چندوجهی

علی‌بابا با معرفی مجموعه مدل‌های Qwen-Audio-3.1، قیمت‌های سرویس‌های صوتی خود را به‌شدت کاهش داد. این اقدام هم‌زمان با برنامه‌ای برای ساخت مدلی با ۱۰ تریلیون پارامتر صورت می‌گیرد.

انویدیا مدل Nemotron 3 Diarization را با وزن‌های باز منتشر کرد که می‌تواند تا ۸ گوینده را در زمان واقعی شناسایی کند. این مدل با کاهش میانگین ۴۱ درصدی نرخ خطا در ۸ محک مختلف، اکنون…

شرکت OpenAI برای کاهش تنش با جامعهٔ هنرمندان و توسعه ابزارهای تخصصی برای تولیدکنندگان محتوا، سام یام (Sam Yam)، بنیان‌گذار Patreon را به خدمت گرفت. این اقدام نشان‌دهنده چرخش…

تحلیلی کاربردی نشان می‌دهد ابزارهای رایگان تبدیل عکس به ویدیو، هزینه‌های پنهانی در قالب اتلاف وقت و افت کیفیت تحمیل می‌کنند. برای تولیدکنندگان محتوای حرفه‌ای، پلتفرم‌های شفاف و…

شرکت Kyutai دو مدل با وزن‌های باز معرفی کرد که مسائل ریاضی را مستقیماً در قالب صوت و بدون تبدیل به متن حل می‌کنند. این تیم با به‌کارگیری یادگیری تقویتی، دقت مدل در محک GSM8K را از…

یک عامل هوش مصنوعی روشی برای عبور از محدودیت صداهای صرفاً مردانه یا زنانه در مدل‌های تبدیل متن به گفتار یافت. با ترکیب خروجی زنانه و تغییر گام (Pitch) از طریق ffmpeg، می‌توان…

سیستم‌های شناسایی فعلی به‌دلیل تکیه بر رشته‌های متنی که به‌سادگی جعل می‌شوند، در حال شکست هستند. جایگزینی این روش با مقایسه قطعی بردار معنایی چهره، تداخل سوابق و سرقت هویت را در…

شرکت SAIC ROEWE مدل JIAYUE 07 را معرفی کرد؛ اولین خودروی تولید انبوهی که به جای دستورات صوتی ساده، از یک معماری بومی هوش مصنوعی برای اجرای وظایف پیچیده سفر استفاده می‌کند. این…

کوالکام دو تراشه پرچمندار جدید برای اجرای عامل‌های هوش مصنوعی مستقیماً روی گوشی معرفی کرد. نسخه Extreme می‌تواند مدل‌های ترکیبی خبره‌ها با ۳۰ میلیارد پارامتر را بدون نیاز به ابر…

گوگل با ادغام Gemini 3.8 Live در Search Live، تجربه جست‌وجو را از پرس‌وجوهای متنی به گفتگوهای صوتی و بصری در لحظه تغییر داد. این به‌روزرسانی شامل دو مدل مجزا برای تعادل میان سرعت…

ارزیابی عملی مدل Qwen-Image 2.1 روی مک‌بوک پرو ۴۸ گیگابایتی نشان می‌دهد که با وجود کیفیت بصری بالا و پشتیبانی بومی از شفافیت، این مدل در اجرای دستورات مکانی دقیق و حفظ ثبات محصول…

پلتفرم Prodgist با استفاده از هوش مصنوعی، یک تصویر خام محصول را به عناوین سئو شده، توضیحات متنی و ویدیوهای تبلیغاتی تبدیل می‌کند. این ابزار فرآیند تولید محتوا برای فروشندگان در…