پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

آموزش کاربردی

مدل قیمت‌گذاری ثابت Oxlo.ai هزینهٔ حافظهٔ بلندمدت در خانه‌های هوشمند را حذف کرد

یک راهنمای معماری جدید نشان می‌دهد چگونه می‌توان با استفاده از مدل‌های زبانی و فراخوانی تابع، عامل‌های خانگی هوشمند و تطبیق‌پذیر ساخت. پلتفرم Oxlo.ai با جایگزینی توکن با قیمت ثابت…

۵ دقیقه خواندن
آموزش کاربردی

آیا استریمینگ داده‌ها می‌تواند گلوگاه آموزش مدل‌های رباتیک را برطرف کند؟

شرکت Strands Robots و Hugging Face با ادغام یک حلقه داده استریمینگ، امکان ضبط، آموزش و استقرار سیاست‌های رباتیک را بدون نیاز به دانلود مجموعه‌داده‌های حجیم فراهم کردند. این سیستم…

۱۸ دقیقه خواندن۲

درون سازوکار LiveAnimate برای تبدیل مدل‌های آفلاین به استریمینگ زنده

پژوهشگران چینی با تبدیل مدل آفلاین Wan2.2-Animate به یک سامانه استریمینگ، مانع «تولید و انتظار» در ویدیوهای هوش مصنوعی را از بین بردند. این چارچوب با استفاده از حافظهٔ پوز-کش و…

۱۰ دقیقه خواندن۳

چرا تولید ویدیوهای AI به فیلم‌نامه‌نویسان و کارگردانان واقعی نیاز دارد؟

شرکت Higgsfield با انتشار فیلم Cully Hill Boys نشان داد که برای رسیدن به ریتم سینمایی، تکیه بر فیلم‌نامه انسانی و شبیه‌سازی سبک کارگردانان مشهور ضروری است. این پروژه در واقع دموی…

۶ دقیقه خواندن۱
اخبار کوتاه روزانهگزارش تأییدنشده

قمار ۶ میلیارد دلاری آنتروپیک برای تصاحب مدل جهانی Decart AI

آنتروپیک در حال مذاکره برای خرید Decart AI است تا با دسترسی به فناوری بهینه‌سازی تراشه‌ها و مدل‌های شبیه‌ساز جهان، هزینه‌های استنتاج را کاهش داده و زیرساخت آموزش ربات‌ها را فراهم…

۵ دقیقه خواندن
آموزش کاربردی

پیکورن با پروتکل MCP خروجی‌های تصویری هوش مصنوعی را قابل ویرایش کرد

پیکورن با استفاده از پروتکل MCP، خروجی‌های هوش مصنوعی را از تصاویر تخت به اسناد لایه‌بندی‌شده تبدیل کرد. این رویکرد به طراحان اجازه می‌دهد بدون نیاز به تولید مجدد کل اثر، لایه‌ها…

۴ دقیقه خواندن۱

۱۷۰ سال تجربهٔ انسانی؛ Dyna-2 قوانین مقیاس‌پذیری رباتیک را بازنویسی کرد

شرکت Dyna Robotics با معرفی مدل Dyna-2 ثابت کرد که آموزش ربات‌ها با استفاده از میلیون‌ها ساعت ویدیو از انسان‌ها، می‌تواند جایگزین داده‌های گران‌قیمت کنترل از راه دور شود. این مدل…

۵ دقیقه خواندن۲
آموزش کاربردی

سه مخزن گیت‌هاب که پرامپت‌های تصویری را به سیستم‌های خلاق تبدیل می‌کنند

مجموعه‌ای از مخازن جدید در گیت‌هاب، هنر هوش مصنوعی را از پرامپت‌های ساده به «مهارت‌های» ساختاریافته تبدیل کرده‌اند. این سیستم‌ها به‌جای کپی کردن سبک‌ها، منطق تصمیم‌گیری یک مدیر…

۶ دقیقه خواندن۲
آموزش کاربردی

جایگزینی مسیرهای دستی با AI Matting؛ کاهش زمان حذف پس‌زمینه به چند ثانیه

یک راهنمای کاربردی نشان می‌دهد که جایگزینی روش‌های دستی با پردازش دسته‌ای مبتنی بر هوش مصنوعی، زمان برش تصاویر را از چندین دقیقه به چند ثانیه کاهش می‌دهد. این گردش‌کار نقاط شکست…

۳ دقیقه خواندن۲

fal Agent لایه‌ی هماهنگ‌کننده مدل‌های خلاقانه را برای تولید محتوای چندوجهی عرضه

پلتفرم fal ابزاری به نام fal Agent را معرفی کرد که به‌طور خودکار مدل‌های تصویر، ویدیو و سه‌بعدی را در یک پروژه هماهنگ می‌کند. این سیستم با حفظ حافظه و تداوم بصری، گلوگاه تولید…

۴ دقیقه خواندن
آموزش کاربردی

گوگل کلود: دسترسی رایگان به ابزارهای زیرساختی گسترده‌تر از مدل‌های مولد است

بررسی لایه‌های رایگان گوگل کلود نشان می‌دهد دسترسی به ابزارهای زیرساختی بسیار سخاوتمندانه‌تر از مدل‌های مولد است. در حالی که APIهای ترجمه و تبدیل متن به گفتار سقف‌های بالایی…

۲ دقیقه خواندن۵