Stability AI: تولید موسیقی ۶ دقیقهای با وزنهای باز و دادههای قانونی
شرکت Stability AI مدل Stable Audio 3.0 را معرفی کرد که تولید موسیقی تا ۶ دقیقه را ممکن میکند. این مدلها با دادههای قانونی آموزش دیدهاند و نسخههای وزنباز آنها برای استفاده…
موضوع
Models that natively process text+image+audio+video
۸۶۲ مقاله منتشر شده
شرکت Stability AI مدل Stable Audio 3.0 را معرفی کرد که تولید موسیقی تا ۶ دقیقه را ممکن میکند. این مدلها با دادههای قانونی آموزش دیدهاند و نسخههای وزنباز آنها برای استفاده…
تیم Qwen در علیبابا با معرفی مدل Qwen3.5-LiveTranslate-Flash، تأخیر ترجمه همزمان را به ۲.۸ ثانیه کاهش داد. این مدل با ترکیب دادههای بصری و صوتی، کیفیت ترجمه را در محیطهای شلوغ…
عاملهای کدنویسی به نقطه عطف استقلال رسیدهاند و Claude Code اکنون اکثریت مشکلات واقعی گیتهاب را حل میکند. همزمان، صنعت به سمت عاملهای «ماندگار در ابر» و مدلهای یکپارچه برای…

گوگل در حال تبدیل نوار جستوجوی خود به یک مرکز عملیاتی جامع است. قابلیتهای جدیدی مانند Gemini Spark و سبد خرید جهانی قصد دارند با اجرای مستقیم وظایف، نیاز به جابهجایی بین…

گوگل مدل Gemini 3.5 Flash را معرفی کرد که چهار برابر سریعتر و بهشدت ارزانتر است. همچنین Gemini Spark بهعنوان یک عامل ابری شبانهروزی، هوش مصنوعی را از یک پنجرهی گفتگو به یک…

گوگل کادر جستوجوی سنتی را با رابطی مبتنی بر Gemini 3.5 Flash جایگزین میکند. این بهروزرسانی امکان ساخت مینیاپهای تعاملی و استفاده از عاملهای نظارتی ۲۴ ساعته را فراهم میکند.

گوگل با معرفی Gemini Spark و ابزارهای صوتی، Workspace را از یک محیط چتبات به یک اکوسیستم عاملمحور تبدیل میکند. این تغییر، تمرکز را از پاسخ به سؤالات به اجرای مستقیم وظایف در…

حالت AI گوگل به ۱ میلیارد کاربر فعال ماهانه رسید. این رشد با تغییری بنیادین در رفتار کاربران همراه است: پرسوجوها طولانیتر، پیچیدهتر و متمرکز بر برنامهریزی شدهاند.

گوگل با معرفی پلتفرم Antigravity و مدل Gemini Omni، از چتباتهای متنی فاصله گرفته و به سمت «عاملهای هوشمند» حرکت میکند. این ابزارها به جای تولید متن، اقدامات واقعی را در…

گوگل در حال تبدیل اپلیکیشن Gemini از یک چتبات ساده به یک مرکز فرماندهی شخصی است. این استراتژی با معرفی قابلیت Daily Brief و مدل ویدئویی Gemini Omni، قصد دارد با تکیه بر دادههای…

گوگل مدل Gemini Omni را معرفی کرد؛ ابزاری چندوجهی که با تحلیل همزمان متن، صدا و تصویر، ویدیوهای سازگار تولید میکند. نسخه Omni Flash هماکنون برای تولید محتوای کوتاه و آواتارهای…

گوگل قابلیت دستورات صوتی پیچیده را به داکس، کیپ و جیمیل اضافه کرد. کاربران اکنون میتوانند با صحبت کردن، دادهها را بین برنامهها جابهجا کرده و پیشنویسهای ساختاریافته بسازند.