مدل‌ها
Aya Vision؛ جهش بزرگ هوش مصنوعی چندزبانه با قابلیت دید کامپیوتری
در مقاله امروز به معرفی Aya Vision، نسل جدید مدل‌های چندزبانه و چندحالته می‌پردازیم؛ مدلی منبع‌باز که با پشتیبانی از ۲۳ زبان، درک متن و تصویر را متحول می‌کند.
مدل‌ها
هوش مصنوعی با Remote VAE ها: تسهیل پردازش تصویر با اِندپوینت خارج از سازمان
Hugging Face با Remote VAE، پردازش دیسک‑کدینگ تصاویر و ویدیوها را با مصرف حافظه کمتر و سرعت بالاتر با استفاده از Endpoints ارائه می‌کند.
پژوهش
نوآوری SigLIP 2: موتور چندزبانه دیده‑متن برای هوش مصنوعی پیشرفته
SigLIP 2؛ جدیدترین موتور چندزبانه دیده‑متن؛ بهبود یافته با اهداف یادگیری تازه، تاکنون برکرد SigLIP 1 را در دسته‌بندی صفر‑شی، retrieval و انتقال نمایه‌ها پشت سر گذاشته است.
پژوهش
گوگل معرفی کرد PaliGemma 2 Mix: نسل جدید هوش مصنوعی تصویری
در سپتامبر 2025 گوگل نمونه‌ای نوین از مدل‌های ترکیبی PaliGemma 2 Mix را رونمایی کرد؛ این نسخه، با ترکیب وظایف متنوع تصویری و متنی، پتانسیل شگرفی در بهبود تشخیص متن و توضیح تصاویر ارائه می‌دهد.
اخبار
هوش مصنوعی: مدل جدید هاگینگ فیس، بازیابی اسناد چندزبانه را متحول می‌کند
هاگینگ فیس با معرفی مدل vdr-2b-multi-v1، گامی بزرگ در بازیابی بصری اسناد چندزبانه برداشت. این مدل جستجو در اسناد تصویری را بدون OCR ممکن می‌سازد.
محصولات
هوش مصنوعی Sora: مدل ساخت ویدئو با کیفیت 1080p و طول 20 ثانیه
سریع‌ترین راه برای ایجاد ویدئوهای کوتاه و با کیفیت، مدل هوش مصنوعی Sora است. با قابلیت تولید 1080p، 20 ثانیه و فرم‌های مختلف، کاربران می‌توانند محتواهای خود را نوآورانه بسازند.
پژوهش
هوش مصنوعی در حال انقلاب: دیتاست جدیدی برای ترجیح تصویر متن
دیتاست Open Preference به‌عنوان یک منبع متن-به-تصویر در دسترس عموم، با مجوز Apache 2.0، به جامعه‌ی هوش مصنوعی امکان می‌دهد بهترین مدل‌های ترجیح تصویر را آزمایش و بهبود بخشد.
محصولات
هوش مصنوعی در هنر: هنرمند ماین آترند و Sora تصویر آینده را به تصویر می‌کشند
مروج تجسیم ایده‌های خلاق، هنرمند ماین آترندر با کمک Sora «هوش مصنوعی»، عرصه هنر را به شکلی نو و هیجان‌انگیز بازتعریف کرده و ابزارهای پیشرفته برای خلق بصری و پویا ارائه می‌دهد.
محصولات
هوش مصنوعی Sora: چگونه لانیدن باررویس با این ابزار معمایی دنیا را می‌سازد
Sora از OpenAI، ابزاری نوین برای خلق داستان‌های تصویری است که توسط فلم‌ساز و انیماتور لانیدن باررویس معرفی و نکات کاربردی آن بررسی شد.
محصولات
سورای OpenAI: مدل نسل بعدی تولید ویدیو در دنیای هوش مصنوعی پیشرفته
با معرفی Sora، مدل ویدیو تولید OpenAI، برچسب‌های نوآوری در تولید محتوا، این ابزار ترکیبی از متن، تصویر و ویدیو را به خروجی ویدئویی خلاقانه تبدیل می‌کند.