مدلها
گوگل از EmbeddingGemma 2 رونمایی کرد؛ تحول در هوش مصنوعی چندوجهی آفلاین
گوگل از مدل ۷۴۰ میلیون پارامتری EmbeddingGemma 2 رونمایی کرد؛ امکانی برای جستجوی معنایی چندوجهی متن، تصویر، ویدیو و صوت بهصورت کاملاً آفلاین.
اخبار
باگ عجیب هوش مصنوعی الکسا پلاس؛ تکرار بیپایان «لالالا» در خانهها
باگ جدید الکسا پلاس اسپیکرهای اکو را وادار به تکرار بیپایان «لالالا» کرده است؛ آمازون تأیید کرد که تنها کاربران معدودی درگیر شدهاند و بهروزرسانی در راه است.
اخبار
ابتکار دولت ایتالیا برای مهار جعل هویت؛ جورجا ملونی صدایش را ثبت تجاری کرد
جورجا ملونی برای مقابله با خطرات جعل عمیق (دیپفیک) و سوءاستفادههای هوش مصنوعی، فایل صوتی خود را به ادارهی مالکیت معنوی اروپا فرستاد.
مدلها
ویژگی جدید Guided Vision گوگل میتواند به شما در تشخیص جزئیات کمک کند
قابلیت Guided Vision امروز در Gemini Live برای دستگاههای اندروید سازگار عرضه میشود تا با استفاده از هوش مصنوعی، توصیفات صوتی بلادرنگ از هر چیزی که دوربین گو
اخبار
جذب ۲۵ میلیون دلار سرمایه توسط مودولت برای تحلیل و مدلهای صوتی هوش مصنوعی
مودولت، استارتاپ هوش مصنوعی مستقر در بوستون، با ۲۵ میلیون دلار سرمایه جدید، پلتفرم خود برای تشخیص دیپفیک، تحلیل احساسات و مدیریت خطمشی صوتی را توسعه میدهد.
پژوهش
ورود هوش مصنوعی به زبان هندی: رکوردهای جدید در هوش مصنوعی
هافینگ فیس رکوردهای هوش مصنوعی را گسترش داد و اولین زبان کشور در حال توسعه را اضافه کرد.
سختافزار
ساخت عاملهای صوتی چندزبانه با تأخیر کم: وزنهای باز و کنترل کامل استقرار با NVIDIA Magpie TTS
یک پست وبلاگ از NVIDIA در مورد بغل کردن صورت
مدلها
معرفی Real World VoiceEQ: سنجش کیفیت انسانی هوش مصنوعی گفتاری
ابزار جدید Real World VoiceEQ توسط Hugging Face، کیفیت انسانی هوش مصنوعی گفتاری را اندازهگیری میکند و شکاف ارزیابیها را میسنجد.