
مدل Grok Voice Transcribe 2.0 دقت تبدیل گفتار به متن را دو برابر کرد
شرکت x.ai مدل جدید Grok Voice Transcribe 2.0 را معرفی کرد که بدون افزایش قیمت، دقت تبدیل صوت به متن را در محیطهای پرسر و صدا دو برابر میکند. این مدل اکنون در پلتفرم Atlassian…
موضوع
Models that natively process text+image+audio+video
۱٬۳۳۶ مقاله منتشر شده

شرکت x.ai مدل جدید Grok Voice Transcribe 2.0 را معرفی کرد که بدون افزایش قیمت، دقت تبدیل صوت به متن را در محیطهای پرسر و صدا دو برابر میکند. این مدل اکنون در پلتفرم Atlassian…

والت دیزنی کاراندپ آناند، مدیرعامل سابق Character.AI را به عنوان نخستین مدیر ارشد فناوری (CTO) خود منصوب کرد. آناند مأموریت دارد زیرساختهای هوش مصنوعی دیزنی را برای ایجاد…

مدل وزنباز Kimi K3 با ۲.۸ تریلیون پارامتر اکنون در پلتفرم Amazon Bedrock در دسترس است. این مدل با تمرکز بر کارهای پیچیده برنامهنویسی و تحلیل دادههای حجیم، قابلیت کشینگ پرامپت و…

ابزار متنباز Hypit فرمتهای موفق ویدیو را بهجای تصادف، به عنوان کدهای تکرارپذیر میبیند. این ابزار با استفاده از عاملهای کدنویس، امکان تولید صدها نسخه از یک محتوا را بر اساس یک…

سامانه ADE شرکت LandingAI با استفاده از یک خط لوله سهمرحلهای، اسناد پیچیده مالی را به JSON تبدیل میکند. ویژگی کلیدی این ابزار، اتصال هر مقدار استخراجشده به مختصات دقیق…

علیبابا مدل جدید Qwen3.8-Omni-Flash را معرفی کرد که با ادغام درک صوت و تصویر در یک معماری واحد، هزینههای پردازش ویدیو را بهشدت کاهش میدهد. این مدل با استفاده از یک مکانیزم…

شرکت PrismML مدل چندوجهی Ternary Bonsai 2 27B را معرفی کرد که با کاهش شدید حجم حافظه به ۵.۹ گیگابایت، ۹۸ درصد از توانمندی مدل اصلی را حفظ میکند. این مدل امکان اجرای هوش مصنوعی…

شبکه عصبی جدید شرکت Figure به رباتهای انساننما اجازه میدهد بدون آموزش محیطی، کارهای خانه را در مکانهای کاملاً جدید انجام دهند. این سیستم با بهرهگیری از مجموعه داده Index، نرخ…

آزمایشگاه Wispr مدل Canto را برای بازشناسی گفتار در محیطهای واقعی و شلوغ معرفی کرد. این مدل در تستهای مقایسهای، کمترین نرخ خطای کلمه را برای دیکتهٔ آنی در شرایط دشوار ثبت کرده…

پلتفرم PyBot با ترکیب آموزش تعاملی پایتون، تمرینات ساختار داده و تحلیل رزومه، مسیر یادگیری تا استخدام را یکپارچه کرده است. این ابزار با حذف نیاز به جابهجایی بین ابزارهای مختلف،…

پلتفرم Wan Video با معرفی یک فضای کاری مبتنی بر مرورگر، فرآیندهای پراکنده تبدیل متن و تصویر به ویدیو را در یک رابط واحد جمع کرد. این سرویس علاوه بر ابزارهای ویرایشی، دسترسی API را…

پینترست ابزار هوش مصنوعی Restyle را برای بازطراحی اتاقها از طریق عکسهای شخصی معرفی کرد. این قابلیت با تبدیل تخیلات بصری به خریدهای واقعی، مسیر تبدیل «ایده» به «کالا» را کوتاه…