جستوجوی صوتی زنده در جیمیل برای کاربران Pro فعال شد
گوگل قابلیت Gmail Live را وارد مرحله بتای آزمایشی کرد تا کاربران بتوانند با زبان طبیعی و دستورات صوتی، ایمیلهای خود را پیدا کنند. این ابزار بخشی از استراتژی گستردهتر گوگل برای…
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
گوگل قابلیت Gmail Live را وارد مرحله بتای آزمایشی کرد تا کاربران بتوانند با زبان طبیعی و دستورات صوتی، ایمیلهای خود را پیدا کنند. این ابزار بخشی از استراتژی گستردهتر گوگل برای…
پروتون نسخه Lumo 2.0 را با تمرکز بر حریم خصوصی، رمزنگاری دسترسی-صفر و قابلیتهای چندوجهی عرضه کرد. این بهروزرسانی با جهشی در نمرات بنچمارک، جریمهٔ عملکردی مدلهای رمزنگاریشده را…
یک سازنده محتوا با جایگزینی کتابخانههای موسیقی رایگان با ابزار SonGo، زمان انتخاب موزیک را از ۲۲ به ۷ دقیقه رساند. این تجربه نشان میدهد که گذار از «جستوجو» به «توصیف»، خستگی…
پروتون نسخه ۲.۰ چتبات Lumo را با قابلیتهای تولید تصویر و حالت تفکر برای مسائل پیچیده عرضه کرد. این بهروزرسانی با حفظ رمزنگاری دسترسی-صفر، حریم خصوصی گفتگوهای چندوجهی را حتی در…
متا نسخه دوم سیستم Brain2Qwerty را معرفی کرد که میتواند جملات کامل را از اسکنهای غیرتهاجمی مغز رمزگشایی کند. این شرکت با متنباز کردن کدها و دادهها، قصد دارد فاصله میان…
توسعهدهندگان با جایگزینی جریانهای پیچیده واکنشگرا با رشتههای مجازی JDK، عاملهای صوتی با تأخیر بسیار کم میسازند. این روش ادغام API Realtime شرکت OpenAI را از طریق کدهای…
تکنیک «رمزگشایی خط لولهای» در موتور Photon با حذف دورههای بیکاری GPU، توان عملیاتی مدلهای VLM را بهویژه در سختافزارهای سطح بالا مانند B200 تا ۳۵٪ افزایش داده است.
گوگل قابلیت تولید تصویر بر اساس دادههای شخصی حساب کاربری را برای تمامی کاربران واجد شرایط در آمریکا رایگان کرد. این ویژگی که پیشتر محدود به اشتراکهای پولی بود، حالا با تکیه بر…
خلبانان پهپاد با شکافی عمیق میان ضبط تصاویر 4K و تولید تدوین نهایی مواجهاند. ابزارهای جدید از سیستمهای خودکارساز بر پایه هوش مصنوعی تا سوئیتهای تخصصی اصلاح رنگ، برای رفع…
شرکت DJI مدل Osmo Pocket 4P را با دامنه دینامیکی ۱۷ استاپ و سیستم لنز دوگانه معرفی کرد. این دوربین حرفهای با هدف جذب سازندگانی که به کیفیت بصری استانداردهای سینمایی نیاز دارند،…
استارتآپ سوئیسی Flexion Robotics با استفاده از یادگیری تقویتی و محیطهای شبیهسازی، رباتهای انساننما را از دموهای ساده فراتر برده است. این سیستم به رباتها اجازه میدهد وظایف…
برای تولید ویدیوهای موسیقی با کیفیت حرفهای، باید از توصیفات کلی به ساختاری شامل سبک، موتیف، رنگ و ضربآهنگ تغییر مسیر داد. این متد حدسزنی مدل را حذف و انسجام بصری بین صحنهها را…