چندوجهی

پلتفرم Afrigen تولید ویدیوهای باکیفیت از متن را برای هنرمندان آفریقایی ممکن کرده است. این ابزار با حذف نیاز به تجهیزات گران‌قیمت، سد ورود به دنیای داستان‌سرایی دیجیتال را می‌شکند.

بایدو با معرفی Unlimited-OCR، فرآیند استخراج متن و جدول از اسناد پیچیده را به یک تک‌مرحله تبدیل کرد. این مدل بینایی-زبانی با ۳ میلیارد پارامتر، نیاز به مراحل مجزای تشخیص چیدمان را…

مدل‌های تبدیل متن به تصویر به‌دلیل نبود حافظه فضایی سه‌بعدی، در تغییر زاویه دوربین دچار خطا می‌شوند. راهکار جایگزین، استفاده از مدل‌های ویدئویی برای ایجاد گذارهای منطقی میان دو…

راجر دیکی با استفاده از داده‌های ردیابی PFF، یک پخش‌کننده ویدئویی سه‌بعدی ساخت که بازی‌های جام جهانی را به محیط‌های تعاملی تبدیل می‌کند. این پروژه نشان می‌دهد چگونه ترکیب مختصات…

آنتروپیک قابلیت‌های صوتی کلود را به مدل‌های قدرتمند Opus و Sonnet گسترش داد. این به‌روزرسانی امکان اجرای دستورات صوتی در اپلیکیشن‌هایی نظیر Gmail و Slack را فراهم می‌کند.

آنتروپیک قابلیت‌های صوتی خود را از مدل سبک Haiku به مدل‌های قدرتمندتر Opus و Sonnet گسترش داد. این به‌روزرسانی شامل پشتیبانی از چندین زبان کلیدی و ادغام عمیق‌تر با ابزارهایی مانند…

کمپانی TwelveLabs ابزار Jockey AI را برای تبدیل آرشیوهای حجیم تصویری به پایگاه‌های داده‌ای قابل جست‌وجو معرفی کرد. این عامل با درک عمیق محتوا، نیاز به برچسب‌گذاری دستی را حذف کرده…

شرکت Runway ابزاری به نام Media Router را معرفی کرد که بر اساس اولویت‌های کیفیت، سرعت یا هزینه، بهینه‌ترین مدل تصویر، ویدیو یا صدا را برای توسعه‌دهندگان انتخاب می‌کند. این اقدام،…

شرکت Black Forest Labs مدل چندوجهی Flux 3 را معرفی کرد که برخلاف رقبایش، صوت و تصویر را به‌طور هم‌زمان آموزش دیده است. این مدل ویدیوهایی تا ۲۰ ثانیه با صدای بومی تولید می‌کند و در…

یک مهارت (Skill) متن‌باز جدید با استفاده از پروتکل MCP، مدل Gemini Omni Flash را به Claude Code متصل کرد. این ابزار امکان ویرایش تکرارشونده و حالت‌مند (Stateful) ویدیوها را فراهم…

سونی دوربین سینمایی FX5 را برای پر کردن شکاف میان مدل‌های FX3 و FX6 معرفی کرد. این دوربین برای نخستین بار قابلیت ضبط RAW 5K و پشتیبانی از Open Gate را به این رده از محصولات…

پزشکان برای مقابله با کمبود متخصص و حجم بالای بیماران، به ابزارهای تشخیص پوستی مبتنی بر بینایی ماشین روی آورده‌اند. این سامانه‌ها ضایعات پوستی را در چند ثانیه تحلیل کرده و بدون…