موضوع
Models that natively process text+image+audio+video
۱٬۴۲۵ مقاله منتشر شده
انویدیا با معرفی معماری روبین، استراتژی خنک‌سازی مراکز داده را تغییر داد تا با افزایش دمای عملیاتی، مصرف آب را به‌شدت کاهش دهد. این اقدام پاسخ مستقیم شرکت به فشارهای محیط‌زیستی و…
بخش هوش مصنوعی ویدئویی شرکت کوایشو (Kuaishou) با جذب سرمایه‌ای کلان، اکنون آماده عرضه اولیه در بورس هنگ‌کنگ است. این حرکت نشان می‌دهد چین از مرحله توسعه مدل‌ها به سمت تجاری‌سازی…
یک تولیدکننده محتوا با تجمیع پنج اشتراک مختلف در یک فضای کاری اعتباری، هزینه‌های ماهانه خود را از ۱۲۰ دلار به مدل پرداخت به‌ازای مصرف تغییر داد. این تغییر علاوه بر حذف هزینه‌های…
یک راهنمای کاربردی جدید نشان می‌دهد چگونه می‌توان با استفاده از RAG-Anything، سیستمی ساخت که هم‌زمان متن، جداول مارک‌داون، معادلات LaTeX و تصاویر را بازیابی و تحلیل کند. این…
ابزار متن‌باز جدیدی عرضه شده است که به مدل‌های زبانی اجازه می‌دهد به‌جای نمونه‌برداری خشک از فریم‌ها، تنها تغییرات معنا‌دار صحنه را «ببینند». این سیستم با اجرای محلی و حذف…
متا اپلیکیشن Pocket را برای ساخت بازی‌های تعاملی و برنامه‌های کوچک با استفاده از هوش مصنوعی زاینده عرضه کرد. این ابزار که بر پایه فناوری Gizmo ساخته شده، فاصله بین ایده و اجرای یک…
اپلیکیشن جدید Amblyotube تمرینات پیچیده بالینی برای درمان آمبلیوپی (چشم تنبل) را به یک تجربه VR در خانه تبدیل کرده است. این ابزار با استفاده از Meta Quest، مراقبت‌های تخصصی چشم را…
سازندگان مستقل از تولید پراکنده موسیقی به سمت ایجاد «اکوسیستم‌های صوتی» حرکت می‌کنند. با تبدیل پرامپت‌ها به APIهای پایدار، آن‌ها اکنون برند صوتی یکسانی را در تمام کانال‌های…
یک متد جدید با تفکیک وظایف بین مدل Whisper برای زمان‌بندی دقیق و GPT-4o-mini برای تولید فصل‌بندی، از اتلاف توکن‌های گران‌قیمت جلوگیری می‌کند. این رویکرد هزینه‌های API را برای…
شبکه ورزشی Wanjian با استقرار یک معماری سه لایه، داده‌های رفتاری کاربران را در محیط واقعی استخراج کرد. این سیستم با ترکیب رایانش لبه و بینایی ماشین، شکاف داده‌ای میان گجت‌های…
مدل Lift با استفاده از استخراج داده‌ها بر اساس طرح‌واره (Schema) و کوانتش ۴-بیتی، اسناد PDF را به فرمت JSON تبدیل می‌کند. این روش امکان استخراج دقیق داده‌های فنی را حتی روی…
ابزارهای نظارتی فعلی با نادیده گرفتن خط لوله‌ی صوتی، ریشه‌ی شکست عامل‌های صوتی را پنهان می‌کنند. تحلیل‌های عملی نشان می‌دهد خطاهای بحرانی مانند قطع تماس، محصول زمان‌بندی…