چندوجهی

گوگل ابزار Google Pics را برای کاربران Workspace و مشترکین AI عرضه کرد. این سرویس با قابلیت قطعه‌بندی اشیا و ویرایش متن‌های درون‌تصویری، فرآیند آزمون و خطای پرامپت‌نویسی را برای…

یک الگوی معماری جدید، فراخوانی‌های گران‌قیمت مدل‌های چندوجهی را با خط لوله‌ای از تجزیه‌کننده‌های تخصصی و اعتبارسنجی قطعی جایگزین می‌کند. این روش هزینه‌ها را به‌جای حجم کل اسناد،…

شرکت World Labs مدل چندوجهی Atlas را معرفی کرد که قادر است محیط‌های سه‌بعدی پیچیده را تنها با چند تصویر محدود بازسازی و شبیه‌سازی کند. این مدل برخلاف ابزارهای تخصصی، درک بومی از…

گوگل ابزار Google Pics را برای کاربران تجاری Workspace معرفی کرد تا امکان ویرایش دقیق اشیا و متون درون تصاویر تولیدشده توسط هوش مصنوعی فراهم شود. این مجموعه ابزار با هدف جایگزینی…

آزمون‌های مدل Tsubaki.3 نشان می‌دهد که با افزایش تعداد پنل‌ها در یک تصویر، جزئیات ظریف شخصیت‌ها حذف می‌شوند. این یافته‌ها ثابت می‌کند که مدل‌های تبدیل متن به تصویر با محدودیت…

عامل Hermes اکنون با پشتیبانی از NeuTTS، امکان تبدیل متن به گفتار را بدون نیاز به کلیدهای API خارجی فراهم کرده است. این به‌روزرسانی با حذف پیچیدگی‌های احراز هویت، گردش کار تولید…

ابزارهای خلاقیت مبتنی بر هوش مصنوعی اکنون امکان تولید عکس‌های حرفه‌ای استودیویی و لایف‌استایل را تنها با یک تصویر مرجع فراهم کرده‌اند. این تحول نیاز به مدل‌های انسانی، تجهیزات…

سیستم Solaris از شرکت Runway رابط‌های کاربری را به‌جای اجرای کد، به‌صورت فریم‌به‌فریم و در قالب ویدیو تولید می‌کند. این رویکرد اجازه می‌دهد اپلیکیشن‌ها به‌صورت آنی با نیاز کاربر…

متا نخستین مدل تصویرساز عامل‌محور خود به نام Muse Image را برای توسعه‌دهندگان در دسترس قرار داد. این مدل برخلاف مدل‌های سنتی، از معماری برنامه‌ریز-پخش‌کننده برای جست‌وجوی وب،…

کتابخانه NobodyWho با حذف نیاز به APIهای ابری، امکان اجرای مدل‌های زبانی، تبدیل گفتار به متن و مدل‌های چندوجهی را مستقیماً روی iOS و macOS فراهم می‌کند. این ابزار با استفاده از…

شرکت PrismML مدل چندوجهی Bonsai 27B را معرفی کرد که با استفاده از کوانتش باینری و ترنری، نیاز به حافظه را به‌شدت کاهش می‌دهد. این مدل امکان اجرای یک مدل با ۲۷ میلیارد پارامتر را…

شرکت Runway مدل Solaris را معرفی کرد که به جای کدهای سنتی، رابط‌های کاربری وب و اپلیکیشن را به‌صورت ویدیوهای زنده و در لحظه تولید می‌کند. این فناوری می‌تواند نیاز به توسعه…