موضوع
Models that natively process text+image+audio+video
۱٬۴۲۵ مقاله منتشر شده
پلتفرم Oxlo.ai با تغییر مدل هزینه از تعداد توکن به مبلغ ثابت به‌ازای هر درخواست، مانع مالی برای پردازش متن‌های طولانی در عامل‌های صوتی را برداشت. این رویکرد باعث کاهش تأخیر و…
انویدیا یک خط لوله برای تولید بازیابی‌افزا (RAG) چندوجهی معرفی کرد که متن، جداول و نمودارهای PDF را از طریق سرویس‌های NIM استخراج می‌کند. این سامانه با ترکیب مدل‌های Nemotron و…
پلتفرم Roku با استارتاپ Fairground برای پخش ۲۴ ساعته ویدیوهای تولید شده توسط هوش مصنوعی وارد همکاری شد. این تجربه شکاف عمیق میان توانایی تولید انبوه محتوا و فقدان کیفیت بصری…
کریس دافی ترجمه‌ای کامل از اثر کلاسیک اودیسه را با استفاده از مدل Claude (نسخه Fable 5) منتشر کرد. این پروژه ۱۲,۱۰۷ خط متن یونانی را به‌صورت یک‌به‌یک به انگلیسی نگاشته و با…
یک گردش‌کار جدید در هوش مصنوعی امکان تولید ویدیوهای خوانندگی واقع‌گرایانه را تنها با یک عکس و یک فایل صوتی فراهم می‌کند. این ابزار همگام‌سازی لب‌ها و حرکات صورت را بدون نیاز به…
رتبه‌بندی‌های عمومی مدل‌های زبانی اغلب برای توسعه‌دهندگان گمراه‌کننده است، زیرا نمرات آکادمیک محدودیت‌های دنیای واقعی را پوشش نمی‌دهند. رویکرد مسیریابی وظایف (Task-specific…
ساعت گلکسی واچ ۹ با پردازنده بهینه و حسگرهای دقیق‌تر معرفی شد، اما هدف اصلی آن تبدیل شدن به کنترل‌کنندهٔ حرکتی برای عینک‌های هوشمند آینده سامسونگ است. با وجود بهبود باتری، این…
ساخت یک شخصیت دیجیتال باورپذیر نیازمند چیزی فراتر از تصاویر باکیفیت است و بر تداوم صدا، پوشش و رفتار استوار است. کمال فنی اغلب منجر به اثر «درهٔ ناآشنا» می‌شود و برای رسیدن به…
مدل جدید بایت‌دنس با حذف نیاز به تدوین و اتصال کلیپ‌های کوتاه، ویدیوهای ۳۰ ثانیه‌ای پیوسته تولید می‌کند. این ابزار با درک چند-مرجعی و هماهنگی با صدا، فرآیند تولید محتوای UGC را…
یک راهنمای پیاده‌سازی جدید نشان می‌دهد چگونه می‌توان با ترکیب Oxlo.ai و مدل kimi-k2.6، عامل‌های تحلیل تصویر با تأخیر بسیار کم ساخت. این رویکرد با استفاده از خروجی‌های JSON…
آزمایش‌های جدید نشان می‌دهد عامل‌های هوش مصنوعی می‌توانند با تبدیل اسکرین‌شات‌ها به داده‌های اندازه‌گیری شده، ویدیوهای باکیفیت تولید کنند. این مدل‌ها بدون «دیدن» واقعی فیلم، تنها…
سامانه OpenClaw Ultra با یکپارچه‌سازی برنامه‌ریزی، تدوین و توزیع در یک رابط چت، فرآیند تولید پادکست را به شکلی عامل‌محور خودکار می‌کند. هدف این سیستم کاهش شدید زمان پس‌تولید از…