler yapabiliyor

Kullanıcı sahnede klavye ve kamera kontrolleriyle ilerliyor, metin komutlarıyla da dünyayı değiştirebiliyor. Hava durumu, kamera açısı ya da sahneye eklenen kişi ve nesneler doğal dille düzenlenebiliyor. Kullanıcı komut vermediği aralıklarda Gemini sahneyi izleyip dünyanın tutarlı biçimde ilerlemesini sağlıyor. Şirket bu yapıyı sürekli yönlendirme olarak tanımlıyor.

Şirketin açıklamasına göre Genie 4, sesi yerel olarak üreten ilk gerçek zamanlı dünya modeli. Rüzgar ya da dalga gibi ortam sesleri, olaylara uyum sağlayan diyaloglarla birlikte görüntüyle eş zamanlı üretiliyor. Model aerodinamik, çarpışma gibi fiziksel durumları simüle ediyor. İnsan karakterler de çevreye tepki vererek doğal biçimde hareket ediyor. Altyapıda Google'ın Gemini modelleri var. Gemini 3.8 Flash, hedefleri adımlara bölen ve her adımı gelen karelerle kontrol eden bir ajan olarak çalışıyor.

DeepMind, sınırları da açıkça belirtiyor. Uzun oturumlarda, art arda yapılan düzenlemelerde ya da gezinti sırasında görsel ayrıntılar ve nesne kalıcılığı kayabiliyor. Karmaşık fiziksel etkileşimler, okunaklı yazı üretimi ve uzun süreli tutarlılık hala araştırma konusu. Üretilen tüm video ve seslere SynthID filigranı ekleniyor.

Erişim ve kullanılabilirlik

Genie 4 şu an yalnızca güvenilir test kullanıcılarına açık bir araştırma önizlemesi. Model ilerleyen dönemde Project Genie üzerinden Google AI Ultra abonelerine, Gemini API ile Google AI Studio'da da erken erişim ortaklarına sunulacak. Project Genie için bekleme listesi açıldı. Google, Project Genie'yi Ocak 2026'da Genie 3 tabanlı deneysel bir prototip olarak ABD'deki AI Ultra abonelerine açmıştı. Genie 4 duyurusunda ülke, tarih ya da ücret bilgisi yer almıyor. Türkiye'deki kullanıcılar için bir takvim de açıklanmadı.

Şirket, test kullanıcılarının modeli film ön görselleştirmesi, oyun prototipi hazırlama ve tek fotoğraftan sahne canlandırma gibi işlerde denediğini aktarıyor.

SpAItial Echo-3 telefon çekimini 3D ortama çeviriyor

Dünya modelleri geliştiren SpAItial da 27 Ekim'de Echo-3'ü ve SpAItial uygulamasını tanıttı. Şirketin blogundaki yazıya göre kullanıcı iPhone ile mekanda birkaç dakika dolaşarak çekim yapıyor. Echo-3 bu çekimden gerçek ölçekli, fotogerçekçi bir 3D sahne oluşturuyor ve eksik kalan bölgeleri çevresine uygun biçimde tamamlıyor. Sahnede gezinmek, ölçü almak ve sahneyi tarayıcıda açılan bir bağlantıyla paylaşmak mümkün.

Uygulama iOS'ta, ilk ayı ücretsiz bir abonelikle sunuluyor. Android sürümünün ileride geleceği belirtiliyor. Echo-3 kurumsal müşterilere API olarak da açılacak. SpAItial, sonuçlarını Polycam, KIRI Engine ve Niantic Scaniverse ile görsel olarak karşılaştırdı. Şirket bu karşılaştırma için sayısal bir hata oranı paylaşmadı.

Dünya modelleri neden öne çıkıyor

Dünya modelleri yalnızca görüntü üretmeyi değil, bir ortamın nasıl davrandığını simüle etmeyi hedefliyor. DeepMind duyurusunda dünyayı anlayıp simüle etmeyi genel yapay zeka yolunda temel bir adım olarak tanımlıyor.

Duyuruda robotik deneylere de yer veriliyor. Gemini 4 Argon ile Genie 4'ün birlikte kullanıldığı bir örnekte Apptronik'in Apollo insansı robotu dama oynuyor. Yapay zeka ile video oluşturma araçları hazır klipler verirken dünya modelleri kullanıcının anlık girdisine yanıt veren ortamlar kuruyor. SpAItial de tek görselden 3D dünya üreten Echo-2'yi Nisan 2026'da yayımlamıştı.