
درون تکنیک تغییر محدود برای تولید تصاویر تجاری در GPT-Image-2
یک تکنیک جدید در مهندسی پرامپت برای GPT-Image-2، عکاسی محصول را به یک مسئلهی «تغییر محدود» تبدیل کرده تا پسزمینههای شلوغ حذف شوند. با تعریف محصول به عنوان یک متغیر ثابت،…
موضوع
Models that natively process text+image+audio+video
۸۷۶ مقاله منتشر شده

یک تکنیک جدید در مهندسی پرامپت برای GPT-Image-2، عکاسی محصول را به یک مسئلهی «تغییر محدود» تبدیل کرده تا پسزمینههای شلوغ حذف شوند. با تعریف محصول به عنوان یک متغیر ثابت،…

پلتفرم LoRA AI فرآیند آموزش مدلهای انطباق کمرتبه را بهطور کامل به مرورگر منتقل کرد. این ابزار نیاز به نصب CUDA یا داشتن GPUهای قدرتمند محلی را حذف کرده و زنجیره تولید تصویر و…

ابزار جدید DevPrep با جایگزینی متون استاتیک با مکالمات صوتی دوطرفه، محیط واقعی مصاحبههای شغلی را شبیهسازی میکند. این پلتفرم بر کاهش فاصله میان دانش تئوری و توانایی بیان شفاهی…

پلتفرم جدید CarbonSense با ترکیب تصاویر ماهوارهای و هوش مصنوعی گوگل، نظارت بر اعتبارات کربنی را شفافتر میکند. این ابزار دادههای پیچیده محیطی را به تحلیلهای متنی قابلفهم برای…

اوپنایآی با معرفی خانواده مدلهای GPT-5.6، قابلیت «استفاده از کامپیوتر» را با سرعتی فراتر از انسان عرضه کرد. این بهروزرسانی شامل یک ساختار لایهای از مدلها و اپلیکیشن GPT for…

مجموعه Thinking Machines Lab به جای مدلهای متمرکز و ایستا، سیستمی توزیعشده پیشنهاد میدهد که در آن کاربران وزنهای مدل را شخصیسازی کنند. هدف این رویکرد، جذب دانش ضمنی و محلی…

مدل Runway Gen 5 با تمرکز بر پایداری بصری و کیفیت ۱۰۸۰p عرضه شد. با وجود پیشرفت در جزئیات، تولیدکنندگان برای حل مشکل فراموشی شخصیتها به سامانههای چندعاملی روی آوردهاند.

گوگل استاندارد باز Eclipsa Video را برای یکسانسازی کیفیت نمایش HDR در نمایشگرهای مختلف معرفی کرد. این فناوری با همکاری اپل و NBCUniversal، از متادیتای پویا برای حذف مشکلاتی چون…

پژوهشگران BAAI مدل Orca را معرفی کردند؛ سازوکاری که با یادگیری از ویدیوهای خام، بدون نیاز به دانستن دستورات حرکتی، کنترل رباتها را به دقت سیستمهای تخصصی میرساند. این مدل با…

یک فونت آزمایشی جدید با استفاده از حرکت و نویز، متونی ایجاد میکند که برای انسان قابل خواندن اما برای مدلهای چندوجهی هوش مصنوعی نامفهوم است. این سیستم با انتقال اطلاعات از تصاویر…

متا مدل چندوجهی Muse Spark 1.1 را برای بهینهسازی گردش کارهای سازمانی و کدنویسی عاملمحور عرضه کرد. این مدل با قیمتگذاری تهاجمی، رقبایی چون GLM-5.2 را در بنچمارکهای کدنویسی شکست…

سلسلهمراتب مدلهای هوش مصنوعی با وزنهای باز پس از انتشار چهار مدل پرچمدار، سه بار جابهجا شده است. مدلهای جدید از DeepSeek، Moonshot AI و MiniMax اکنون ثبات پیشین این حوزه را…