درون سازوکار h3.c برای کاهش زمان پردازش ویدیو در مک
موتور استنتاج بومی h3.c با بهینهسازی حافظه و کوانتش int8، اجرای محلی مدل MiniMax-H3 را روی تراشههای اپل ممکن کرد. این ابزار زمان حذف نویز (Denoising) برای کلیپهای کوتاه را از…
۲۵ دقیقه خواندن۲
دستهبندی
سرگرمی و خلاقیت
تولید تصویر و ویدیو، صدای مصنوعی، هنر و موسیقی هوشمند، بازیها و وجه سرگرمکنندهی AI.
۴۳۳ مقاله منتشر شده
«تست موتور اول»؛ راهکاری برای رفع نقص متریالهای سهبعدی در بازیسازی
مدلهای سهبعدی تولیدشده توسط هوش مصنوعی بهندرت در لحظه خروجی آماده استفاده در بازی هستند. این چارچوب فنی، یک «تست موتور اول» را برای تأیید مقیاس، متریال و عملکرد در Unity و…
۹ دقیقه خواندن
ترس از هوش مصنوعی در قالب بازی Prove You're Human
استودیو Sunset Visitor در حال توسعه بازی ترسناک روانشناختی Prove You're Human است که در آن بازیکن باید یک مدل یادگیرنده را متقاعد کند که زنده نیست. این اثر به بررسی اخلاقیات…
۳ دقیقه خواندن۲
تبدیل عکسهای ثابت به ویدیوهای POV با همگامسازی صوتی TalkPix AI
ابزار TalkPix AI اکنون قادر است یک تصویر ثابت و یک فایل صوتی را به ویدیویی واقعگرایانه با انیمیشنهای لبخوانی دقیق تبدیل کند. این فناوری نیاز به تجهیزات گرانقیمت ضبط حرکت یا…
۱ دقیقه خواندن
فرمول ۵گانه Kling AI کنترل دوربین را تضمین میکند اما چهرهها را نه
تحلیل دقیق Kling AI نشان میدهد که ساختار پرامپت پنجبخشی میتواند نورپردازی و حرکت دوربین را مدیریت کند، اما قادر به رفع نقصهای ساختاری مانند تغییر شکل چهره نیست. کاربران باید…
۸ دقیقه خواندن۱
اپلیکیشن اندروید Runway منتشر شد اما ابزارهای حرفهای در دسکتاپ ماندند
شرکت Runway دسترسی به ابزارهای خود را با انتشار اپلیکیشن اندروید گسترش داد، اما قابلیتهای کلیدی مانند ماسکگذاری دقیق و گردشکارهای سفارشی همچنان محدود به نسخه دسکتاپ هستند.…
۶ دقیقه خواندن۳
ابزار Coat of Arms Maker متنهای ساده را به نشانهای خانوادگی تبدیل میکند
یک ابزار جدید مبتنی بر هوش مصنوعی، طراحی نشانهای خانوادگی و نمادهای فانتزی را برای غیرطراحان ممکن کرده است. این سیستم با تمرکز بر قواعد سختگیرانه هنر نشانشناسی، نیاز به آزمون و…
۲ دقیقه خواندن
۵ الگوی مهندسی پرامپت برای تولید عکسهای تجاری با کیفیت استودیویی
بررسی بیش از ۱,۵۰۰ پرامپت نشان میدهد که برای خروج از ظاهر «مصنوعی» تصاویر تجاری، باید بهجای صفتهای کلی، بر جزئیات فیزیکی و برندسازی تخیلی تمرکز کرد. این یافتهها نقشهای برای…
۳ دقیقه خواندن۴
مدل ThonburianTTS با ۱۰ ثانیه صوت، صدای تایلندی را با دقت ۸۹٪ شبیهسازی میکند
پژوهشگران دانشگاه ماهیدول مدل رایگان و محلی ThonburianTTS را برای شبیهسازی طبیعی صدای تایلندی منتشر کردند. این مدل امکان کپی صدای Zero-shot را تنها با ۵ تا ۱۰ ثانیه نمونه صوتی و…
۳ دقیقه خواندن۱
شکاف نسخهای Midjourney V8.2؛ چرا ثبات شخصیتها هنوز به V7 وابسته است؟
نسخه V8.2 میدجرنی کیفیت بصری را ارتقا داده اما به دلیل نبود پشتیبانی بومی از ارجاع به شخصیت، کاربران حرفهای را مجبور به استفاده از یک خط لوله دوگانه بین V8.2 و V7 میکند. این نقص…
۷ دقیقه خواندن۱
API جدید Kling چگونه تصاویر ثابت را به ویدیوهای گوینده تبدیل میکند؟
Kling از طریق API جدید Lip Sync در پلتفرم Ace Data Cloud، امکان تبدیل تصاویر ثابت به ویدیوهای دارای گفتار را فراهم کرد. این ابزار به توسعهدهندگان اجازه میدهد تا حرکات لب…
۵ دقیقه خواندن۲
متن در برابر گرافیک؛ تغییر پارادایم ساخت ویدیو در HyperFrames
یک توسعهدهنده با استفاده از چارچوب متنباز HyperFrames، فرآیند ساخت ویدیوهای محصول را از محیطهای گرافیکی به خط لولهای متنی منتقل کرد. این روش به عاملهای هوش مصنوعی اجازه…
۴ دقیقه خواندن