موضوع
Models that natively process text+image+audio+video
۱٬۴۲۰ مقاله منتشر شده
یک توسعه‌دهنده معماری جدیدی برای عامل‌های صوتی فروش B2B طراحی کرده است که با تفکیک مدل زبانی از پایگاه‌داده، دقت داده‌های حساس مانند قیمت و موجودی را تضمین می‌کند. این سیستم با…
یک راهنمای کاربردی جدید روش‌های تبدیل عکس به ویدیو با استفاده از هوش مصنوعی را بررسی می‌کند. این متد بر ایجاد حرکات ظریف و مهندسی دقیق پرامپت برای حفظ ثبات بصری تأکید دارد.
پلتفرم Reaxys با ادغام مدل بینایی MolMole متعلق به LG AI Research، ترسیم‌های شیمیایی در پتنت‌ها و مقالات را به داده‌های متنی تبدیل می‌کند. این فناوری نیاز به بررسی دستی ترکیبات…
ابزار Motion Control AI امکان انتقال حرکات یک ویدیو به یک تصویر ثابت را فراهم می‌کند. این سیستم نیاز به سخت‌افزارهای گران‌قیمت موشن‌کپچر یا ریگینگ دستی را برای تولید محتوای کوتاه…
یک پلتفرم جدید با ارائه API برای مدل‌های Sora 2 و Sora 2 Pro، امکان تبدیل کلیپ‌های تک‌مرحله‌ای به سیستم‌های تولیدی تکرارپذیر را فراهم کرد. این ابزار با ادغام تولید ویدیو از متن و…
استارتاپ Nuance Labs برای جایگزینی زنجیره‌های تکه‌تکه‌ی آواتارهای هوش مصنوعی با یک مدل واحد و یکپارچه، ۵۰ میلیون دلار جذب کرد. این سیستم با پردازش هم‌زمان صدا و تصویر، تعاملات…
شرکت Reward AI با معرفی مدل OM-1، یادگیری مهارت‌های پیچیده رباتیک را از وابستگی به سخت‌افزار خاص جدا کرد. این سیستم به‌جای استفاده از داده‌های ربات، تنها از طریق یک دستکش…
شرکت OpenAI استارتاپ Glass Imaging را برای ادغام شبکه‌های عصبی در سخت‌افزار دوربین‌ها تصاحب کرد. این اقدام نشان‌دهنده استراتژی جدید OpenAI برای عبور از لایه نرم‌افزاری و ورود به…
شرکت Nari Labs با بهینه‌سازی مدل‌های مبتنی بر Qwen3، جایگاه نخست بنچمارک‌های Coval را در زمینه سرعت و هزینه تبدیل متن به گفتار و بالعکس به دست آورد. این مدل‌ها در حالی عملکردی در…
صنعت نوظهور «مد لباس خصمانه» با استفاده از الگوهای هندسی و برش‌های خاص، سیستم‌های تشخیص چهره و نظارت را به اشتباه می‌اندازد. این پوشاک با تبدیل دفاع از حریم خصوصی به یک بیانیه…
پژوهشی جدید نشان می‌دهد کارایی ابزارهای خودکار تشخیص دیپ‌فیک در برابر مدل‌های ویدئویی جدید از ۹۴٪ به ۴۸٪ رسیده است. این سقوط شدید ناشی از جایگزینی مدل‌های قدیمی با مدل‌های انتشار…
بسیاری از تصاویر خطی تولیدشده توسط هوش مصنوعی در ظاهر درست هستند اما به دلیل باز بودن محیط‌ها (Contours)، رنگ‌آمیزی حرفه‌ای آن‌ها غیرممکن است. یک روش اعتبارسنجی جدید با استفاده از…