موضوع
Models that natively process text+image+audio+video
۸۶۰ مقاله منتشر شده
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…
ادوبی با عرضه یک پلاگین جامع، دسترسی به بیش از ۷۰ ابزار طراحی حرفهای را مستقیماً به محیط ChatGPT آورد. این اقدام تلاشی برای پیوند دادن هوش مصنوعی محاورهای با کنترل دقیق پیکسلها…
مطالعهای در سال ۲۰۲۶ نشان میدهد اپلیکیشنهای محبوب ردیابی غذا، کالری و چربیها را بهطور سیستماتیک کمتر از مقدار واقعی تخمین میزنند. این نقص به دلیل ناتوانی مدلهای بینایی در…
گوگل قابلیت Ask Maps را به ۱۳۰ کشور گسترش داد تا کاربران بتوانند از طریق گفتگو، کارهای پیچیدهای مثل رزرو هتل و سفارش غذا را انجام دهند. این تغییر، هدف تبدیل نقشهها از یک ابزار…
گوگل در API مدل Gemini از منطق کاشیبندی (Tiling) برای پردازش تصاویر استفاده میکند که میتواند هزینهها را بهشدت کاهش دهد. توسعهدهندگان با تنظیم ابعاد تصاویر روی شبکه ۷۶۸…