
تلفیق متن، تصویر و صدا در مدلهای چندوجهی؛ تغییری در استراتژی توسعهدهندگان
هوش مصنوعی در حال گذار از پردازش تکبعدی به مدلهای unified است که همزمان متن، تصویر و صدا را تحلیل میکنند. این ادغام امکان درک عمیقتر بستر و استدلالهای انسانیتر را در…
موضوع
SLMs, on-device inference, mobile AI, AI PCs
۱٬۶۶۷ مقاله منتشر شده

هوش مصنوعی در حال گذار از پردازش تکبعدی به مدلهای unified است که همزمان متن، تصویر و صدا را تحلیل میکنند. این ادغام امکان درک عمیقتر بستر و استدلالهای انسانیتر را در…

ابزار Lisup AI نیاز به کپی-پیست بین برنامهها و مرورگر را حذف کرده و امکان تایپ و بازنویسی صوتی را مستقیماً در مکاننما (Cursor) سیستمعامل قرار میدهد. کاربران اکنون میتوانند در…

Suno اکنون به کاربران آیفون اجازه میدهد آهنگهای ۳۰ ثانیهای را مستقیماً در چتهای iMessage بسازند. برای استفاده از این قابلیت، هر دو طرف گفتگو باید اپلیکیشن Suno را نصب کرده…

مقیاسدهی ناکارآمد مدلهای هوش مصنوعی زاینده باعث جهش قیمت حافظه و سختافزار در سطح جهان شده است. کارشناسان هشدار میدهند که تقاضای شدید منابع ممکن است تا سال ۲۰۲۸ رایانههای…

انویدیا مجموعهای از مدلهای بردار معنایی با وزنهای باز را برای کاهش هزینههای توکن و افزایش دقت در گردشکارهای عاملمحور منتشر کرد. مدل پرچمدار ۸ میلیاردی این مجموعه در حال…

گوگل با معرفی مدل آزمایشی DiffusionGemma، گلوگاه حافظه در تولید متن را به توان محاسباتی منتقل کرد. این معماری با پردازش موازی بلوکهای متنی، سرعت استنتاج را بهشدت افزایش داده و…

کمیسیون اروپا گوگل را مجبور کرد تا دسترسی رقبای هوش مصنوعی به ویژگیهای سیستمی اندروید و دادههای موتور جستوجو را فراهم کند. عدم اجرای این دستور میتواند گوگل را با جریمههایی تا…

مدل تخصصی DharmaOCR با تمرکز بر زبان پرتغالی برزنبل، در بنچمارکهای استخراج متن از مدلهای چندزبانه و جدیدتری مانند Mistral OCR4 پیشی گرفت. این موفقیت حاصل ترکیب تنظیم دقیق…

شرکت وانپلاس عرضه مدلهای جدید خود در آمریکای شمالی و اروپا را متوقف کرد تا تمرکز استراتژیک خود را بر برند مادر یعنی اوپو معطوف کند. کاربران فعلی همچنان پشتیبانی دریافت میکنند،…

پژوهشگران با طراحی کرنلهای سفارشی Triton، گلوگاههای حافظهای در فشردهسازی مدلهای Block Low-Rank را برطرف کردند. این بهینهسازیها سرعت استنتاج را در سختافزارهای محدود مانند…

ابزار متنباز Voicebox با بهرهگیری از مدلهای Whisper و Qwen، گفتار را به متن تبدیل کرده و بر اساس بستر برنامه فعال، فرمت آن را اصلاح میکند. این سیستم با استفاده از Cloudflare…

تکنولوژی روشنایی هوشمند از کنترل از راه دور به «حسگری فعال» تغییر مسیر داده است. رادار mmWave با تشخیص حرکات بسیار ریز مانند تنفس، نیاز به اپلیکیشن و دستورات صوتی را از بین میبرد.