موضوع
Models that natively process text+image+audio+video
۱٬۳۵۶ مقاله منتشر شده
یک راهنمای کاربردی نشان میدهد که جایگزینی روشهای دستی با پردازش دستهای مبتنی بر هوش مصنوعی، زمان برش تصاویر را از چندین دقیقه به چند ثانیه کاهش میدهد. این گردشکار نقاط شکست…
شرکت Recraft-Ai مدل جدیدی برای بزرگنمایی تصاویر عرضه کرده است که بهجای بازسازی خلاقانه، بر شفافیت لبهها و حذف نویز تمرکز دارد. این ابزار که روی زیرساخت Replicate میزبانی…
پلتفرم fal ابزاری به نام fal Agent را معرفی کرد که بهطور خودکار مدلهای تصویر، ویدیو و سهبعدی را در یک پروژه هماهنگ میکند. این سیستم با حفظ حافظه و تداوم بصری، گلوگاه تولید…
بررسی لایههای رایگان گوگل کلود نشان میدهد دسترسی به ابزارهای زیرساختی بسیار سخاوتمندانهتر از مدلهای مولد است. در حالی که APIهای ترجمه و تبدیل متن به گفتار سقفهای بالایی…
یک الگوی معماری جدید برای نظارت بر محتوا، بازشناسی گفتار را از طبقهبندی مدلهای چت جدا میکند تا از تولید پاسخهای ساختگی جلوگیری شود. این روش با بررسی وضعیت مدل در کاتالوگ پیش…
شرکت Meshy مدل بنیادی Meshy 7 را معرفی کرد که بر «همراستاسازی» یا بازتولید دقیق هندسه تصویر مرجع تمرکز دارد. این عرضه با یک محک (Benchmark) جدید همراه است که بهجای تکیه بر سلیقه…
شرکت Sandbar با جذب ۳۶ میلیون دلار، قصد دارد با معرفی انگشتر Stream، جایگزینی برای سختافزارهای یادداشتبرداری فعلی ایجاد کند. تمرکز این محصول بر ثبت سریع ایدههای لحظهای با…
پلتفرم Phala مدل ۲.۸ تریلیون پارامتری Kimi K3 را در محیطهای اجرای مورد اعتماد (TEE) قرار داد. این اقدام به توسعهدهندگان اجازه میدهد بدون افشای دادههای حساس به ارائهدهنده…
ساخت یک عامل صوتی پاسخگو نیازمند بهینهسازی دهها گام نامرئی در شبکه و نرمافزار است. با همپوشانی فرآیندهای بازشناسی گفتار، مدل زبانی و تبدیل متن به گفتار، میتوان از تأخیرهای…
پلتفرم OlmoEarth Studio اکنون امکان استخراج بردارهای معنایی (Embeddings) از دادههای مشاهده زمین را فراهم کرده است. این قابلیت تحلیلهای پیچیده مانند تشخیص تغییرات محیطی و…
پلتفرم Runable AI با هدف حذف «خستگی از اپلیکیشنها»، فرآیندهای پژوهش، طراحی و تولید محتوا را در یک گردشکار عاملمحور ادغام کرده است. کاربران بهجای جابهجایی بین ابزارهای تخصصی،…
گوگل دیپمایند مدل SL2T را در گوشیهای پیکسل ۱۱ ادغام کرد تا ترجمهٔ آنی زبان اشاره آمریکایی (ASL) به انگلیسی را در Gboard و Live Transcribe فراهم کند. این سامانه برای حفظ حریم…