پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

چطور Lumo 2.0 حریم خصوصی را با جهشی در بنچمارک‌ها ترکیب کرد؟

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…

۵ دقیقه خواندن
زندگی با AI

تولید موسیقی با هوش مصنوعی زمان آماده‌سازی ویدیوها را ۶۸٪ کاهش داد

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…

۶ دقیقه خواندن

پروتون لومو ۲.۰: ادغام تولید تصویر و استدلال در محیط رمزنگاری‌شده

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…

۲ دقیقه خواندن۱

ابزارهای پوشیدنی در برابر ایمپلنت‌های جراحی برای بازیابی گفتار بیماران

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…

۶ دقیقه خواندن۱

گوگل: دسترسی رایگان به تولید تصویر شخصی‌سازی‌شده برای کاربران آمریکا

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…

۲ دقیقه خواندن

Flexion Robotics با آموزش شبیه‌ساز-محور، ربات‌های انسان‌نما را به محیط اداری

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…

۳ دقیقه خواندن
آموزش کاربردی

چارچوب چهاربخشی برای رفع تناقض بصری در موزیک‌ویدیوهای هوش مصنوعی

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…

۶ دقیقه خواندن