پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۸۶۶ مقاله منتشر شده

AI

MiniMax M3: شکستن انحصار حافظه یک میلیون توکنی در مدل‌های بازمتن

مدل M3 از شرکت MiniMax، نخستین مدل بازمتنی است که حافظه یک میلیون توکنی را با قابلیت‌های چندوجهی ترکیب می‌کند. این مدل در بنچمارک‌های کدنویسی و جستجوی وب، رقبای قدرتمندی چون…

۳ دقیقه خواندن
AI

چگونه به‌روزرسانی‌های جدید Gemini از اتمام سریع سهمیه کاربران جلوگیری می‌کند؟

گوگل با رفع چندین باگ فنی، سرعت اتمام سهمیه‌ی کاربران Gemini را کاهش داد. از مهم‌ترین تغییرات می‌توان به رایگان شدن درخواست‌های Flash Lite و دو برابر شدن سهمیه ویدئو برای کاربران…

۲ دقیقه خواندن
AI

فیلم ۲ هزار دلاری با هوش مصنوعی؛ نخستین اثر بلند در برنامه اصلی تریبکا

فیلم ۷۵ دقیقه‌ای «رویاهای بنفشه» با بودجه‌ای اندک، نخستین اثر بلند ساخته‌شده با هوش مصنوعی است که به برنامه اصلی جشنواره تریبکا راه یافت. این اتفاق نشان می‌دهد که کیفیت بصری سینما…

۲ دقیقه خواندن
AI

چگونه Sesame با جستجوی موازی، سرعت و دقت را در مکالمات AI هم‌گام کرد؟

شرکت Sesame با معرفی اپلیکیشنی مبتنی بر جستجوی موازی، سکوت‌های طولانی چت‌بات‌ها را حذف کرد. این سیستم به عامل‌های هوش مصنوعی اجازه می‌دهد پاسخ‌های خود را در حین صحبت به‌روز کنند.

۲ دقیقه خواندن
AI

چرا پشتیبانی از ۲۰۱ زبان در NVIDIA ACE هزینه بومی‌سازی بازی‌ها را حذف می‌کند؟

انویدیا ابزار ACE را برای پشتیبانی از شخصیت‌های هوش مصنوعی چندزبانه به‌روزرسانی کرد و DLSS 4.5 را برای موتور آنریل منتشر نمود. این تغییرات امکان ایجاد NPCهای گفتگو‌محور روی دستگاه…

۳ دقیقه خواندن
AI
آموزش کاربردی

Reachy Mini و حذف APIهای ابری: استقرار محلی زنجیره کامل تبدیل گفتار به گفتار

ربات Reachy Mini اکنون می‌تواند تمام مراحل تبدیل گفتار به گفتار را به‌صورت محلی اجرا کند. این تغییر نیاز به سرورهای ابری و کلیدهای API را حذف کرده و حریم خصوصی کامل و هزینه صفر…

۲ دقیقه خواندن
AI

چرا یوتیوب سیستمِ داوطلبانه را کنار گذاشت تا ویدیوهای AI را خودکار شناسایی کند؟

یوتیوب سیستم اظهارات داوطلبانه سازندگان را کنار گذاشته و شناسایی خودکار ویدیوهای واقع‌گرایانه AI را جایگزین می‌کند. این پلتفرم اکنون با استفاده از سیگنال‌های داخلی و متادیتای…

۲ دقیقه خواندن
AI

Music v2: تلاشی برای تبدیل موسیقی AI از یک ریسک حقوقی به دارایی تجاری

شرکت ElevenLabs مدل Music v2 را معرفی کرد که قابلیت تغییر ژانر در میانه‌ی یک آهنگ را دارد. این مدل برخلاف رقبا از داده‌های لایسنس‌شده استفاده می‌کند تا خروجی‌ها برای استفاده تجاری…

۲ دقیقه خواندن
AI

استراتژی Human Archive برای تبدیل کارهای ساده در هند به داده‌های آموزشی ربات‌ها

استارتاپ Human Archive با جذب ۸.۲ میلیون دلار سرمایه، داده‌های حرکتی کارگران گیگ در هند را برای آموزش ربات‌ها جمع‌آوری می‌کند. این شرکت از سخت‌افزارهای تخصصی و مدل «تخفیف در خدمات…

۳ دقیقه خواندن