موضوع
Models that natively process text+image+audio+video
۱٬۳۵۶ مقاله منتشر شده
یک راهنمای پیادهسازی جدید نشان میدهد چگونه میتوان با ترکیب Oxlo.ai و مدل kimi-k2.6، عاملهای تحلیل تصویر با تأخیر بسیار کم ساخت. این رویکرد با استفاده از خروجیهای JSON…
آزمایشهای جدید نشان میدهد عاملهای هوش مصنوعی میتوانند با تبدیل اسکرینشاتها به دادههای اندازهگیری شده، ویدیوهای باکیفیت تولید کنند. این مدلها بدون «دیدن» واقعی فیلم، تنها…
سامانه OpenClaw Ultra با یکپارچهسازی برنامهریزی، تدوین و توزیع در یک رابط چت، فرآیند تولید پادکست را به شکلی عاملمحور خودکار میکند. هدف این سیستم کاهش شدید زمان پستولید از…
شرکت ShadowSocial با طراحی یک لایه ارکستراسیون سفارشی، توانست مدلهای Qwen-Max و Wan 2.1 را بدون پرداخت هزینه برای حافظه غیرفعال اجرا کند. این متد با ترکیب گرمسازی پیشبینانه و…
پلتفرم ShadowSocial با پیادهسازی یک سیستم صفبندی سفارشی و استفاده از گرههای burstable در ECS، هزینههای زیرساختی خود را به شدت کاهش داد. این رویکرد با حذف زمانهای بیکاری…
شرکت OpenAI در همکاری با استودیوی LoveFrom در حال توسعه یک اسپیکر پریمیوم با طراحی خاص است. این دستگاه که تجسم فیزیکی ChatGPT خواهد بود، با چالش قیمت بالا و اختلافات حقوقی با اپل…
تحلیلهای فنی نشان میدهد مشکل دسترسی سالمندان به دستیارهای صوتی ناشی از ضعف در بازشناسی گفتار نیست، بلکه به دلیل آستانههای ثابت سکوت در منطق نوبتگیری است. جایگزینی این مدلها…
بهروزرسانی جدید API تحلیل ماهوارهای با بهرهگیری از مدل Gemini Vision، امکان تشخیص اشیا بدون نیاز به آموزش مدلهای سفارشی را فراهم کرد. توسعهدهندگان راهحلهای پیچیده GPU و…
مدلهای جدید هوش مصنوعی با تحلیل الگوهای تغییر رنگ برگها، بیماریهای گیاهی را در کسری از ثانیه تشخیص میدهند. این ابزارها با ترکیب پیشپردازش تصویر و استخراج ویژگیهای عمیق،…
بسیاری از هنرمندان با مشکل «جعبه خالی پرامپت» مواجهاند؛ یعنی ابزار را میشناسند اما دیدگاه بصری ندارند. Mio.2 با جایگزینی پرامپتهای کلی با یک فرآیند دو مرحلهایِ گفتگو و تولید،…
شرکت DeepSeek در جریان عرضه اولیه سهام Unitree Robotics، سهمی استراتژیک برای توسعه مدلهای هوش مصنوعی برای رباتهای انساننما خرید. هدف این همکاری، رفع گلوگاه پردازشی در «مغز…
بررسی ابزارهای تبدیل گفتار به متن نشان میدهد که قابلیت اصلاح خودکار در لحظه، برای بهرهوری بسیار حیاتیتر از دقت خام است. Wispr Flow برترین گزینه تجاری و FluidVoice قدرتمندترین…