
درون استراتژی گوگل و Stability AI برای دور زدن قوانین پلتفرمها
یک پایگاهداده عمومی فاش کرد که میلیونها اثر موسیقی، از جمله آثار لیدی گاگا و رادیوهد، بدون مجوز برای آموزش مدلهای هوش مصنوعی استفاده شدهاند. این دادهها نشان میدهند شرکتهایی…
موضوع
Models that natively process text+image+audio+video
۱٬۳۴۵ مقاله منتشر شده

یک پایگاهداده عمومی فاش کرد که میلیونها اثر موسیقی، از جمله آثار لیدی گاگا و رادیوهد، بدون مجوز برای آموزش مدلهای هوش مصنوعی استفاده شدهاند. این دادهها نشان میدهند شرکتهایی…

یک تولیدکننده محتوا با استفاده از ابزارهای هوش مصنوعی زاینده، حجم کاری یک استودیوی کامل را در چند ساعت به تنهایی انجام داد. این پروژه نشان میدهد که مزیت رقابتی از تخصصهای عمیق…

سیستم جدید Data2Story با بهرهگیری از یک «تحریریه مجازی» متشکل از ۷ عامل هوش مصنوعی، مجموعهدادههای خام CSV را به مقالات وب تعاملی تبدیل میکند. این ابزار با ایجاد یک پنل بازرسی،…

انویدیا چارچوب SpatialClaw را معرفی کرد که بهجای فراخوانیهای صلب ابزار، از کد پایتون بهعنوان رابط اقدام استفاده میکند. این رویکرد باعث شد مدلهای بینایی-زبانی بدون نیاز به…

اپل در بهروزرسانی iOS 27 سه قابلیت ویرایشی ساختاری را به برنامه Photos اضافه کرده است. این ابزارها با استفاده از هوش مصنوعی زاینده، امکان تغییر زاویه دید، گسترش حاشیه تصاویر و…

استارتآپ Pixi اپلیکیشنی برای iOS عرضه کرده که امکان ارسال شخصیتهای AR متحرک را فراهم میکند. این کاراکترها با استفاده از هوش مصنوعی محلی، به محیط فیزیکی و احساسات کاربر در لحظه…

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…