
مایکروسافت مدل MAI-Transcribe-2 را برای ۶۰ زبان عرضه کرد
مایکروسافت مجموعهای از مدلهای جدید صوتی را برای تبدیل دقیق گفتار به متن و تولید صدا معرفی کرد. این ابزارها با پشتیبانی از ۶۰ زبان و شناسایی گوینده عرضه شدهاند، اما هنوز قابلیت…
موضوع
۳٬۳۲۶ مقاله منتشر شده

مایکروسافت مجموعهای از مدلهای جدید صوتی را برای تبدیل دقیق گفتار به متن و تولید صدا معرفی کرد. این ابزارها با پشتیبانی از ۶۰ زبان و شناسایی گوینده عرضه شدهاند، اما هنوز قابلیت…

یک راهنمای معماری جدید نشان میدهد چگونه میتوان ابزارهای گرانقیمت تأیید ایمیل و استخراج داده را با یک سیستم میزبانی شخصی (Self-hosting) جایگزین کرد. این روش با استفاده از…

پروکسی SignalGate با انتقال لایهی امنیتی به سطح شبکه، تزریق پرامپت و حلقههای تکرار عاملها را با کمترین تأخیر متوقف میکند. این معماری نیاز به SDKهای سنگین را حذف کرده و امنیت…

یک مدل تنظیمشدهی LayoutLM اکنون استخراج دادههای ساختاریافته از PDFهای مالایالام، هندی و انگلیسی را با دقت بالا و بهصورت محلی ممکن میکند. این دستاورد شکاف موجود در نویسهخوانی…

استفاده همزمان از asyncio و Pydantic به عاملهای هوش مصنوعی اجازه میدهد تا عملیات ورودی-خروجی را بهصورت موازی مدیریت کرده و خروجیهای مدل را در قالب ساختارهای دادهای…

توسعهدهندگانی که از نسخههای رایگان TTS به مدلهای پولی مهاجرت میکنند، باید تأخیر، شبیهسازی صدا و مجوزهای تجاری را بر هزینه اولویت دهند. مدلهای عصبی برای عبور از سقف کیفیت…

سیستم جدید Brand Design با استفاده از هشینگ SHA-256، مانع از پرداختهای اضافی عاملهای هوش مصنوعی ناشی از تزریق پرامپت یا هزینههای پنهان میشود. این جریان تجاری، قدرت یافتن…

پژوهشی جدید نشان میدهد مدلهای پیشرو با وجود حذف نشانههای قدیمی، عادتهای زبانی جدیدی ایجاد کردهاند. محققان ۱۳ هزار عبارت را شناسایی کردند که تکرار آنها در متون هوش مصنوعی…

مدل جدید Ideogram 4.5 با تمرکز بر ویرایشهای جزئی و سازگار، امکان تغییر بخشهای خاصی از تصویر را بدون تغییر در سایر پیکسلها فراهم میکند. این بهروزرسانی فاصله میان ایدهپردازی…

گوگل قابلیت Guided Vision را به Gemini Live اضافه کرد تا با تحلیل زنده تصاویر، محیط را برای نابینایان توصیف کند. این ابزار با استفاده از دوربین گوشی، شناسایی اشیا و خواندن متون…

شرکت Decagon با معرفی مدل صوتی Chord و پروتکل PACT، پلتفرم خود را از یک سیستم پاسخگویی ساده به یک ارکستراتور جامع تجربه مشتری تبدیل کرد. این بهروزرسانی بر مدیریت تعاملات بین…

شاپیفای ابزار Canvas را معرفی کرد که به فروشندگان اجازه میدهد تنها با چت کردن با عامل Sidekick، فروشگاه خود را طراحی کنند. این ابزار برخلاف پیشنمایشهای ایستا، کد واقعی سایت را…