دسته‌بندی
تولید تصویر و ویدیو، صدای مصنوعی، هنر و موسیقی هوشمند، بازی‌ها و وجه سرگرم‌کننده‌ی AI.
۶۸۷ مقاله منتشر شده
مدل Claude Opus 5.5 با استفاده از Claude Code توانست یک موزیک‌ویدیو را به‌صورت کاملاً دترمینستیک و از طریق توابع ریاضی تولید کند. این پروژه نشان می‌دهد که هوش مصنوعی می‌تواند…
نسل آلفا اصطلاح AI را به عنوان یک زبان عامیانه برای توصیف موارد غیرواقعی، ارزان یا باورنکردنی به کار می‌برد. این عبارت اکنون به جای اشاره به فناوری، به توهینی برای هر چیزی تبدیل…
همگام‌سازی دقیق لب‌ها برای واقعی به نظر رسیدن آواتارهای هوش مصنوعی کافی نیست. علت اصلی ایجاد حس ناخوشایند یا «دره وهم‌آور»، نبود ریز-حرکاتی مانند پلک‌زدن و تکان‌های جزئی سر است که…
برنامه‌نویسان اکنون می‌توانند قابلیت‌های تولید موسیقی Suno را از طریق پروتکل MCP مستقیماً در محیط Gemini CLI ادغام کنند. این ابزار امکان ساخت آهنگ، ترانه و موسیقی پس‌زمینه را بدون…
گوگل مدل‌های جدید Gemini 3.8 Flash و Flash-Lite TTS را برای شبیه‌سازی دقیق صدا و طراحی شخصیت‌های صوتی معرفی کرد. این مدل‌ها با توانایی پشتیبانی از ۱۰۰ زبان، استانداردهای کیفیت صدا…
علی‌بابا با معرفی مجموعه مدل‌های Qwen-Audio-3.1، قیمت‌های سرویس‌های صوتی خود را به‌شدت کاهش داد. این اقدام هم‌زمان با برنامه‌ای برای ساخت مدلی با ۱۰ تریلیون پارامتر صورت می‌گیرد.
شرکت OpenAI برای کاهش تنش با جامعهٔ هنرمندان و توسعه ابزارهای تخصصی برای تولیدکنندگان محتوا، سام یام (Sam Yam)، بنیان‌گذار Patreon را به خدمت گرفت. این اقدام نشان‌دهنده چرخش…
یک نمایش فنی نشان می‌دهد که قابلیت‌های تصمیم‌گیری Jev برخلاف هیاهوهای تبلیغاتی، بر یک سازوکار سادهٔ طبقه‌بندی احتمالات استوار است. این پیاده‌سازی محلی ثابت می‌کند که برای مدل‌های…
یک عامل هوشمند در تلاش برای کسب درآمد از طریق خدمات صوتی، با موانع احراز هویت انسانی مانند تأیید شماره تلفن و فیلترهای IP مواجه شد. این تجربه نشان می‌دهد گلوگاه اصلی اقتصاد…
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…