پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

اپل اینتلیجنس چین با بتای iOS ۲۷.۳ و Qwen علی‌بابا رونمایی شد

اپل اینتلیجنس از ۴ نوامبر ۲۰۲۶ با بتای iOS ۲۷.۳ در چین عرضه می‌شود. ویژگی‌ها شامل ابزارهای نوشتار، ترجمه، هوش بصری و چت‌بات Qwen علی‌بابا می‌شود. سیری بازطراحی‌شده در این انتشار…

۲ دقیقه خواندن۴

مدل AssemblyAI-TTS-1؛ ۱۵ دلار برای هر میلیون کاراکتر با همزمانی نامحدود

AssemblyAI نخستین مدل تبدیل متن به گفتار خود، AssemblyAI-TTS-1، را با قیمت ۱۵ دلار برای هر میلیون کاراکتر، همزمانی نامحدود و بدون قرارداد عرضه کرد. طبق آزمون‌های خود شرکت، صحت این…

۴ دقیقه خواندن

LFM3 لیکوئید ای‌آی: مدل متنی ۴ بیتی با حدود ۱ گیگابایت حافظه

لیکوئید ای‌آی خانواده LFM3 را با شش مدل وزن باز منتشر کرد که همه از یک مدل پایهٔ ۱٫۷ میلیارد پارامتری ساخته شده‌اند. این مدل‌ها متن، بینایی، صدا و تصمیم‌گیری را پوشش می‌دهند و به…

۴ دقیقه خواندن

جینی ۴ دیپ‌مایند؛ مدل جهان واقعی‌زمان حالا صدا و گفت‌وگو هم می‌سازد

گوگل دیپ‌مایند در ۲۷ اکتبر ۲۰۲۶ پیش‌نمایش پژوهشی جینی ۴ را برای آزمایش‌کنندگان منتخب منتشر کرد. جینی ۴ نخستین مدل جهان واقعی‌زمان دیپ‌مایند است که صدای محیط و گفت‌وگوی تعاملی را…

۵ دقیقه خواندن