پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

آموزش کاربردی

«فراتر از ابزار»؛ نقش متدولوژی نویسندگی در انسانی‌سازی صدای مصنوعی

یک راهنمای جامع برای تولیدکنندگان محتوا نشان می‌دهد که کلید دستیابی به روایت‌های طبیعی در هوش مصنوعی، بیش از آنکه به ابزار وابسته باشد، در تکنیک‌های نوشتاری و مدیریت ضرب‌آهنگ است.…

۱ دقیقه خواندن۱
آموزش کاربردی

مقایسه ابزارهای برش ویدیو: تقابل اتوماسیون کامل و ویرایش عامل‌محور

بررسی جامع ابزارهای تبدیل ویدیوهای بلند به کوتاه نشان می‌دهد که صنعت در حال شکاف میان دو رویکرد است: اتوماسیون یک‌کلیکی برای سرعت، و ویرایشگرهای عامل‌محور برای دقت. انتخاب ابزار…

۹ دقیقه خواندن۳
آموزش کاربردی

ساختار خطی؛ راهکار تبدیل ویدیوهای هوش مصنوعی به محتوای تماشایی

یک راهنمای عملی جدید، فراتر از پرامپت‌نویسی ساده، یک خط لوله تولیدی ساختاریافته برای ویدیوهای کوتاه معرفی کرده است. این متد بر وابستگی متقابل فیلم‌نامه، صدا و تصویر برای تولید…

۱ دقیقه خواندن۳
آموزش کاربردی

آیا خواندن Logprobs می‌تواند مدل‌های زبانی را به سرعت Jev برساند؟

پژوهشگران راهکاری برای تبدیل مدل‌های زبانی عمومی به مدل‌های تصمیم‌گیرنده با سرعت بسیار بالا یافته‌اند. این روش به‌جای تولید متن، توزیع احتمالات توکن‌ها را می‌خواند و در مدل…

۱۰ دقیقه خواندن۲
آموزش کاربردی

سامانه HomeBody با دوقلوهای دیجیتال محیط‌های ناشناخته را پیمایش می‌کند

پژوهشگران استنفورد رباتی انسان‌نما توسعه داده‌اند که با ساخت دوقلوهای دیجیتال از محیط‌های جدید، کارهای پیچیده خانگی را بدون اسکریپت‌های پیش‌نویس اجرا می‌کند. این سیستم با ترکیب…

۸ دقیقه خواندن۲
آموزش کاربردی

تقلیل دانش متقاطع: راهکار مقابله با کمبود شدید داده در هوش مصنوعی فضایی

رویکرد جدیدی به نام تقلیل دانش متقاطع (CMKD) به کاوشگرهای سیاره‌ای اجازه می‌دهد تا با استفاده از داده‌های غنی حسگرهای مداری، زمین‌شناسی پیچیده را حتی بدون داشتن تصاویر برچسب‌دار…

۱۰ دقیقه خواندن۲
آموزش کاربردی

شبیه‌سازی صدای انسان روی موبایل در کمتر از یک ثانیه ممکن شد

زیرساخت‌های هوش مصنوعی صوتی از ابر به لبه منتقل شده‌اند و اکنون شبیه‌سازی فوق‌واقع‌گرایانه صدا روی دستگاه‌های موبایل در کمتر از یک ثانیه رخ می‌دهد. این تحول با ادغام قابلیت‌های…

۶ دقیقه خواندن۱