چندوجهی

یک توسعه‌دهنده با استفاده از mlx-whisper سامانه بازبینی کیفیت را خودکار کرد تا تکه‌های موسیقی تولیدشده توسط هوش مصنوعی را فیلتر کند. این سیستم با محاسبه نرخ تطابق متن، ۳۲ نسخه…

نوشتن توصیفات متنی بلند باعث نتایج پیش‌بینی‌ناپذیر می‌شود چون مدل‌ها توکن‌ها را به دستور زبان ترجیح می‌دهند. استفاده از یک کامپایلر پایتونی برای تبدیل پرامپت‌ها به داده‌های…

شرکت PixVerse با جذب ۴۳۹ میلیون دلار در مرحلهی تکمیلی سری C، ارزش بازار خود را به ۲ میلیارد دلار رساند. این استارتاپ سنگاپوری اکنون در رقابت مستقیم با غول‌هایی چون OpenAI و…

یک چارچوب جدید با ترکیب تقطیر دانش چندوجهی و شبیه‌سازی معکوس، برای حفظ زبان‌های در معرض خطر طراحی شده است. این سیستم با بازسازی خروجی‌های مدل معلم از طریق بردارهای معنایی مدل…

اپل نسخه‌های بتای عمومی iOS 27 و macOS 27 را با تمرکز بر تبدیل سیری به یک دستیار هوش مصنوعی زاینده عرضه کرد. این به‌روزرسانی علاوه بر قابلیت‌های هوشمند، جهش‌های چشم‌گیری در سرعت…

یک ابزار متن‌باز جدید با بهره‌گیری از قابلیت‌های بینایی مدل Claude، درس‌های گیتار یوتیوب را به نت‌های PDF تبدیل می‌کند. این ابزار با شناسایی دقیق میزان‌های موسیقی و حذف فریم‌های…

سامانه VideoAgent با استفاده از یک بهینه‌ساز منحصر‌به‌فرد، دستورات متنی را به گراف‌های اجرایی برای ابزارهای تدوین تبدیل می‌کند. این سیستم می‌تواند خطاهای ساختاری در زنجیره تولید…

یک پروژه متن‌باز با استفاده از مدل Amazon Nova 2 Sonic و رزبری‌پای ۵، اسباب‌بازی ماهی Billy Bass را به یک دستیار صوتی با تأخیر بسیار کم تبدیل کرده است. این سامانه با تحلیل لحظه‌ای…

رابط برنامه‌نویسی جدید SpeechAnalyzer اپل در تبدیل گفتار انگلیسی به متن، از مدل Whisper Small شرکت OpenAI پیشی گرفت. این ابزار با دقت بالاتر و سرعت ۳ برابر بیشتر، استنتاج محلی را…

گوگل با آوردن هوش مصنوعی Gemini به Waze، امکان گزارش حوادث جاده‌ای و جست‌وجوی مقاصد را از طریق دستورات صوتی طبیعی فراهم کرد. این به‌روزرسانی شامل حالت اختصاصی برای موتورسیکلت‌ها و…

گوگل پژوهشی مدل بنیادی SensorFM را معرفی کرد که داده‌های پراکنده حسگرهای پوشیدنی را به لایه هوشمند سلامت تبدیل می‌کند. این مدل با آموزش روی داده‌های ۵ میلیون کاربر، در تقریباً…

بسیاری از ابزارهای استخراج متن از PDF، داده‌های مختصاتی را حذف می‌کنند و باعث می‌شوند مدل‌های زبانی در ارجاع به صفحات دچار توهم شوند. برای حل این مشکل، رویکردی ترکیبی از استخراج…