سرگرمی و خلاقیت

مدل جدید Wan3.0 شرکت علی‌بابا می‌تواند با دریافت متن، تصویر و اسناد ساختاریافته، ویدیوهایی تا ۳۰ ثانیه تولید کند. این ابزار با هدف کاهش اعوجاج‌های بصری در چهره‌ها و رابط‌های…

نسخه جدید Veo 3.1 گوگل با معرفی قابلیت تصاویر مرجع و همگام‌سازی صوتی، مشکل تغییر چهره شخصیت‌ها در ویدیوهای تولیدی را حل کرده است. اگرچه سقف هر کلیپ همچنان ۸ ثانیه است، اما ابزار…

پلتفرم BhaShaVox با استفاده از فناوری دوبلهٔ خودکار، راهنمای محصولاتش را به زبان هندی بومی‌سازی کرد تا نرخ جذب کاربر در هند را افزایش دهد. این ابزار با ترکیب شبیه‌سازی صدا و…

توسعه‌دهنده‌ای به نام pkalogiros با ساخت Varkos، همراه هوشمند بازی Skyrim، توانسته است تأخیر پاسخ‌دهی را به زیر ۵۰۰ میلی‌ثانیه برساند. این سیستم با جایگزینی مدل‌های ابری با…

پژوهشگر سوریا ناردی سیستمی را توسعه داده که به‌جای تولید پیکسل، با نوشتن کدهای جاوااسکریپت نقاشی می‌کند. این رویکرد به کاربران اجازه می‌دهد با تغییر خطوط کد، جزئیات اثر هنری را…

اندروز فنولوسا با ایجاد یک پل ارتباطی، دستور قدیمی talk در سیستم‌عامل یونیکس را به یک مدل زبانی بزرگ متصل کرد. این سیستم با شبیه‌سازی یک کاربر در ترمینال، تجربه چت را به صورت…

شرکت Pika با معرفی مجموعه‌ای از چهار مدل صوتی، قیمت تولید صدا و گفتار هوش مصنوعی را به‌شدت کاهش داد. این اقدام تمرکز صنعت را از توانایی مدل‌ها به سمت توجیه اقتصادی اپلیکیشن‌های…

ابزار AudioCraft با استفاده از هوش مصنوعی، امکان تفکیک صدای خواننده و سازها را مستقیماً در مرورگر فراهم می‌کند. این پلتفرم قصد دارد از یک حذف‌کننده سادهٔ صدای خواننده به یک…

استفاده از خط لوله‌های تولید بومیِ هوش مصنوعی، هزینه هر قسمت از درام‌های کوتاه را از ۹۵۰۰ دلار به ۱۳۰۰ دلار رسانده است. این تغییر اجازه می‌دهد تیم‌های کوچک، محتوا را ۱۲ برابر…

موتور جست‌وجوی IndieDex با استفاده از اثر انگشت‌های سنتز شده توسط مدل‌های زبانی، الگوریتم‌های محبوبیت‌محور استیم را دور می‌زند تا بازی‌های مستقل باکیفیت اما کم‌بیننده را شناسایی…

ابزار رایگان Pianoify فایل‌های صوتی و لینک‌های یوتیوب را به نت‌های پیانو و فایل MIDI تبدیل می‌کند. این سرویس با استفاده از یک رمزگشای بلادرنگ، صداها را مستقیماً در مرورگر به اجرای…