حفظ پیچیدگیهای گفتاری AudioShake در برابر پاکسازی سنتی صدا
سامانه جدید AudioShake با جداسازی صداهای همپوشان و نویز پسزمینه، آرشیوهای صوتی قدیمی را به مجموعهدادههای آموزشی برای هوش مصنوعی تبدیل میکند. این ابزار برخلاف سیستمهای…
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
سامانه جدید AudioShake با جداسازی صداهای همپوشان و نویز پسزمینه، آرشیوهای صوتی قدیمی را به مجموعهدادههای آموزشی برای هوش مصنوعی تبدیل میکند. این ابزار برخلاف سیستمهای…
یک دانشجوی کامبوجی اپلیکیشن MusPatrol را برای شناسایی محلهای پرورش پشه در شرایط قطع اینترنت طراحی کرده است. این ابزار با اجرای مدلهای CLIP و Gemma 4 بهصورت محلی در مرورگر، حریم…
یک متخصص جلوههای ویژه با راهاندازی YourFXCase AI، دسترسی رایگان به تولید ویدیوهای هوش مصنوعی را از طریق مدل جذب درآمد تبلیغاتی ممکن کرد. این پروژه به بررسی توازن میان سرعت…
یک راهنمای فنی جامع، مسیر استقرار یک سرویس تولید کتاب صوتی در مقیاس صنعتی را ترسیم میکند. این معماری با ترکیب قابلیتهای شبیهسازی صدای ElevenLabs و سرعت بکاند FastAPI، تولید…
آنتروپیک قابلیتهای کلود را با ابزارهای بصری جدید برای تحلیل دادههای زنده و ساخت ویدیوهای متحرک گسترش داد. این بهروزرسانی همچنین دسترسی مستقیم کلود به محیط گوگل ورکاسپیس را…
یک توسعهدهنده با جداسازی لایه محاسباتی از لایه زبانی، مربی شطرنجی ساخت که هرگز حرکات غیرقانونی پیشنهاد نمیکند. این سیستم بهجای تکیه بر حافظه مدل زبانی، دادههای دقیق یک موتور…
بن افلک استارتاپ تولید فیلم InterPositive را به مبلغ ۵۸۷ میلیون دلار به نتفلیکس فروخت. این معامله نشان داد که افلک برخلاف بسیاری از سلبریتیها، تسلط عمیقی بر ریاضیات و کدنویسی…
پلتفرم FOX Nation با تولید سریال «هودینی: بازگشت از مرگ»، برای نخستین بار در تاریخ استریمینگ از تصاویر کاملاً سنتتیک برای یک اثر بلند استفاده میکند. این پروژه با ترکیب بازیگران…
مؤسسه TII مدل Falcon-ASR را با ۱.۶ میلیارد پارامتر معرفی کرد که رکورد جدیدی در دقت تبدیل گفتار به متن برای لهجههای عربی و اماراتی ثبت کرده است. این مدل بدون نیاز به تعیین زبان،…
مدل Magnific One با معرفی نقش «مدیر هنری خودکار»، ابتدا روی حس بصری و ترکیببندی تصمیم میگیرد و سپس پیکسلها را میکشد. این سیستم با قابلیت Brand Kit، یکپارچگی بصری برندها را در…
با وجود ادعاهای تسلا و انویدیا، متخصصان هشدار میدهند که مدلهای فعلی هوش مصنوعی قادر به مدیریت متغیرهای دنیای فیزیکی نیستند. پیشرفت در «مدلهای جهان» امیدوارکننده است، اما…
آمازون از بینایی ماشین و بردارهای ویژگی با ابعاد بالا برای تحلیل فرم بدن و بهینهسازی تناسب لباس استفاده میکند. این سامانه مدلهای سهبعدی بدن را به نسبتهای نرمالشده تبدیل…