گالری تصاویر در برابر ایمیلها برای ساخت بافتار شخصی در AI
ماریسا مایر، مدیرعامل سابق یاهو، دستیار هوش مصنوعی Dazzle را معرفی کرد که بهجای ایمیلها و تقویمها، تنها از گالری عکسها برای شناخت کاربر استفاده میکند. این ابزار با تحلیل…
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
ماریسا مایر، مدیرعامل سابق یاهو، دستیار هوش مصنوعی Dazzle را معرفی کرد که بهجای ایمیلها و تقویمها، تنها از گالری عکسها برای شناخت کاربر استفاده میکند. این ابزار با تحلیل…
آنتروپیک مدل Claude Sonnet 5.5 را منتشر کرد که در کدنویسی با مدل تراز اول Opus رقابت میکند و درک تصاویر و نمودارها را بهشدت بهبود بخشیده است. این بهروزرسانی در حالی رخ میدهد…
استونی با همکاری شرکت Owkin، پلتفرم K Pro را در زیرساختهای امن ملی خود ادغام کرد تا پژوهشگران بتوانند بدون خروج دادهها از مرزهای کشور، تحلیلهای پزشکی در مقیاس جمعیت انجام دهند.
علیبابا با معرفی مدل Qwen-Audio-3.1-Realtime، قابلیتهای استدلال و فراخوانی ابزار را به تعاملات صوتی بلادرنگ آورد. این عرضه با کاهش شدید قیمتها در کل پشته صوتی همراه است تا سد…
سامانه جدید Tareekh برای جلوگیری از تثبیت خطاهای نویسهخوانی نوری (OCR) در حافظه بلندمدت عاملهای هوش مصنوعی، یک لایه بازبینی انسانی را به عنوان شرط ثبت دادهها معرفی کرده است.…
ادغام فناوریهای تبدیل متن به گفتار و شبیهسازی صدا میتواند محتوای متنی وب را به تجربههای صوتی فراگیر تبدیل کند. این رویکرد به کاربرانی که دارای اختلالات بینایی یا شناختی هستند…
آمازون مدل Grok 4.7 شرکت xAI را به پلتفرم Bedrock اضافه کرد. این مدل با پنجره متنی گسترده و سطوح استدلال قابل تنظیم، برای کارهای تخصصی حقوقی، پزشکی و مالی بهینه شده است.
شرکت AMD در قراردادی ۸.۲ میلیارد دلاری، آزمایشگاه World Labs را تصاحب کرد تا قابلیتهای هوش مصنوعی فضایی را با سختافزارهای خود ادغام کند. این اقدام با هدف ایجاد اکوسیستمی باز…
شرکت Shadow برای مدل Hailuo H3 سیستمی برای شبیهسازی تاری حرکتی (Motion Blur) سینمایی طراحی کرده است. این رویکرد با تبدیل تاری به یک مسئلهٔ اپتیکی، اثر لرزش یا Strobing را که در…
کاهش فاصله زمانی بین ورودی متنی و خروجی صوتی برای ایجاد تعامل طبیعی میان انسان و ماشین حیاتی است. توسعهدهندگان میتوانند با ترکیب استریمینگ صوتی، حافظه پنهان محلی و بهینهسازی…
شرکت AMD برای ادغام درک قوانین فیزیکی در نقشه راه تراشههای خود، استارتاپ World Labs را خرید. این اقدام تلاشی برای شکستن سلطه انویدیا بر اکوسیستم رباتیک و شبیهسازی است.
پژوهشگران چارچوبی به نام ReImaGin توسعه دادهاند که به مدلهای بینایی-زبانی اجازه میدهد برای حل مسائل پیچیده، تصاویری داخلی تولید کنند. این «تخیل بصری» مدل را قادر میسازد پیش از…