«ناتوان در تشخیص تلها»؛ نقد بازیکنان به سیستم جدید ESPN
شبکه ESPN ابزاری مبتنی بر هوش مصنوعی را برای تحلیل حرکات بدنی بازیکنان و پیشبینی قدرت دستها در مسابقات WSOP ۲۰۲۶ معرفی کرد. بازیکنان حرفهای مدعیاند این سیستم به دلیل کمبود…
۷ دقیقه خواندن
موضوع
چندوجهی
Models that natively process text+image+audio+video
۸۶۰ مقاله منتشر شده
آموزش کاربردیتأییدنشده · منبع منفرد
«سرعت پایین تولید»؛ چالش MiniMax H3 در سختافزارهای میانرده
آزمونهای جدید ثابت میکند مدل MiniMax H3 با کمک تکنیک CPU offloading روی کارتهای گرافیکی ۱۲ گیگابایتی قابل اجراست. با Despite کیفیت بصری و صوتی بالا، سرعت تولید بسیار پایین است…
۲ دقیقه خواندن۲
«اتوماسیون محتوای انبوه»؛ استراتژی جدید ShadowSocial برای مدیریت بار سرور
پلتفرم ShadowSocial.io با ادغام مدل چندوجهی Qwen-Max و پروکسی معکوس Caddy، تولید محتوای انبوه برای اینفلوئنسرهای مجازی را خودکار کرده است. این معماری با بهینهسازی توزیع رسانه و…
۲ دقیقه خواندن
claude-real-video هزینه توکنهای ویدیو را با حذف فریمهای تکراری کاهش داد
ابزار جدید و متنباز claude-real-video با جایگزینی نمونهبرداری یکنواخت با یک سیستم حذف تکرار چندکاناله، بهرهوری مدلهای زبانی در تحلیل ویدیو را بالا برد. این ابزار با حفظ لحظات…
۶ دقیقه خواندن
تغییر متن در Suno صدای ضبطشده را اصلاح نمیکند
بهروزرسانی جدید Suno ویرایشگر متن را بهبود بخشیده اما مرز سختگیرانهای میان پیشنویس متن و فایل صوتی ایجاد کرده است. تغییر کلمات در ادیتور باعث اصلاح اتوماتیک آهنگهای ضبطشده…
۵ دقیقه خواندن۱
«عبور از کاربردی به زیبا»؛ هدف جدید مدلهای AI با دادههای ترجیحی
استارتاپ Intelligence با جذب سرمایه برای پلتفرم DesignArena، دادههای ترجیحی انسانی در زمینه زیباییشناسی را برای آزمایشگاههای پیشرو AI فراهم میکند. این شرکت با کمک ۵.۳ میلیون…
۳ دقیقه خواندن۱
مدل MiniMax H3 نخستین مدل وزنباز در صدر رتبهبندی ویدیوهای AI
شرکت MiniMax مدل H3 را با وزنهای باز منتشر کرد تا برای نخستین بار یک مدل غیرانحصاری در صدر بنچمارکهای تولید ویدیو قرار گیرد. این مدل ۳۳ میلیارد پارامتری، ویدیوهایی با صدای…
۱ دقیقه خواندن۲
تضاد akustik؛ چرا تعامل صوتی با AI دفاتر باز را ناکارآمد میکند؟
گسترش تعاملات صوتی بلادرنگ با هوش مصنوعی، معماری دفاتر «باز» را به چالش کشیده است. تغییر الگوی کار از تایپ به گفتگو، نیاز به حریم صوتی و فضاهای اختصاصی برای صحبت را به یک ضرورت…
۳ دقیقه خواندن۲
ShadowSocial.io: بهینهسازی حافظه در زمان بیکاری، پایداری سیستم را تضمین میکند
پلتفرم ShadowSocial.io معماری جدیدی برای مدیریت اینفلوئنسرهای هوش مصنوعی معرفی کرد که از طریق بهینهسازی حافظه و قفل کردن چهره، پایداری سیستم را در زمان ترافیک بالا تضمین میکند.…
۲ دقیقه خواندن۱
تولید تصویر با دادههای شخصی؛ Gemini چگونه حریم خصوصی را بازتعریف میکند؟
گوگل به بخشی از کاربران ایالات متحده اجازه داد تا از عکسهای شخصی خود در Google Photos بهعنوان زمینه مستقیم برای تولید تصویر در Gemini استفاده کنند. این تغییر، تمرکز کاربر را از…
۳ دقیقه خواندن۲
مدل MiniMax H3 مصرف حافظه گرافیکی را برای تولید ویدیوهای 2K تا ۶۶٪ کاهش داد
شرکت MiniMax مدل H3 را با وزنهای باز منتشر کرد که تولید ویدیوهای 2K همراه با صدای استریو را ممکن میسازد. به دلیل بهینهسازیهای شدید در وزنها، این مدل اکنون روی کارتهای…
۲ دقیقه خواندن۱
برش دستی تصاویر ۹:۱۶؛ راهکاری برای رفع تاری و اعوجاج در ویدیوهای هوش مصنوعی
یک گردشکار جدید برای مدلهای تبدیل تصویر به ویدیو، از طریق برش دستی عکسها به نسبت ۹:۱۶ پیش از آپلود، مانع از افت کیفیت میشود. با جداسازی ترکیببندی از حرکت در پرامپت، کاربران…
۲ دقیقه خواندن۴