پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

جمینای ۴ آرگون: خروجی یک میلیون توکنی برای گردش‌کارهای پیچیده سازمانی

گوگل مدل Gemini 4 Argon را برای استدلال عمیق در مهندسی نرم‌افزار، امنیت سایبری و امور حقوقی معرفی کرد. این مدل با افزایش سقف خروجی به یک میلیون توکن، قادر است وظایفی با افق زمانی…

۷ دقیقه خواندن۳

«تبدیل متن به مدل سه‌بعدی»؛ موتور محرک درآمد ۱۰۰ میلیون دلاری Meshy

استارتاپ Meshy با تبدیل متن و تصویر به مدل‌های سه‌بعدی، درآمد سالانه خود را به ۱۰۰ میلیون دلار رساند. این شرکت اکنون از ابزارهای حرفه‌ای به سمت بازی‌های مصرف‌کننده و خلق محتوای…

۴ دقیقه خواندن۳
آموزش کاربردی

۱۰ ابزار توسعه و خط لوله AI که گردش‌کار رسانه‌ای ۲۰۲۶ را تغییر می‌دهند

یک چک‌لیست جامع، کتابخانه‌ها و APIهای ضروری برای خودکارسازی خط لوله‌های دارایی‌های رسانه‌ای را معرفی کرده است. تمرکز این ابزارها بر پردازش سریع تصاویر، حذف پس‌زمینه با هوش مصنوعی…

۳ دقیقه خواندن۱
آموزش کاربردی

ناشران با اتوماسیون ElevenLabs هزینه تولید کتاب‌های صوتی را به شدت کاهش دادند

ناشران با ادغام APIهای تبدیل متن به گفتار و شبیه‌سازی صدا، هزینه‌ها و زمان تولید کتاب‌های صوتی را به شدت کاهش داده‌اند. این رویکرد امکان مقیاس‌پذیری بومی‌سازی و حفظ ثبات صدا در…

۵ دقیقه خواندن۱

مدل Quine مایکروسافت جست‌وجوی داروهای سرطان پانکراس را به یک آخر هفته رساند

مایکروسافت مدل چندوجهی Quine را معرفی کرد که با شبیه‌سازی سیستم‌های بیولوژیک، هزاران ترکیب شیمیایی را برای درمان سرطان پانکراس غربال می‌کند. این سیستم توانست در یک آخر هفته، لیستی…

۵ دقیقه خواندن۲

MachGen تأخیر تولید ویدیو را بدون کاهش کیفیت ۶ برابر کم کرد

شرکت MachGen با طراحی یک زیرساخت اختصاصی برای مدل‌های انتشار، سرعت تولید ویدیوهای هوش مصنوعی را تا ۶ برابر افزایش داد. این دستاورد بدون استفاده از روش‌های تقطیر مدل به دست آمده و…

۱۲ دقیقه خواندن۳