مدل Canto در محیطهای پرسر و صدا از گوگل و OpenAI پیشی گرفت
آزمایشگاه Wispr مدل Canto را برای بازشناسی گفتار در محیطهای واقعی و شلوغ معرفی کرد. این مدل در تستهای مقایسهای، کمترین نرخ خطای کلمه را برای دیکتهٔ آنی در شرایط دشوار ثبت کرده…
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
آزمایشگاه Wispr مدل Canto را برای بازشناسی گفتار در محیطهای واقعی و شلوغ معرفی کرد. این مدل در تستهای مقایسهای، کمترین نرخ خطای کلمه را برای دیکتهٔ آنی در شرایط دشوار ثبت کرده…
پلتفرم PyBot با ترکیب آموزش تعاملی پایتون، تمرینات ساختار داده و تحلیل رزومه، مسیر یادگیری تا استخدام را یکپارچه کرده است. این ابزار با حذف نیاز به جابهجایی بین ابزارهای مختلف،…
پلتفرم Wan Video با معرفی یک فضای کاری مبتنی بر مرورگر، فرآیندهای پراکنده تبدیل متن و تصویر به ویدیو را در یک رابط واحد جمع کرد. این سرویس علاوه بر ابزارهای ویرایشی، دسترسی API را…
پینترست ابزار هوش مصنوعی Restyle را برای بازطراحی اتاقها از طریق عکسهای شخصی معرفی کرد. این قابلیت با تبدیل تخیلات بصری به خریدهای واقعی، مسیر تبدیل «ایده» به «کالا» را کوتاه…
دولت هند با راهاندازی اکوسیستم Bhashini AI، شکاف دیجیتال برای ۹۰۰ میلیون شهروند غیرانگلیسیزبان را هدف قرار داده است. این پلتفرم با تکیه بر دادههای بومی، در دقت گویشهای…
آزمونهای عملی روی اپلیکیشن PixAI نشان میدهد ابزارهای موبایلی هوش مصنوعی از تولیدکنندههای ساده به مجموعههای خلاقانه تبدیل شدهاند. این پلتفرم با ادغام گالری تصاویر و ویرایش…
شرکت آنتروپیک با ادغام قابلیتهای Cowork در محیط چت اصلی، نیاز به جابهجایی میان تبها را حذف کرد. این بهروزرسانی اجازه میدهد عاملهای هوش مصنوعی حتی پس از بستن دستگاه، به…
یک توسعهدهنده با طراحی معماری «سند-محور»، تولید ویدیوهای بدون چهره را کاملاً خودکار کرده است. این سیستم با جایگزینی پرامپتهای متغیر با فایلهای دادهای دقیق، دخالت انسانی را…
عامل جدید Mano-CUA با تکیه بر بینایی خالص، در وظایف پیچیدهٔ پر کردن فرمهای وب عملکردی بهتر از مدلهای عمومی مانند Claude 4.5 و Gemini 2.5 Pro داشت. این مدل برخلاف LLMها، به جای…
شرکت ایسلندی Treble برای جایگزینی دادههای استخراجشده از اینترنت با شبیهسازیهای آکوستیک مبتنی بر فیزیک، ۱۸ میلیون دلار جذب کرد. این پلتفرم به سازندگان سختافزار و مدلهای هوش…
دیپسیک با معرفی مدل V4.1-Flash و معماری جدید CED، فشار حافظه در مدلهای با زمینه بلند را بهشدت کاهش داد. این مدل با فشردهسازی تهاجمی حافظه موقت، امکان اجرای عاملهای هوش مصنوعی…
شرکت Nunchux AI با معرفی هسته VC-Attention، گلوگاههای محاسباتی در ترنسفورمرهای انتشار ویدیو را بدون نیاز به آموزش مجدد مدل برطرف کرد. این متد با بهینهسازی مرحله سافتمکس و…