چگونه ویرایش شیءمحور در Google Pics چرخه تکرار پرامپت را میشکند؟
گوگل در رویداد I/O ۲۰۲۶ از Google Pics پرده برداشت؛ ابزاری برای طراحی که با قابلیت ویرایش شیءمحور، اجازه میدهد بدون بازسازی کل تصویر، تنها بخشهای خاصی از آن را تغییر دهید.
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
گوگل در رویداد I/O ۲۰۲۶ از Google Pics پرده برداشت؛ ابزاری برای طراحی که با قابلیت ویرایش شیءمحور، اجازه میدهد بدون بازسازی کل تصویر، تنها بخشهای خاصی از آن را تغییر دهید.
انویدیا ابزار ACE را برای پشتیبانی از شخصیتهای هوش مصنوعی چندزبانه بهروزرسانی کرد و DLSS 4.5 را برای موتور آنریل منتشر نمود. این تغییرات امکان ایجاد NPCهای گفتگومحور روی دستگاه…
ربات Reachy Mini اکنون میتواند تمام مراحل تبدیل گفتار به گفتار را بهصورت محلی اجرا کند. این تغییر نیاز به سرورهای ابری و کلیدهای API را حذف کرده و حریم خصوصی کامل و هزینه صفر…
یوتیوب سیستم اظهارات داوطلبانه سازندگان را کنار گذاشته و شناسایی خودکار ویدیوهای واقعگرایانه AI را جایگزین میکند. این پلتفرم اکنون با استفاده از سیگنالهای داخلی و متادیتای…
شرکت ElevenLabs مدل Music v2 را معرفی کرد که قابلیت تغییر ژانر در میانهی یک آهنگ را دارد. این مدل برخلاف رقبا از دادههای لایسنسشده استفاده میکند تا خروجیها برای استفاده تجاری…
استارتاپ Human Archive با جذب ۸.۲ میلیون دلار سرمایه، دادههای حرکتی کارگران گیگ در هند را برای آموزش رباتها جمعآوری میکند. این شرکت از سختافزارهای تخصصی و مدل «تخفیف در خدمات…
یک خط لوله (Pipeline) جدید برای آموزش مدلهای بینایی-زبانی معرفی شده است که به جای تکیه بر حدسهای هوش مصنوعی، از اثباتهای ریاضی برای پاداشدهی استفاده میکند. این روش با ترکیب…
نرمافزار Brethof Voice Pro 2.0 با استفاده از مدلهای Qwen3-ASR و Hunyuan-MT2، امکان تبدیل و ترجمه صوت را بهصورت کاملاً محلی فراهم کرد. این سیستم در بنچمارکها از Whisper…
بایتدنس مدل Lance را معرفی کرد؛ یک مدل ۳ میلیارد پارامتری که تولید، ویرایش و درک تصویر و ویدیو را در یک چارچوب واحد جمع میکند. این مدل با بهرهوری بالا، در بنچمارکهای کلیدی…
گوگل در کنفرانس I/O ۲۰۲۶ اپلیکیشن **Pics** را معرفی کرد تا طراحی گرافیکی را مستقیماً به Workspace بیاورد. این ابزار با تمرکز بر ویرایش دقیق و مبتنی بر کامنت، مستقیماً با Canva و…
شرکت Stability AI مدل Stable Audio 3.0 را معرفی کرد که تولید موسیقی تا ۶ دقیقه را ممکن میکند. این مدلها با دادههای قانونی آموزش دیدهاند و نسخههای وزنباز آنها برای استفاده…
تیم Qwen در علیبابا با معرفی مدل Qwen3.5-LiveTranslate-Flash، تأخیر ترجمه همزمان را به ۲.۸ ثانیه کاهش داد. این مدل با ترکیب دادههای بصری و صوتی، کیفیت ترجمه را در محیطهای شلوغ…