پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۳۵۸ مقاله منتشر شده

راهنمای سریع دوبله ویدیو به صورت محلی: راه‌اندازی ۱۰ دقیقه‌ای با ابزارهای رایگان ۲۰۲۶
آموزش کاربردی

پردازش محلی در برابر ابر؛ کاهش هزینه‌های اشتراکی در دوبلهٔ ویدیو

یک گردش‌کار محلی جدید امکان تبدیل گفتار به متن، ترجمه و دوبلهٔ بلادرنگ ویدیوها را روی سخت‌افزار کاربر فراهم می‌کند. این سیستم با حذف سرورهای ابری، حریم خصوصی کامل را تضمین کرده و…

۳ دقیقه خواندن۱
عکاسی محصول با هوش مصنوعی بدون نیاز به پرامپت: سیستم بینایی پرامپت را می‌نویسد، نه کاربر
آموزش کاربردی

درون سیستم CherryShot؛ حذف متون توصیفی برای جلوگیری از تغییر شکل کالا

پلتفرم CherryShot با جایگزینی پرامپت‌های متنی با نقشه‌های ساختاریافته (JSON)، مشکل تغییر شکل محصولات در عکاسی هوش مصنوعی را حل کرد. این سیستم با تحلیل بصری محصول، جزئیات فنی صحنه…

۲ دقیقه خواندن۱
نمایشگر مهارت - رابط کاربری برای مشاهده و مدیریت مهارت‌های شخصیت در بازی
آموزش کاربردی

Skillviewer: پیاده‌سازی فایل‌های SKILL برای بهینه‌سازی عامل‌های صوتی

پلتفرم Skillviewer با معرفی فایل‌های SKILL، دانش رویه‌ای را از مدل‌های زبانی جدا کرد تا عامل‌های مصاحبه‌گر بدون نیاز به پرامپت‌های طولانی و ایستا، تخصص‌های مختلف را به‌صورت پویا…

۹ دقیقه خواندن
«کیوئن-درایو ۱.۰ توضیح می‌دهد چرا ترمز می‌کند، اما انتظار تطابق توضیح با مانور را نداشته باشید»

شکاف استدلال در Qwen-Drive 1.0؛ تضاد میان توصیف صحنه و مانور رانندگی

مدل جدید علی‌بابا با ادغام ادراک فضایی و برنامه‌ریزی مسیر، مشکل فراموشی فاجعه‌بار را حل کرده است. با این حال، پژوهش‌ها نشان می‌دهد استدلال‌های متنی مدل همواره با اقدامات عملی آن…

۵ دقیقه خواندن
عکسی از یک فرد در حال صحبت کردن با لب‌های هماهنگ با صدا، نمونه‌ای از ویدیوی هوشمند ساخته شده با هوش مصنوعی.
آموزش کاربردی

«جایگزینی اقتصادی برای استودیوها»؛ قابلیت جدید رندرینگ عصبی TalkPix

پلتفرم TalkPix AI با استفاده از رندرینگ عصبی، امکان تبدیل پرتره‌های ایستا به ویدیوهای همگام با لب (Lip-sync) را فراهم کرده است. این ابزار جایگزینی اقتصادی برای استودیوهای ضبط است…

۲ دقیقه خواندن
طراح اتاق هوشمند ساختم: سخت‌ترین بخش، تبدیل سلیقه به کنترل‌ها بود
آموزش کاربردی

قالب‌های ساختاریافته در برابر پرامپت‌های متنی برای طراحی داخلی هوشمند

رویکرد جدیدی در طراحی داخلی با هوش مصنوعی، بار مهندسی پرامپت را از دوش کاربر برداشته و سلیقه‌های مبهم انسانی را به محدودیت‌های طراحی ساختاریافته تبدیل می‌کند. هدف این سیستم تولید…

۱۰ دقیقه خواندن
نسبتی که روی یک کلیپ کاملاً خوب آتش گرفت
آموزش کاربردی

«تفاوت دیالوگ و سکوت»؛ کلید کاهش خطای سیستم‌های کپشن‌نویس هوشمند

یک توسعه‌دهنده دریافت که استفاده از درصد زمان کلی کلیپ برای شناسایی خطاهای زیرنویس باعث حذف ویدیوهای سالم می‌شود. جایگزینی این معیار با «تعداد کلمات در ثانیه» به سیستم اجازه…

۶ دقیقه خواندن
خلاصه پژوهش‌های هوش مصنوعی/یادگیری ماشین — ۱۵ شهریور ۱۴۰۵

«کاهش هزینه‌های استنتاج»؛ دستاورد متدهای جدید در بهینه‌سازی مدل‌های زبانی

پژوهش‌های جدید نشان می‌دهند که می‌توان بدون به‌روزرسانی کامل وزن‌های مدل، هزینه‌های استنتاج را به‌شدت کاهش داد. متدهای WHALE و Random Attention با بهینه‌سازی پرامپت‌ها و تغییر در…

۴ دقیقه خواندن۲