عینکهای AR اسنپ با قیمت ۲۱۹۵ دلار عرضه شدند؛ فقط برای پیشگذاران
ZDNET پس از تست دستی عینکهای AR مصرفکننده اسنپ (Spectacles) قیمتی ۲۱۹۵ دلاری را تایید کرد و نتیجه گرفت که این دستگاه همچنان تنها برای پیشگذاران (early adopters) مناسب است. وزن…
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
ZDNET پس از تست دستی عینکهای AR مصرفکننده اسنپ (Spectacles) قیمتی ۲۱۹۵ دلاری را تایید کرد و نتیجه گرفت که این دستگاه همچنان تنها برای پیشگذاران (early adopters) مناسب است. وزن…
بلاک مدل گفتاری دسا را منتشر کرد که بدون پیشآموزش متنی، صرفاً از مکالمههای انسانی زبان یاد گرفته است. دسا بهصورت کاملدو طرفه (full-duplex) روی مکبوک پرو M4 ماکس اجرا میشود،…
مدل کیمی K3.1 پرو شرکت چینی موونشات هوش مصنوعی در شاخص هوش مصنوعی (Artificial Analysis Intelligence Index) ۵۵ امتیاز کسب کرد و به رتبه چهارم رسید. این پرش ۱۱ امتیازی مدل را تنها…
شیائومی میمو-وی۲.۶-فِلش را با پشتیبانی بومی از متن، تصویر، ویدیو و صدا در یک اندپوینت OpenAI منتشر کرد. قیمت در سطح ¥۱ و ¥۲ در میلیون توکن ورودی و خروجی بدون تغییر باقی ماند و…
Canva مدل Craft را منتشر کرد؛ نخستین مدل تصویری داخلی شرکت که روی قالبهای طراحی آموزش دیده و در بنچمارک DesignArena رتبه چهارم کلی و اول پورتريهها و منظرها را ثبت کرده است. مدل…
شرکت Kyutai مدل REKI را معرفی کرد؛ یک مدل بینایی-زبانی-کنشی (VLA) کوچک که با استفاده از سیستم حافظهٔ جدید، لرزش بازوی رباتها را کاهش میدهد. این مدل با تکیه بر دادههای عمومی، در…
پلتفرم ReelMint اعلام کرد که وعده «بدون محدودیت» در ابزارهای تولید ویدیو معمولاً پوششی برای محدودیتهای مدل، صفهای پردازش یا فیلترهای محتوایی است. این سرویس با تفکیک دسترسی به…
پلتفرم ReelMint ابزارهایی را معرفی کرد که به سازندگان اجازه میدهد شخصیتهای هوش مصنوعی را برای مدیریت پخش زنده در یوتیوب و تیکتاک به کار بگیرند. این عاملها میتوانند چتها را…
یک بنچمارک مستقل نشان میدهد SupaVoxel با هزینهای بهمراتب کمتر، مدلهای آماده برای چاپ سه-بعدی تولید میکند. در حالی که Tripo AI سرعت پیشبینیپذیرتری دارد، اما ۱۸.۳ برابر…
بررسی تطبیقی دو ابزار تولید ویدیو نشان میدهد Kyncept در اولین تلاش خروجی باکیفیتی ارائه میدهد، در حالی که Higgsfield در سطح رایگان کاملاً شکست خورد. تفاوت هزینهای این دو پلتفرم…
شرکت StepFun وزنهای باز مدل Step 5 Preview را منتشر کرد؛ یک مدل ۶۰۰ میلیارد پارامتری با معماری MoE که برای جریانهای کاری عاملمحور طراحی شده است. این مدل با پنجره متنی یک میلیون…
مقایسهی پلتفرمهای صوتی نشان میدهد ElevenLabs در کیفیت و سرعت از غولهای فناوری پیشی گرفته است. این سرویس با هزینهی کمتر از یک سنت در دقیقه و قابلیت شبیهسازی سریع صدا،…