پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

درون استراتژی Generalist AI برای حذف برنامه‌نویسی دستی در ربات‌ها

استارتاپ Generalist AI در حال توسعه مدل‌هایی است که ربات‌ها را قادر می‌سازد تنها با تماشای ویدیوهای کوتاه، کارهای فیزیکی جدید را بدون آموزش تخصصی یاد بگیرند. این رویکرد با تمرکز…

۴ دقیقه خواندن۲

گوگل: جداسازی لایه رانندگی از Gemini ضامن ایمنی ربوتاکسی‌های Waymo است

شرکت Waymo مدل Gemini گوگل را به‌عنوان دستیار صوتی در تاکسی‌های Ojai ادغام کرد تا کنترل کابین و پاسخ به پرسش‌ها را مدیریت کند. این سیستم به‌طور کامل از لایه‌ی رانندگی خودکار جدا…

۴ دقیقه خواندن۱
آموزش کاربردی

ترکیب Gemini و سخت‌افزار Lunii؛ تبدیل اسباب‌بازی‌های صوتی به تئاترهای شخصی AI

یک توسعه‌دهنده با استفاده از مدل‌های تبدیل متن به گفتار و تصویر گوگل، یک سیستم تولید داستان شخصی‌سازی‌شده برای دستگاه Lunii ساخت. این پروژه محتوای تولیدی هوش مصنوعی را مستقیماً به…

۴ دقیقه خواندن۲