پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۴۱۸ مقاله منتشر شده

پلتفرم Sessions سینتزیا برای آواتارهای تعاملی هوش مصنوعی راه‌اندازی شد

۸۳٪ از کاربران با آواتارهای تعاملی Synthesia نمرات آموزشی خود را بهبود دادند

شرکت Synthesia پلتفرم Sessions را برای ایجاد گفتگوهای دوطرفه و بلادرنگ با آواتارهای هوش مصنوعی معرفی کرد. این سیستم آموزش‌های سازمانی را از ویدیوهای ایستا به نقش‌آفرینی‌های تعاملی…

۵ دقیقه خواندن
ابزار هوش مصنوعی تصویر ذهنی را از روی اسکن مغز بازسازی می‌کند

آیا تحلیل اسکن‌های مغزی می‌تواند تصاویر دیده‌شده توسط انسان را بازسازی کند؟

پژوهشگران مؤسسه وایزمن ابزاری ساخته‌اند که با تحلیل اسکن‌های fMRI، تصاویری را که فرد می‌بیند بازسازی می‌کند. این سیستم زمان کالیبراسیون برای کاربران جدید را به‌شدت کاهش داده و راه…

۷ دقیقه خواندن۱
تولید زیرنویس چندزبانه از پادکست در یک مرحله

ابزار جدید Apify فرآیند زیرنویس چندزبانه پادکست‌ها را به یک مرحله رساند

یک ابزار جدید در پلتفرم Apify کل زنجیره تولید زیرنویس، از دریافت RSS پادکست تا تولید فایل‌های SRT چندزبانه را خودکار می‌کند. این سیستم با ادغام لایه ترجمه در زمان بازشناسی گفتار،…

۵ دقیقه خواندن
استخدام انیماتور Rive برای همراه هوشمند، ربات یا اسباب‌بازی هوشمند

«جایگزینی ویدیو با ماشین حالت»؛ کلیدِ تعاملِ بصری در ربات‌های AI

پرانیث کاویا تاتسارا با استفاده از ابزار Rive، سیستم‌های انیمیشنی پویا را برای ربات‌های همراه AI طراحی کرده است. این متد با جایگزینی ویدیوهای ثابت با ماشین‌های حالت، اجازه می‌دهد…

۸ دقیقه خواندن۱
لوگوی Gemini 4 Argon: نسل بعدی هوش مرزبان ما

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 خواندن۲
لوگوی شرکت مشی روی پس‌زمینه‌ای تیره با نماد سه‌بعدی آبی و بنفش

«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 خواندن۲