بایتدنس ویدیوهای ۳۰ ثانیهای با تغییر صحنهٔ پیچیده تولید میکند
بایتدنس از طریق بازوی ابری خود، مدل Seedance 2.5 را معرفی کرد که قادر به تولید کلیپهای ۳۰ ثانیهای منسجم است. این بهروزرسانی در کنار مدل زبانی جدیدی عرضه شده که ۸۰٪ ارزانتر از…
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
بایتدنس از طریق بازوی ابری خود، مدل Seedance 2.5 را معرفی کرد که قادر به تولید کلیپهای ۳۰ ثانیهای منسجم است. این بهروزرسانی در کنار مدل زبانی جدیدی عرضه شده که ۸۰٪ ارزانتر از…
شرکت بایدو مدل Unlimited-OCR را برای تحلیل اسناد چندصفحهای در یک مرحله (One-shot) معرفی کرد. این سیستم با حذف نیاز به تکهبندی متن، انسجام ساختاری اسناد پیچیده را در خروجیهای…
پلتفرم Oxlo.ai با جایگزینی مدل توکنمحور با قیمتگذاری ثابت بهازای هر درخواست، مانع مالی پردازش اسناد حجیم در لجستیک را حذف کرد. این سرویس با ادغام در OpenAI SDK، امکان استقرار…
متا و اسیلورلوکسوتیکا خط تولید Optics را برای ادغام هوش مصنوعی در عینکهای طبی عرضه کردند. با وجود بهبودهای ارگونومیک و پاسخدهی AI، قیمت بالا و نگرانیهای حریم خصوصی همچنان موانع…
پلتفرم Echonos با استفاده از یک خط لوله هوش مصنوعی، فایلهای صوتی را مستقیماً به ویدیوهای عمودی با کیفیت 2K تبدیل میکند. این ابزار با همگامسازی بصری بر اساس پروفایل انرژی…
مدل Vidu Q3 از شرکت Shengshu Technology اکنون روی پلتفرم MaaS هواوی کلاود در دسترس است. این ابزار با تمرکز بر تداوم بصری، تولید سریالهای کوتاه و تیزرهای تجاری را به سطح صنعتی…
گوگل دیپمایند رابط Interactions API را جایگزین سامانه قدیمی generateContent کرد تا قابلیتهای پیشرفتهای مثل محیطهای ایزوله لینوکس و زنجیرهسازی ابزارها را به عاملهای هوش…
آمازون دسترسی بتای دستیار هوشمند Alexa+ را برای کاربران هندی باز کرد. هدف این اقدام، جذب میلیونها کاربر native است که در گفتگوهای روزمره از ترکیب زبانهای هندی و انگلیسی استفاده…
گوگل دیپمایند با سرمایهگذاری ۷۵ میلیون دلاری در استودیو A24، مسیر خود را از تولید ویدیوهای عمومی به سمت ابزارهای تخصصی تولید فیلم تغییر داد. هدف این همکاری، دریافت بازخوردهای…
انویدیا با معرفی Halos، استانداردهای ایمنی خودرویی را به رباتیک صنعتی آورد تا استقرار انبوه رباتهای انساننما در کارخانهها ممکن شود. این اقدام همزمان با جذب سرمایههای کلان در…
پژوهشگران مدل Moebius را معرفی کردند؛ چارچوبی سبک برای ترمیم تصویر (Inpainting) که با کمتر از ۲٪ پارامترهای مدلهای غولآسا، کیفیتی مشابه آنها ارائه میدهد. این مدل با دستیابی به…
خانواده مدلهای جدید PP-OCRv6 راهکاری مقیاسپذیر برای نویسهخوانی نوری در ۵۰ زبان ارائه میدهد. این مدلها با پارامترهایی بین ۱.۵ تا ۳۴.۵ میلیون، دقت تشخیص و بازشناسی متن را در…