مدل‌ها هوش مصنوعی: نسخه جدید PaliGemma 2 گوگل، مدل زبان-دید با مقیاس‌های چندگانه و رایگان Google با انتشار PaliGemma 2، مدل زبان-دید جدیدی را ارائه کرده که در ۳، ۱۰ و ۲۸ میلیارد پارامتر و رزولوشن‌های گوناگون با هدف دسترسی آزاد و هوش مصنوعی متن-تصویر همراه است. ۱۵ آذر ۱۴۰۳ ۲ دقیقه محصولات هوش مصنوعی در PyCharm: ادغام کامل Hugging Face در این مقاله، نحوه ادغام Hugging Face با PyCharm به صورت عملی بررسی می‌شود؛ از گام‌های نصب تا راه‌اندازی یک چت‌آپ با قابلیت پردازش تصویر. نکات کلیدی برای توسعه‌دهندگان به صورت خلاصه آورده شده است. ۱۵ آبان ۱۴۰۳ ۲ دقیقه محصولات هوش مصنوعی جدید OpenAI: مدل چندرسانه‌ای GPT‑4o برای مدیریت محتوا مورد بحث خبر جدید به‌روزرسانی API مدریت محتوا توسط OpenAI، مدل چندرسانه‌ای GPT‑4o که با دقت بالای تشخیص متن و تصویر مخرب، سیستم‌هایی امن‌تر و دقیق‌تر فراهم می‌کند. ۵ مهر ۱۴۰۳ ۲ دقیقه مدل‌ها کوانتایز دیفیوژن ترنسفورمر با Quanto: کاهش مصرف حافظه در هوش مصنوعی با معرفی ابزارهای Quanto و Diffusers، اجرا کردن مدل‌های سنگین تولید تصویر با هوش مصنوعی بر روی سخت‌افزارهای محدود‌تر بدون افت عملکرد محسوس اکنون امکان‌پذیر است. ۹ مرداد ۱۴۰۳ ۳ دقیقه پژوهش هوش مصنوعی: دیتاست Docmatix، ۲۴۰‌برابر بزرگتر از DocVQA برای پاسخگویی به سوالات تصویری در مستندات در حالی که دیتاست DocVQA با ۱۰٬۰۰۰ تصویر کمبود داشت، Hugging Face دیتاستی تحت عنوان Docmatix را معرفی کرد؛ ۲.۴ میلیون تصویر و ۹.۵ میلیون‌پایه‌پاسخ برای پیش‌بینی‌های عکس‑متن در مستندات PDF. ۲۸ تیر ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی: مدل‌های سازگاری برای تولید تصویر در ثانیه‌ها مدل‌های Consistency در هوش مصنوعی بدون نمونه‌گیری تکراری، تصاویر را در چند ثانیه می‌سازند. این نوآوری زمان تولید را به‌طور چشمگیری کاهش می‌دهد. ۳۱ خرداد ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی در Prezi: چگونه همکاری با Hugging Face مسیر چند‌متد را پیش می‌برد Prezi در راه‌اندازی هوش مصنوعی چند‌مدلی با پشتیبانی از برنامه‌ی Expert Support Hugging Face. همکاری جدید، مدل‌های متن-تصویر، متود‌های نوین. ۳۰ خرداد ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی در مسابقه تصویرسازی: لیست‌بردی متن‑به‑تصویر و ارزیابی انسانی در ژوئن 2024، هیوگینگ فیس یک لیست‌بردی متن‑به‑تصویر راه‌اندازی کرد؛ بر اساس 45 هزار ترجیح انسانی، مدل‌های متن‑به‑تصویر از Midjourney، DALL·E، Stable Diffusion و سایر مدل‌های متن‌باز را در جدول رقابتی قرار داده است. ۱۷ خرداد ۱۴۰۳ ۲ دقیقه مدل‌ها هوش مصنوعی گوگل معرفی PaliGemma: مدل جدیدی برای ترکیب تصویر و متن PaliGemma، هفت‌ام مدل هوش مصنوعی گوگل، درک تصویر و متن را با ترکیب زبان طبیعت می‌کند. در این مقاله، امکانات، دسترسی و نکات فنی این مدل را بررسی می‌کنیم. ۲۵ اردیبهشت ۱۴۰۳ ۲ دقیقه محصولات هوش مصنوعی گام بعدی: معرفی GPT-4 Omni، مدل چندرسانه‌ای OpenAI OpenAI با مدل تازه GPT‑4 Omni، هوش مصنوعی چندرسانه‌ای را به‌سرعت رشد می‌دهد؛ قابلیت تفکر همزمان در حوزه‌های صوتی، تصویری و متنی را در زمان واقعی ارائه می‌کند. ۲۴ اردیبهشت ۱۴۰۳ ۲ دقیقه