چندوجهی

شرکت اکسیس با ترکیب تراشه‌های تخصصی و مدل‌های بهینه، پردازش داده‌ها را از ابر به داخل دوربین‌ها منتقل کرده است. این تغییر باعث کاهش شدید تأخیر و هزینه‌های پهنای باند در سیستم‌های…

شرکت GMEX Robotics با تغییر استراتژی از یکپارچگی عمودی به مدل «ترمینال + مغز»، بر هوش اجتماعی ربات‌ها تمرکز کرده است. هدف این شرکت انتقال ربات‌ها از محیط‌های ساختاریافتهٔ انبارها…

پلتفرم Datalab ابزار متن‌باز OmniExtractBench را برای ارزیابی دقیق و بدون سوگیری سامانه‌های استخراج داده از PDF معرفی کرد. این محک با استفاده از یک سیستم امتیازدهی قطعی، دقت…

پروژه Afterlight با ایجاد یک موزه دیجیتال از سال ۲۱۲۶، سیستمی را معرفی می‌کند که در آن هر روایت تولیدشده توسط Gemini باید توسط یک کیوریتور انسانی تأیید شود. این رویکرد نشان می‌دهد…

شرکت Black Forest Labs مدل Flux 3 Image را برای ویرایش دقیق بخش‌های خاصی از تصویر بدون تغییر در کل صحنه معرفی کرد. این مدل با پشتیبانی از خروجی 4K و لایسنس تجاری، مستقیماً با رقیب…

گوگل مدل جدید Gemini 4 Argon را معرفی کرد که در تحلیل ویدیو و کارهای دانشی برتری چشمگیری نسبت به GPT-6 و Claude 5.5 دارد. این مدل در حال حاضر تنها برای تیم‌های منتخب امنیت سایبری…

شرکت Suno مدل بتای Speech را معرفی کرد که قادر است گفتار و موسیقی پس‌زمینه را به‌صورت هم‌زمان و هماهنگ تولید کند. این قابلیت مرز میان تولید موسیقی و تولید محتوای صوتی را از بین…

مایکروسافت مجموعه‌ای از مدل‌های صوتی بلادرنگ را برای حذف تأخیر در هوش مصنوعی صوتی عرضه کرد. مدل جدید MAI-Transcribe-2-Streaming به عامل‌های هوشمند اجازه می‌دهد هم‌زمان با صحبت…

یک چارچوب جدید برای مهندسی معکوس ویدیو، تولید لوپ‌های سینمایی پیش‌بینی‌پذیر را بدون نیاز به آزمون و خطاهای هزینه‌بر ممکن می‌کند. این روش با تفکیک پرامپت‌ها به دو بخش «گراف صحنه» و…

یک توسعه‌دهنده مستقل ابزاری به نام Behavr را معرفی کرد که نیاز به ساخت زیرساخت‌های پیچیده برای ذخیره و بازیابی تصاویر در اپلیکیشن‌های هوش مصنوعی را از بین می‌برد. این API به…

مایکروسافت مجموعه‌ای از مدل‌های جدید صوتی را برای تبدیل دقیق گفتار به متن و تولید صدا معرفی کرد. این ابزارها با پشتیبانی از ۶۰ زبان و شناسایی گوینده عرضه شده‌اند، اما هنوز قابلیت…

یک مدل تنظیم‌شده‌ی LayoutLM اکنون استخراج داده‌های ساختاریافته از PDFهای مالایالام، هندی و انگلیسی را با دقت بالا و به‌صورت محلی ممکن می‌کند. این دستاورد شکاف موجود در نویسه‌خوانی…