چندوجهی

یک مدل تنظیم‌شده‌ی LayoutLM اکنون استخراج داده‌های ساختاریافته از PDFهای مالایالام، هندی و انگلیسی را با دقت بالا و به‌صورت محلی ممکن می‌کند. این دستاورد شکاف موجود در نویسه‌خوانی…

توسعه‌دهندگانی که از نسخه‌های رایگان TTS به مدل‌های پولی مهاجرت می‌کنند، باید تأخیر، شبیه‌سازی صدا و مجوزهای تجاری را بر هزینه اولویت دهند. مدل‌های عصبی برای عبور از سقف کیفیت…

مدل جدید Ideogram 4.5 با تمرکز بر ویرایش‌های جزئی و سازگار، امکان تغییر بخش‌های خاصی از تصویر را بدون تغییر در سایر پیکسل‌ها فراهم می‌کند. این به‌روزرسانی فاصله میان ایده‌پردازی…

شرکت Tavus مدل Griffin را معرفی کرد؛ سیستمی که با شبیه‌سازی دقیق حرکات صورت و زبان بدن، مرز بین آواتارهای دیجیتال و انسان را می‌شکند. در یک مطالعه، نیمی از شرکت‌کنندگان نتوانستند…

شرکت کوهیر خانواده مدل‌های بردار معنایی Embed 5 را با دو سطح Pro و Fast معرفی کرد که از یک فضای برداری مشترک استفاده می‌کنند. مدل Pro در بازیابی داده‌های مالی رکورد جدیدی ثبت کرده…

گوگل قابلیت Guided Vision را به Gemini Live اضافه کرد تا با تحلیل زنده تصاویر، محیط را برای نابینایان توصیف کند. این ابزار با استفاده از دوربین گوشی، شناسایی اشیا و خواندن متون…

شرکت Tenstorrent و Smallest.ai یک پشتهٔ سخت‌افزاری-نرم‌افزاری برای اجرای مدل‌های تبدیل متن به گفتار در محیط‌های درون‌سازمانی معرفی کردند. این راهکار ادعا می‌کند بدون کاهش کیفیت…

شرکت Decagon با معرفی مدل صوتی Chord و پروتکل PACT، پلتفرم خود را از یک سیستم پاسخگویی ساده به یک ارکستراتور جامع تجربه مشتری تبدیل کرد. این به‌روزرسانی بر مدیریت تعاملات بین…

شیائومی با انتشار یک راهنمای فنی جامعه‌محور، امکان اجرای محلی مدل‌های چندوجهی خانواده MiMo را فراهم کرد. این منابع به توسعه‌دهندگان اجازه می‌دهد استنتاج بینایی-زبانی را بدون…

شرکت Shadow یک خط لولهٔ نظارتی چندوجهی برای شناسایی تغییرات ناخواسته در چهره و آرتیفکت‌های تصویری معرفی کرد. این سیستم با شناسایی خطاها پیش از رندر نهایی، از اتلاف گستردهٔ منابع…

آپدیت جدید LlamaIndex با معرفی «استدلال ساختاری»، دقت استخراج داده از اسناد سازمانی را بدون افزایش هزینه افزایش داده است. این نسخه اکنون در لایه‌ی اقتصادی، عملکرد لایه‌های…

یک توسعه‌دهنده معماری فنی اپلیکیشن Colorize Old Photos را افشا کرد که با استفاده از رایانش لبه و مدل‌های تخصصی، عکس‌های سیاه و سفید را رنگی و ترمیم می‌کند. این پروژه چالش‌های…