Tenstorrent هزینه استنتاج صوتی را ۴ برابر کمتر از GPUهای انویدیا کرد
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…
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
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…
شرکت Synthesia پلتفرم Sessions را برای ایجاد گفتگوهای دوطرفه و بلادرنگ با آواتارهای هوش مصنوعی معرفی کرد. این سیستم آموزشهای سازمانی را از ویدیوهای ایستا به نقشآفرینیهای تعاملی…
پژوهشگران مؤسسه وایزمن ابزاری ساختهاند که با تحلیل اسکنهای fMRI، تصاویری را که فرد میبیند بازسازی میکند. این سیستم زمان کالیبراسیون برای کاربران جدید را بهشدت کاهش داده و راه…
یک ابزار جدید در پلتفرم Apify کل زنجیره تولید زیرنویس، از دریافت RSS پادکست تا تولید فایلهای SRT چندزبانه را خودکار میکند. این سیستم با ادغام لایه ترجمه در زمان بازشناسی گفتار،…
پرانیث کاویا تاتسارا با استفاده از ابزار Rive، سیستمهای انیمیشنی پویا را برای رباتهای همراه AI طراحی کرده است. این متد با جایگزینی ویدیوهای ثابت با ماشینهای حالت، اجازه میدهد…
پلتفرم Synthesia از حالت «سرِ سخنگو» فاصله گرفت و آواتارهایی با قابلیت حرکات کامل بدن و محیطهای قابل شخصیسازی معرفی کرد. این ابزار برای آموزشهای سازمانی ایدهآل است، هرچند…
تیم Mendly با طراحی یک لایه اعتبارسنجی سختگیرانه، دادههای ناپایدار MediaPipe را به معیارهای قابلاعتماد برای توانبخشی سکته مغزی تبدیل کرد. این سیستم با حذف دادههای «نامعلوم»…