پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

سرگرمی و خلاقیت

مدل Drama 3 امکان ویرایش تک‌کلمه‌ای صداهای هوش مصنوعی را فراهم کرد

شرکت Fish Audio مدل Drama 3 را معرفی کرد که به جای تولید مجدد کل فایل صوتی، اجازه می‌دهد کلمات خاص یا لحن بخش‌هایی از اجرا را به‌صورت نقطه‌ای ویرایش کنید. این ابزار فرآیند تولید…

۵ دقیقه خواندن

«تجربه‌ای شخصی‌سازی‌شده»؛ هدف اپل از عرضه هاب HomeView با Siri AI

اپل از هاب خانه HomeView با نمایشگر ۷ اینچی و تراشه A18 رونمایی کرد. این دستگاه با بهره‌گیری از Siri AI و بخش‌های امن سخت‌افزاری، تجربه‌ای شخصی‌سازی‌شده و متمرکز بر حریم خصوصی را…

۷ دقیقه خواندن

VoxCPM2 در برابر ElevenLabs؛ برتری مدل متن‌باز در دقت زبان تایلندی

مدل متن‌باز VoxCPM2 با حذف فرآیند توکن‌سازی، در بازتولید کلمات زبان تایلندی به شدت از ElevenLabs پیشی گرفت. با وجود شباهت صوتی خیره‌کننده، این مدل همچنان در زبان‌هایی مانند عربی و…

۴ دقیقه خواندن
آموزش کاربردی

Claude Motion: جایگزینی کدنویسی با تولید پیکسل برای حذف خطاهای ویدیوهای AI

آنتروپیک ابزار Claude Motion را معرفی کرد که به‌جای تولید پیکسل، از کد برای متحرک‌سازی داده‌ها استفاده می‌کند. این رویکرد امکان ویرایش دقیق اعداد و متن را بدون نیاز به رندر مجدد…

۳ دقیقه خواندن
آموزش کاربردی

تولید ویدیوهای هوش مصنوعی: جایگزینی رندرهای تک‌فایل با کیت‌های متغیر

تغییر استراتژی از تحویل یک ویدیوی صیقل‌خورده به «کیت‌های متغیر» (Variant Kits)، درآمد سازندگان را از عملکرد یک دارایی واحد جدا می‌کند. این روش به جای رندرهای یک‌باره، چرخه‌های تست…

۶ دقیقه خواندن