احراز هویت صوتی در برابر ابزارهای جعل ۵۰۰ دلاری
ابزارهای شبیهسازی صدا به کالاهایی ارزان تبدیل شدهاند که با ۳ ثانیه فایل صوتی و هزینهای کمتر از ۵۰۰ دلار، هر صدایی را بازسازی میکنند. این کاهش شدید هزینه، سیستمهای احراز هویت…
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
ابزارهای شبیهسازی صدا به کالاهایی ارزان تبدیل شدهاند که با ۳ ثانیه فایل صوتی و هزینهای کمتر از ۵۰۰ دلار، هر صدایی را بازسازی میکنند. این کاهش شدید هزینه، سیستمهای احراز هویت…
قابلیت جدید Wardrobe در گوگل عکسها برای ساخت کمد لباس دیجیتال عرضه شد، اما تستهای اولیه نشان از شکست در تشخیص اشیا و تولید تصاویر سورئال دارد. این ابزار بخش بزرگی از لباسهای…
شرکت Protealpes سامانه تحلیل غذایی جدیدی طراحی کرده که در آن مدلهای بینایی فقط وظیفه شناسایی غذا را دارند و تمام محاسبات ریاضی به کدهای قطعی سپرده شده است. این معماری مانع از…
یک توسعهدهنده با استفاده از عاملهای هوش مصنوعی، یک سامانه پیچیده تحلیل ورزش جهتیابی را بدون کدنویسی یا بازبینی دستی ساخت. این پروژه نشان میدهد که مهارت کلیدی در توسعه…
محکهای بصری سال ۲۰۲۶ نشان میدهند GPT-Image-2.5 Flare در دقت متنی و Grok Imagine 2.0 در سرعت پیشتاز هستند. شرکت SuperFast AI با یکپارچهسازی این مدلها در خط لولهی 4K، هزینههای…
متا برای کاهش مقاومت اجتماعی و نگرانیهای حریم خصوصی، مدل جدید عینکهای هوشمند خود را بدون دوربین عرضه کرد. در حالی که نسل سوم عینکها بر قابلیتهای چندوجهی تأکید دارد، نسخه Audio…
توصیفات متنی تولیدشده توسط هوش مصنوعی در حال جایگزینی هشدارهای کلی «تشخیص حرکت» در دوربینهای امنیتی هستند. این تغییر به کاربران اجازه میدهد بدون انتظار برای بارگذاری ویدیو،…
وزارت دفاع آمریکا در تلاش است تا با استفاده از هوش مصنوعی و حسگرهای غیرتماسی، فناوری پلیگراف را مدرن کند. این برنامه با هدف شناسایی تهدیدات داخلی و غربالگری کارکنان طراحی شده،…
پروژه هنری جدید Opus 5.5 با استفاده از لایهبندی ۲.۵ بعدی، برخورد شهابسنگ چیکسولوب و پایان دوره کرتاسه را به شکلی تعاملی به تصویر کشیده است. این اثر با ترکیب هنر تولیدشده توسط…
سامانه LaunchVideo با استفاده از مدل Claude Opus 5.5، فیلمها را بهجای تولید پیکسل، بهصورت کد مینویسد و رندر میکند. این رویکرد توهمات رایج در مدلهای ویدئویی را حذف کرده و…
مدل Claude Opus 5.5 با استفاده از Claude Code توانست یک موزیکویدیو را بهصورت کاملاً دترمینستیک و از طریق توابع ریاضی تولید کند. این پروژه نشان میدهد که هوش مصنوعی میتواند…
شرکت Black Forest Labs مدل وزنباز FLUX 3 Action را معرفی کرد که با نیمی از اندازه مدلهای پیشین، سرعت استنتاج را ۴ برابر افزایش داده است. این مدل با تحلیل ویدیوهای چنددوربینه،…