چندوجهی

گوگل دیپ‌مایند رابط Interactions API را جایگزین سامانه قدیمی generateContent کرد تا قابلیت‌های پیشرفته‌ای مثل محیط‌های ایزوله لینوکس و زنجیره‌سازی ابزارها را به عامل‌های هوش…

آمازون دسترسی بتای دستیار هوشمند Alexa+ را برای کاربران هندی باز کرد. هدف این اقدام، جذب میلیون‌ها کاربر native است که در گفتگوهای روزمره از ترکیب زبان‌های هندی و انگلیسی استفاده…

گوگل دیپ‌مایند با سرمایه‌گذاری ۷۵ میلیون دلاری در استودیو A24، مسیر خود را از تولید ویدیوهای عمومی به سمت ابزارهای تخصصی تولید فیلم تغییر داد. هدف این همکاری، دریافت بازخوردهای…

انویدیا با معرفی Halos، استانداردهای ایمنی خودرویی را به رباتیک صنعتی آورد تا استقرار انبوه ربات‌های انسان‌نما در کارخانه‌ها ممکن شود. این اقدام هم‌زمان با جذب سرمایه‌های کلان در…

پژوهشگران مدل Moebius را معرفی کردند؛ چارچوبی سبک برای ترمیم تصویر (Inpainting) که با کمتر از ۲٪ پارامترهای مدل‌های غول‌آسا، کیفیتی مشابه آن‌ها ارائه می‌دهد. این مدل با دستیابی به…

خانواده مدل‌های جدید PP-OCRv6 راهکاری مقیاس‌پذیر برای نویسه‌خوانی نوری در ۵۰ زبان ارائه می‌دهد. این مدل‌ها با پارامترهایی بین ۱.۵ تا ۳۴.۵ میلیون، دقت تشخیص و بازشناسی متن را در…

گتی ایمیجز و OpenAI قراردادی چندساله برای ادغام کتابخانه‌های بصری رسمی در نتایج جست‌وجوی ChatGPT منعقد کردند. این چرخش استراتژیک توسط شرکتی رخ می‌دهد که پیش‌تر به دلیل نقض…

ارزیابی عملی Midjourney V7 نشان می‌دهد این ابزار برای خلق محیط‌های لایف‌استایل ایده‌آل است، اما در بازتولید دقیق محصولات شکست می‌خورد. بهینه‌ترین گردش‌کار فعلی، تولید محیط توسط…

پلتفرم Framia Pro ابزارهای تولید تصویر، ویدیو و دارایی‌های بازاریابی را در یک فضای واحد تجمیع کرده است. این سرویس با حذف نیاز به ورود کاربر (Login)، سرعت تبدیل ایده به محتوای بصری…

یک خط‌لوله‌ی خودکار به نام Tweet-to-Screen، توییت‌های پربازدید را به ویدیوهای کوتاه تبدیل می‌کند. این سیستم با استفاده از گردش‌کارهای عامل‌محور، نرخ بازگشت بینندگان را به‌شدت…

ابزارهای جدید Hi3D فرآیند تبدیل مدل‌های سه‌بعدی تولیدشده توسط هوش مصنوعی به قطعات قابل چاپ را خودکار می‌کنند. این پلتفرم با رفع خطاهای هندسی و تکه‌بندی خودکار مدل‌ها، نیاز به…

پلتفرم Radar با طراحی یک خط لوله تخصصی، متن‌های جاسازی‌شده در تصاویر و ویدیوهای شبکه‌های اجتماعی را به‌صورت آنی ترجمه می‌کند. این سیستم با تمرکز بر تحلیل داده‌های بصری، زمان رسیدن…