Ideogram 4.5: ویرایش دقیق تصاویر بدون تخریب پسزمینه
مدل جدید Ideogram 4.5 با تمرکز بر ویرایشهای جزئی و سازگار، امکان تغییر بخشهای خاصی از تصویر را بدون تغییر در سایر پیکسلها فراهم میکند. این بهروزرسانی فاصله میان ایدهپردازی…
دستهبندی
تولید تصویر و ویدیو، صدای مصنوعی، هنر و موسیقی هوشمند، بازیها و وجه سرگرمکنندهی AI.
۸۲۲ مقاله منتشر شده
مدل جدید Ideogram 4.5 با تمرکز بر ویرایشهای جزئی و سازگار، امکان تغییر بخشهای خاصی از تصویر را بدون تغییر در سایر پیکسلها فراهم میکند. این بهروزرسانی فاصله میان ایدهپردازی…
شرکت Tavus مدل Griffin را معرفی کرد؛ سیستمی که با شبیهسازی دقیق حرکات صورت و زبان بدن، مرز بین آواتارهای دیجیتال و انسان را میشکند. در یک مطالعه، نیمی از شرکتکنندگان نتوانستند…
شرکت Shadow یک خط لولهٔ نظارتی چندوجهی برای شناسایی تغییرات ناخواسته در چهره و آرتیفکتهای تصویری معرفی کرد. این سیستم با شناسایی خطاها پیش از رندر نهایی، از اتلاف گستردهٔ منابع…
یک توسعهدهنده معماری فنی اپلیکیشن Colorize Old Photos را افشا کرد که با استفاده از رایانش لبه و مدلهای تخصصی، عکسهای سیاه و سفید را رنگی و ترمیم میکند. این پروژه چالشهای…
پرانیث کاویا تاتسارا با استفاده از ابزار Rive، سیستمهای انیمیشنی پویا را برای رباتهای همراه AI طراحی کرده است. این متد با جایگزینی ویدیوهای ثابت با ماشینهای حالت، اجازه میدهد…
پروژه متنباز B.L.O.O.M با استفاده از برد Arduino UNO Q، یک ایستگاه کاری هوش مصنوعی آفلاین و قابلحمل برای طبیعتگردان ساخته است. این دستگاه صدای پرندگان را بهصورت محلی شناسایی…
استارتاپ Meshy با تبدیل متن و تصویر به مدلهای سهبعدی، درآمد سالانه خود را به ۱۰۰ میلیون دلار رساند. این شرکت اکنون از ابزارهای حرفهای به سمت بازیهای مصرفکننده و خلق محتوای…
پژوهشگران انویدیا و دانشگاههای MIT و آکسفورد با معرفی Physis-Lang، مدلهای ویدئویی را قادر ساختند تا به جای تقلید از پیکسلها، قوانین فیزیک را درک کنند. این سیستم باعث شد مدل…
پلتفرم Shadow سیستمی را معرفی کرد که تقویم محتوایی ۳۰ روزه را بدون نیاز به پرامپتنویسی دستی تولید و زمانبندی میکند. این ابزار با استفاده از یک آستانهٔ دقیق برای جلوگیری از…
مقایسهای جامع نشان میدهد ElevenLabs در شبیهسازی احساسات و سرعت کلونینگ صدا پیشتاز است، در حالی که Azure Speech همچنان استاندارد طلایی برای انطباق سازمانی و مقیاس چندزبانه است.…
ناشران با ادغام APIهای تبدیل متن به گفتار و شبیهسازی صدا، هزینهها و زمان تولید کتابهای صوتی را به شدت کاهش دادهاند. این رویکرد امکان مقیاسپذیری بومیسازی و حفظ ثبات صدا در…
شرکت Manus با معرفی نسخه ۲.۰، عامل تکمنظوره خود را به پلتفرمی برای توسعه بازی و تدوین ویدیو تبدیل کرد. این بهروزرسانی با بهینهسازی مصرف توکن، هزینههای اجرا را بهطور چشمگیری…