موضوع
Models that natively process text+image+audio+video
۱٬۳۴۸ مقاله منتشر شده
مدل Seedance 2.0 متعلق به بایتدنس با ارائه خروجی 4K و قیمتهای رقابتی تا ۰.۰۴ دلار بر ثانیه، مدل Wan 2.7 علیبابا را در هزینهها شکست داد. در حالی که Wan در تولید کلیپهای بسیار…
پژوهشگران با تغییر تمرکز از تحلیل پیکسلها به نقشهبرداری از حرکات چهره در طول زمان، دقت تشخیص جعل عمیق را به بالای ۹۵٪ رساندهاند. این روش با تطبیق ردپای صوتی و کینماتیک سه بعدی…
دموی تازهای نشان میدهد مدل Codex میتواند بهطور خودگردان نرمافزارهای دسکتاپ را نصب و اجرا کند. این پیشرفت، مرز میان عاملهای محدود به وب و کنترل کامل سیستمعامل را میشکند.
انویدیا با همکاری دولت و غولهای صنعتی ژاپن، زیرساخت ملی «نوئترا» را برای رباتیک پیشرفته میسازد. هدف این استراتژی، استقرار ۱۰ میلیون ربات مجهز به هوش مصنوعی در بخش تولید ژاپن تا…
توسعه نرمافزار از نوشتن خطبهخط کد به سمت مدیریت سامانههای چندعاملی حرکت میکند. پروتکل MCP و ظهور عاملهای خودگردان، نحوه ساخت، استقرار و عیبیابی اپلیکیشنها را بهطور کلی…
هنرمندی به نام ۱۰۱۰بنزا با تبدیل Suno از یک ابزار تولیدکننده به یک پردازشگر پیچیده، روایت «محتوای بیکیفیت AI» را به چالش کشیده است. او با بازگردانی مکرر صدای انسانی و بیتها به…
ابزارهای صوتی مبتنی بر هوش مصنوعی با اتوماسیون گسترش موسیقی و ایجاد حلقههای بینقص، تنگناهای فنی تولید محتوا را از بین میبرند. این تحول جایگاه سازنده را از یک اپراتور فنی به یک…
پروژه Li Translate یک خط لوله (Pipeline) متنباز برای تولید زیرنویس است که بهجای ترجمه کلمه به کلمه، از پردازش متنیِ مبتنی بر زمینه استفاده میکند. این ابزار به توسعهدهندگان…
یک محک جدید از ۱۱ مدل شبیهسازی صدا نشان میدهد که سرویسهای ابری مانند OpenAI و ElevenLabs در سرعت و دقت پیشتازند. در مقابل، مدلهای محلی با وجود رایگان بودن، در مواجهه با علائم…
شرکت Moonshot AI ابزار Kimi Code CLI را به عنوان یک عامل متنی بازمتن معرفی کرد که مستقیماً در شل فعال است. این ابزار با قابلیت تبدیل ویدیو به کد و پیکربندی محاورهای MCP،…
یک ابزار متنباز جدید با تبدیل ویدیوها به فریمهای آگاه از صحنه و متون زمانبندیشده، امکان مشاهده واقعی ویدیو را برای LLMها فراهم میکند. این متد مشکل اتکای مدلهای چندوجهی به…
پلتفرم RapidTV معیار موفقیت ویدیوها را از «نرخ نگهداشت ۳ ثانیه اول» به «تراکم نقاط اوج» تغییر داد. شرکت ZipX اکنون با استفاده از یک تیم ۳۵ نفره از عاملهای هوش مصنوعی، تولید…