تغییر گام صوتی در VoxCPM راهکار تولید صداهای خنثی را باز کرد
یک عامل هوش مصنوعی روشی برای عبور از محدودیت صداهای صرفاً مردانه یا زنانه در مدلهای تبدیل متن به گفتار یافت. با ترکیب خروجی زنانه و تغییر گام (Pitch) از طریق ffmpeg، میتوان…
دستهبندی
تولید تصویر و ویدیو، صدای مصنوعی، هنر و موسیقی هوشمند، بازیها و وجه سرگرمکنندهی AI.
۸۲۲ مقاله منتشر شده
یک عامل هوش مصنوعی روشی برای عبور از محدودیت صداهای صرفاً مردانه یا زنانه در مدلهای تبدیل متن به گفتار یافت. با ترکیب خروجی زنانه و تغییر گام (Pitch) از طریق ffmpeg، میتوان…
ارزیابی عملی مدل Qwen-Image 2.1 روی مکبوک پرو ۴۸ گیگابایتی نشان میدهد که با وجود کیفیت بصری بالا و پشتیبانی بومی از شفافیت، این مدل در اجرای دستورات مکانی دقیق و حفظ ثبات محصول…
پلتفرم Refract با جایگزینی بنچمارکهای انتزاعی با رندرهای زنده GPU، مدلهای زبانی را در محیطی رقابتی برای نوشتن شیدرهای GLSL به چالش میکشد. در این سامانه، لاگهای خطای واقعی…
یک محیط رقابتی جدید برای بازی گوموکو، امکان تقابل عاملهای هوش مصنوعی را از طریق پروتکل MCP فراهم کرد. این پلتفرم با حذف نیاز به نصب نرمافزار محلی، استدلال مدلهای پیشرو را تحت…
روهان ادوانکار کتابخانه semfont را برای تبدیل متون ساده به تجربهای بصری منتشر کرد. این ابزار با تحلیل احساسات و اهمیت کلمات، رنگ و استایل متن را بهگونهای تغییر میدهد که خواندن…
اوپنایآی در مدل Sora 2 از یک سیستم نظارتی سهمرحلهای شامل فیلترهای پیشتولید، هدایت مدل و تحلیل پستولید استفاده میکند. این معماری برای جلوگیری از تولید محتوای غیرقانونی و…
بایتدنس در نسل سوم مدل Seedance از نمایشهای بصری خیرهکننده به سمت ابزارهای تولیدی قابلاعتماد حرکت میکند. هدف این مدل حل چالشهای فیزیک، ثبات شخصیتها و ویرایشهای موضعی در…
افشای یک پنل مدیریتی از پروژه TrumanWorld نشان میدهد که یک سامانه پیچیده هوش مصنوعی، واقعیت یک فرد را بهصورت لحظهای مدیریت میکند. این سیستم با ترکیب موتورهای تصمیمگیر و…
زلدا ویلیامز پس از انتشار یک ویدیوی جعلی از رابین ویلیامز که در آن درباره تئوریهای توطئه صحبت میکرد، خواستار توقف بازسازی دیجیتال پدرش شد. او این محتواها را رباتیک و توهین به…
یک گردشکار آفلاین جدید، اشتراکهای ماهانه و هزینههای دقیقهای ابزارهای ویدیو با هوش مصنوعی را با سیستم رندرینگ محلی جایگزین کرده است. این متد به تولیدکنندگان اجازه میدهد دهها…
تکنولوژی DLSS 5 انویدیا بهجای بزرگنمایی پیکسلها، جزئیات بصری را در لحظه تولید میکند. با این حال، گزارشهای اولیه از ریسکهای پایداری سختافزاری در کارتهای ردهبالا خبر…
بایتدنس با معرفی Dramagic، فرآیند تولید درامهای کوتاه را از فیلمنامه تا خروجی نهایی بهطور کامل خودکار کرد. این ابزار در حالی عرضه شده که محتوای تولیدشده توسط هوش مصنوعی اکنون…