موضوع
Models that natively process text+image+audio+video
۱٬۳۵۷ مقاله منتشر شده
عامل Hermes اکنون با پشتیبانی از NeuTTS، امکان تبدیل متن به گفتار را بدون نیاز به کلیدهای API خارجی فراهم کرده است. این بهروزرسانی با حذف پیچیدگیهای احراز هویت، گردش کار تولید…
ابزارهای خلاقیت مبتنی بر هوش مصنوعی اکنون امکان تولید عکسهای حرفهای استودیویی و لایفاستایل را تنها با یک تصویر مرجع فراهم کردهاند. این تحول نیاز به مدلهای انسانی، تجهیزات…
سیستم Solaris از شرکت Runway رابطهای کاربری را بهجای اجرای کد، بهصورت فریمبهفریم و در قالب ویدیو تولید میکند. این رویکرد اجازه میدهد اپلیکیشنها بهصورت آنی با نیاز کاربر…
متا نخستین مدل تصویرساز عاملمحور خود به نام Muse Image را برای توسعهدهندگان در دسترس قرار داد. این مدل برخلاف مدلهای سنتی، از معماری برنامهریز-پخشکننده برای جستوجوی وب،…
کتابخانه NobodyWho با حذف نیاز به APIهای ابری، امکان اجرای مدلهای زبانی، تبدیل گفتار به متن و مدلهای چندوجهی را مستقیماً روی iOS و macOS فراهم میکند. این ابزار با استفاده از…
شرکت PrismML مدل چندوجهی Bonsai 27B را معرفی کرد که با استفاده از کوانتش باینری و ترنری، نیاز به حافظه را بهشدت کاهش میدهد. این مدل امکان اجرای یک مدل با ۲۷ میلیارد پارامتر را…
شرکت Runway مدل Solaris را معرفی کرد که به جای کدهای سنتی، رابطهای کاربری وب و اپلیکیشن را بهصورت ویدیوهای زنده و در لحظه تولید میکند. این فناوری میتواند نیاز به توسعه…
شرکت Mech-Mind Robotics با عرضه اولیه در بورس هنگکنگ، سرمایهای کلان برای توسعه زیرساختهای «چشم-مغز-دست» رباتیک جذب کرد. این شرکت بهجای ساخت ربات کامل، بر تولید قطعات هوشمندی…
بازبینی بصری تصاویر تولیدشده توسط هوش مصنوعی برای نرمافزارهای تجاری کافی نیست. این راهنما یک خط لوله ماشینخوان را معرفی میکند که با استفاده از OCR و تأکیدات سختگیرانه، صحت متن…
یک معماری جدید در صنعت حملونقل دریایی با جداسازی وظایف هماهنگی از قدرت تصمیمگیری قانونی، مانع از توهمات عاملهای هوش مصنوعی در صدور مجوزهای ترخیص کالا شد. این سیستم با استفاده…
یک کاربر با تبدیل Grok Bot به یک مربی تناسب اندام شخصی، توانایی این عامل در تحلیل تجهیزات ورزشی از روی عکس و نقد ویدئوهای تمرینی را به نمایش گذاشت. این تجربه نشاندهنده گذار از…
استارتاپ Leadsy با استفاده از مدلهای Gemini و Veo، هزینهی تولید ویدیوهای تبلیغاتی حرفهای برای کسبوکارهای محلی را به شدت کاهش داد. این سامانه با تبدیل دادههای گوگلمپ به…