سرگرمی و خلاقیت

یک گردش‌کار جدید در پلتفرم PixAI با استفاده از مدل Tsubaki.3، امکان خلق تصاویر پیکسل‌آرت بدون نیاز به ویرایشگرهای شبکه‌ای را فراهم کرده است. این متد با تمرکز بر عبارات کلیدی خاص،…

بررسی فنی مدل Tsubaki.3 نشان می‌دهد که جای خالی برخی جزئیات در پرامپت، باعث فعال شدن کلیشه‌های پیش‌فرض مدل می‌شود. کاربران با جایگزینی دستورات کلی با مقادیر دقیق و صریح، می‌توانند…

یک پروژه‌ی طنز در گیت‌هاب با نام jev-leftpad، عملیات ساده‌ی افزودن فاصله به ابتدای متن را به جای یک خط کد، به یک مدل هوش مصنوعی سپرده است. این ابزار با هدف نقد «بیش‌مهندسی»…

بررسی هفت API شبیه‌سازی صدا نشان می‌دهد Fish Audio در شباهت به گوینده پیشتاز است، در حالی که ElevenLabs سخت‌گیرانه‌ترین پروتکل‌های رضایت را دارد. این تحلیل شکاف عمیقی را میان…

اندازه‌گیری زمان تولید یک کلیپ تک‌به‌تک، هزینه‌های واقعی یعنی تلاش‌های تلف‌شده و جابه‌جایی بین ابزارها را نادیده می‌گیرد. رویکرد جدید بر کوتاه‌تر کردن کل چرخه «پرامپت تا کلیپ»…

یک توسعه‌دهنده مجموعه‌ای متن‌باز به نام MagicKit را منتشر کرد که تولید تصویر، متن و ویدیو را بدون نیاز به ثبت‌نام یا کلید API فراهم می‌کند. این پروژه نشان می‌دهد چگونه می‌توان…

یک خط لوله‌ی پایتونی جدید با مجوز MIT، فرآیند تولید مستند از پژوهش تا تدوین نهایی را خودکار می‌کند. این سیستم با استفاده از ابزارهای محلی، مشکلاتی نظیر توهم در ارجاعات و ناهماهنگی…

علی‌بابا مدل وزن‌باز Qwen-Image-2.1 را برای تولید و ویرایش دقیق تصاویر منتشر کرد. این مدل با بهینه‌سازی برای سخت‌افزارهای مصرف‌کننده، قابلیت پشتیبانی بومی از تصاویر شفاف RGBA را…

پروژه متن‌باز JevChat نشان می‌دهد که مدل‌های طبقه‌بندی را می‌توان با نمونه‌گیری تکرارشونده از محتمل‌ترین نمادها، به یک چت‌بات تبدیل کرد. این رویکرد اگرچه از نظر محاسباتی گران است،…

شرکت Runway با معرفی مدل GWM-1، تولید ویدیو را از حالت «پرامپت و انتظار» به تجربه‌ای تعاملی و آنی تبدیل کرده است. این فناوری با کاهش هزینه‌های پردازشی، مسیر را برای کاربردهای…

آزمون‌های کور نشان می‌دهند که برخلاف ادعاهای کاربران درباره عدم اصالت، تفاوت شنیداری میان موسیقی تولیدشده توسط هوش مصنوعی و آثار انسانی تقریباً صفر است. این شکاف ثابت می‌کند که…