پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

Opus 5 محیط‌های سه بعدی پیچیده را از یک پاراگراف متن خلق کرد

آندرج کارپاتی توانایی مدل Opus 5 در تبدیل متن به محیط‌های سه بعدی تعاملی و رویه‌ای را به نمایش گذاشت. این آزمایش نشان‌دهنده گذار به سوی جهان‌سازی «در لحظه» است، هرچند نبود بازخورد…

۲ دقیقه خواندن
آموزش کاربردی

آیا قابلیت‌های تشخیص نوبت گفتگو جایگزین دقت پایه در STT می‌شوند؟

بنچمارک ژوئیه ۲۰۲۶ نشان می‌دهد Melia-1 از Speechmatics در دقت و مدیریت تغییر زبان پیشتازی می‌کند. برای توسعه‌دهندگان، اولویت از دقت پایه به قابلیت‌هایی نظیر پرامپتینگ کلمات کلیدی…

۴ دقیقه خواندن۱

پلتفرم Pippa برای هر بار استفاده از سبک هنرمندان به آن‌ها دستمزد می‌دهد

استارت‌آپ Pippa با معرفی مدلی برای پرداخت حق‌الامتیاز به هنرمندان، قصد دارد عصر استخراج غیرقانونی داده‌ها را به پایان برساند. در این پلتفرم، هر بار که کاربری ویدیویی با سبک یک…

۲ دقیقه خواندن۱

مدل DreamDojo انویدیا با ۴۴ هزار ساعت ویدیو، حس مشترک فیزیکی را به ربات‌ها آموخت

انویدیا و شیائومی با استفاده از مجموعه‌داده‌های عظیم ویدیوهای انسانی، گلوگاه «برچسب‌گذاری عملیات» در هوش مصنوعی تجسم‌یافته را می‌شکنند. هم‌زمان، ظهور تک‌شاخ‌های انسانی در اروپا…

۱۹ دقیقه خواندن۳

Claude Opus 5 در برابر GPT-5.6 در تولید بازی‌های سه‌بعدی رویه‌ای

مدل جدید آنتروپیک قادر است بازی‌های سه‌بعدی و شبیه‌سازهای فیزیکی قابل اجرا را تنها با یک پرامپت و از طریق کدنویسی رویه‌ای تولید کند. برخلاف مدل‌های ویدئویی، این مدل خروجی‌های قابل…

۴ دقیقه خواندن
آموزش کاربردی

«پایان غافلگیری مالی»؛ هدف جدید Pixapi برای توسعه‌دهندگان مدل‌های تولیدی

پلتفرم Pixapi با معرفی پاسخ‌های Pre-flight، تخمین دقیق هزینه را پیش از اجرای عملیات تولید تصویر یا ویدیو ارائه می‌دهد. این قابلیت به توسعه‌دهندگان اجازه می‌دهد تا بودجه استنتاج را…

۲ دقیقه خواندن۱
آموزش کاربردی

سیستم CapuchinAI دقت شناسایی میمون‌های وحشی را به ۹۷٪ رساند

پژوهشگران دانشگاه اموری یک پلتفرم ارزان‌قیمت مبتنی بر هوش مصنوعی ساختند تا تست‌های شناختی میمون‌های کاپوچین را در طبیعت به‌صورت خودکار اجرا کنند. این سامانه با ترکیب تشخیص چهره و…

۷ دقیقه خواندن
آموزش کاربردی

«بدون نیاز به ابر»؛ استقرار مدل‌های محلی روی GPUهای ارزان‌قیمت

یک توسعه‌دهنده با طراحی یک ماشین وضعیت برای مدیریت حافظه، موفق شد مجموعه‌ای از ابزارهای هوش مصنوعی چندوجهی را روی یک GPU ارزان‌قیمت ۴ گیگابایتی اجرا کند. این سیستم بدون نیاز به…

۶ دقیقه خواندن۱
آموزش کاربردی

«حذف داده‌های پیچیده ضبط حرکت»؛ دستاورد جدید TalkPix AI در همگام‌سازی لب‌ها

سرویس TalkPix AI اکنون می‌تواند تنها با یک عکس پرتره و یک فایل صوتی، ویدیوهایی با همگام‌سازی دقیق لب‌ها تولید کند. این سیستم نیاز به داده‌های پیچیده ضبط حرکت را حذف کرده و حرکات…

۱ دقیقه خواندن۳

دادگاه مونیخ: Suno با حفظ خاطره‌ای از آثار دارای کپی‌رایت قانون را نقض کرد

دادگاه مونیخ حکم داد که ابزار تولید موسیقی Suno با «حفظ خاطره‌ای» (Memorization) از آهنگ‌های خاص در مرحله آموزش، حقوق کپی‌رایت را نقض کرده است. این دادگاه دفاع Suno مبنی بر…

۴ دقیقه خواندن۱