موضوع
Models that natively process text+image+audio+video
۱٬۴۲۵ مقاله منتشر شده
استرایپ با تصاحب OpenRouter، مسیری برای تبدیل توکن‌های هوش مصنوعی به منابع اقتصادی قابل معامله ایجاد می‌کند. این اقدام نشان می‌دهد انتخاب مدل AI دیگر صرفاً یک تصمیم فنی نیست، بلکه…
ابزار AudioCraft با استفاده از هوش مصنوعی، امکان تفکیک صدای خواننده و سازها را مستقیماً در مرورگر فراهم می‌کند. این پلتفرم قصد دارد از یک حذف‌کننده سادهٔ صدای خواننده به یک…
راهنمای فنی جدیدی نشان می‌دهد چگونه می‌توان تشخیص چیدمان، نویسه‌خوانی نوری و شناسایی جداول را در یک جریان کاری واحد ادغام کرد. این چارچوب به توسعه‌دهندگان اجازه می‌دهد داده‌های…
یک توسعه‌دهنده با ترکیب سخت‌افزار Raspberry Pi Pico و API مدل Gemini، خط لوله‌ای برای تست خودکار سخت‌افزار ایجاد کرده است. این سیستم بازرسی بصری نمایشگر و فشردن دکمه‌ها را با…
استفاده از خط لوله‌های تولید بومیِ هوش مصنوعی، هزینه هر قسمت از درام‌های کوتاه را از ۹۵۰۰ دلار به ۱۳۰۰ دلار رسانده است. این تغییر اجازه می‌دهد تیم‌های کوچک، محتوا را ۱۲ برابر…
دانشکده کسب‌وکار هاروارد در یک دوره آموزشی ۶۹۹ دلاری، از آواتارهای دیجیتال برای ارائه بازخورد شخصی‌سازی‌شده به دانشجویان استفاده می‌کند. این سیستم با شبیه‌سازی نسخه‌های دیجیتال از…
استفاده از تطبیق‌های تقریبی در سیستم‌های احراز هویت، امکان ثبت‌نام با نام‌های مستعار و حروف تک را فراهم کرده است. کارشناسان معتقدند تنها جایگزین امن برای این حفره‌های سیستمی،…
ابزار رایگان Pianoify فایل‌های صوتی و لینک‌های یوتیوب را به نت‌های پیانو و فایل MIDI تبدیل می‌کند. این سرویس با استفاده از یک رمزگشای بلادرنگ، صداها را مستقیماً در مرورگر به اجرای…
سیستم Neo v0.1 با جایگزینی تولید فایل‌های یکپارچه با کامپایل بلوکی، خطاهای ساختاری در رابط‌های کاربری را حذف کرد. این عامل دسکتاپ از یک موتور بینایی دوگانه برای مبنی‌سازی دقیق…
آزمون‌های مقایسه‌ای نشان می‌دهد ChatGPT همچنان ابزاری برتر برای کارهای ساختاریافته و یکپارچگی فایل‌هاست، در حالی که Grok در تحلیل داده‌های لحظه‌ای شبکه‌های اجتماعی و استدلال‌های…
مدل جدید و بازمتن علی‌بابا در وظایف کدنویسی عامل‌محور و کنترل رایانه، مدل‌های ابری پیشرو را شکست داد. این مدل با معماری توجه ترکیبی، پردازش تا یک میلیون توکن را روی سخت‌افزارهای…
مدل‌های جدید سنتز صوتی اکنون می‌توانند تنها با ۳ ثانیه داده، صدای هر انسانی را با دقت خیره‌کننده شبیه‌سازی کنند. این پیشرفت، سیستم‌های احراز هویت صوتی را ناکارآمد کرده و مهندسان…