چندوجهی

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…

متا از زیرساخت TEE برای پردازش داده‌های عینک‌های هوشمند در ابر استفاده می‌کند تا دسترسی شرکت به اطلاعات کاربران را به‌صورت رمزنگاری‌شده مسدود کند. این معماری امکان ایجاد حافظه…

متا عامل هوش مصنوعی Muse را در عینک‌های هوشمند خود ادغام کرد تا وظایفی مانند هدایت تمرینات ورزشی و ثبت وعده‌های غذایی را بر عهده بگیرد. این به‌روزرسانی شامل قابلیت‌های بهبود…

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…

متا با معرفی Ray-Ban Meta Audio، نسخه‌ای بدون دوربین از عینک‌های هوشمند خود را برای رفع نگرانی‌های حریم خصوصی عرضه می‌کند. این گجت بر تجربه صوتی و تعامل با عامل هوش مصنوعی Muse…

اپل مدل بینایی-زبانی LensVLM-9B را معرفی کرد که با فشرده‌سازی تصاویر و بازگردانی گزینشی صفحات کلیدی به وضوح کامل، تعادل میان سرعت و دقت را برقرار می‌کند. این سازوکار اجازه می‌دهد…

مایکروسافت نسل جدید سرفیس پرو ۱۲ و لپ‌تاپ ۱۳ را با پردازنده‌های ARM کوالکام معرفی کرد. این به‌روزرسانی شامل اپلیکیشن Ink Canvas برای گردش‌کارهای خلاقانه و لوازم جانبی با بازخورد…

چارچوب LensVLM با استفاده از مکانیزم گسترش انتخابی، اجازه می‌دهد مدل‌های VLM تصاویر به‌شدت فشرده را بدون افت دقت پردازش کنند. این سیستم با شناسایی نواحی حیاتی و بزرگ‌نمایی آن‌ها،…

اوپن‌ای‌آی قابلیت پشتیبانی از پلاگین‌ها را به حالت صوتی ChatGPT اضافه کرد تا کاربران بتوانند ابزارهای اداری خود را با دستورات گفتاری مدیریت کنند. این به‌روزرسانی همچنین قابلیت‌های…

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…

جداول قیمت‌گذاری استاندارد مدل‌های زبانی اغلب با نادیده گرفتن تفاوت‌های توکن‌سازی و نرخ‌های تبدیل چندوجهی، تخمین‌های بودجه را به شدت خطا می‌برند. تحلیل واقعی هزینه نیازمند تست…

یوتیوب قابلیت «فیدهای سفارشی» را معرفی کرد که به کاربران اجازه می‌دهد با زبان طبیعی، الگوریتم توصیه‌گر خود را طراحی کنند. این ابزار که توسط مدل Gemini قدرت گرفته، امکان ایجاد…