موضوع
Models that natively process text+image+audio+video
۴۰۳ مقاله منتشر شده
دیپسیک با معرفی قابلیت Vision، امکان جستوجو و استخراج متن و دادهها را مستقیماً از تصاویر و ویدیوها فراهم کرد. این ابزار هدفش حذف تایپ دستی دادهها از فرمتهای پیچیده بصری است.
استودیوی Rendereel تأکید میکند که خروجیهای باکیفیت در ویدیوهای هوش مصنوعی دیگر با ابزارهای عمومی ممکن نیست. برای عبور از سقف کیفی آماتورها، استفاده از مدلهای لورا (LoRA) برای…
ابزار Opticparse با استفاده از مدلهای چندوجهی Gemini، دادههای ساختاریافته را مستقیماً از اسکرینشات صفحات وب استخراج میکند. این روش با حذف نیاز به CSS Selectorها، پایداری…
بررسی این دیدگاه که تولید تصویر توسط هوش مصنوعی، نه یک خلق original، بلکه بازترکیبی از تجربیات جمعی انسان است. نویسنده استدلال میکند که خروجیهای مدلها در واقع بازتابی از…
ابزارهای استاندارد نظارت بر مدلهای زبانی، بخش بزرگی از تأخیرهای لایهی صوتی را نادیده میگیرند. توسعهدهندگان برای رفع این مشکل باید از ابزارهای مبتنی بر OpenTelemetry استفاده…
شرکت اسنپ برای مدیریت هزینههای بالای تحقیق و توسعه، تیم ویدیوهای هوش مصنوعی خود را به شرکت مستقل Dotmo تبدیل کرد. اسنپ همچنان از طریق مالکیت سهام و سرمایهگذاری مدیر فنی خود، نفع…
یک تحلیل فنی مسیر تبدیل ChatGPT از یک مدل عمومی به یک متخصص سلامت را ترسیم کرده است. این استراتژی بر پیشآموزش تخصصی، دادههای چندوجهی و همکاری با متخصصان متمرکز است.
پلتفرم BirthdayVideo.ai با ترکیب رندرینگ سریع الگویی و خلاقیت هوش مصنوعی، اصطکاک تولید ویدیوهای تبریک را حذف کرد. این ابزار با حذف نیاز به مهندسی پرامپت، ویدیوهای شخصیسازیشده را…
شرکت XGIMI عینکهای هوشمند MemoMind One را معرفی کرد که تجربه نمایشگر دوم را به صورت دستآزاد فراهم میکند. با این حال، ویژگی ثبت صوتی همیشگی این دستگاه برای تولید روزنامههای…
استارتآپ General Intuition با ارزشگذاری ۲ میلیارد دلاری، در تلاش است تا با استفاده از دادههای عظیم بازیهای ویدئویی، عاملهای هوش مصنوعی با درک فضایی و زمانی دقیق بسازد.
گوگل پس از شش سال، نخستین سختافزار صوتی اختصاصی خود را برای اجرای بومی Gemini Home معرفی کرد. این دستگاه با تمرکز بر پردازش محلی و تعاملات زبانی پیشرفته، قیمت ۹۹ دلاری دارد.
ادوبی با ادغام عاملهای هوشمند در مجموعهی Creative Cloud، فرآیندهای تکراری تولید را حذف کرده است. این ابزارها با اتصال به پلتفرمهایی مثل ChatGPT، فاصله میان ایدهپردازی و خروجی…