پژوهش
Transformers: استانداردسازی مدل‌های هوش مصنوعی برای توسعه‌دهندگان و پژوهشگران
کتابخانه Transformers از Hugging Face، با استانداردسازی تعریف مدل‌ها، یکپارچه‌سازی در فریم‌ورک‌های متعدد و افزودن هر هفته بیش از 3 معماری پشتیبانی شده را ارائه می‌دهد.
کسب‌وکار
سرعت بی‌نظیر استنادات صوتی با Inference Endpoints هوش مصنوعی
هفتاد و نه درصد بهبود در سرعت استنادات صوتی با جدیدترین نسخه Whisper در Inference Endpoints؛ یک قدم در جهت آزادسازی هوش مصنوعی، سرعت و هزینه را کاهش می‌دهد.
اخبار
هوش مصنوعی و Cloudflare: FastRTC برای ارتباط صوتی و تصویری در لحظه
همکاری Hugging Face و Cloudflare با FastRTC، راه حلی سریع و بدون پیچیدگی برای انتقال صدا و تصویر در زمان واقعی را ارائه می‌دهد؛ شبکه ۳۳۵ سرور TURN در سراسر جهان، تجربه‌ای بی‌نظیر را تضمین می‌کند.
اخبار
انقلابی در صدای هوش مصنوعی: مدل‌های صوتی پیشرفته OpenAI با قابلیت شخصی‌سازی بی‌سابقه
OpenAI مدل‌های صوتی جدیدی را برای API خود معرفی کرده که به توسعه‌دهندگان اجازه می‌دهد لحن گفتار را شخصی‌سازی کنند. عاملی جدید برای نمایندگان صوتی هوشمند.
پژوهش
هوش مصنوعی و چالش جدید: ارزیابی استدلال صوتی با Big Bench Audio
مجموعه داده Big Bench Audio به کمک هوش مصنوعی، توانایی استدلال مدل‌های صوتی را می‌سنجد؛ نتایج اولیه نشان می‌دهد مدل‌های گفتاربه‌گفتار از مدل‌های بومی جلوترند.
پژوهش
هوش مصنوعی در خدمت نطق: راهنمای راه‌اندازی Speech-to-Speech در Hugging Face
در این مقاله به صورت گام‌به‌گام راهنمایی می‌کنیم تا سرویس Speech-to-Speech را در Hugging Face پیاده‌سازی کنید و از امکانات چند زبانی یاد بگیرید. یک راه‌حل نوین برای تبدیل صدا در زمان واقعی.
محصولات
هوش مصنوعی با OpenAI: معرفی API مکث زمان واقعی برای توسعه‌دهندگان
OpenAI با معرفی ابرداده‌ی تجربی، API مکث زمان واقعی را معرفی کرد که به توسعه‌دهندگان امکان می‌دهد تجربه‌های گفتگوی صوتی سریع‌تری را در اپلیکیشن‌های خود پیاده کنند و فضای گفتگو را بهسریع‌رسانی بیفزاید.
پژوهش
هوش مصنوعی در خدمت صدا: چگونگی عملکرد و پژوهش‌های ایمنی موتور صوتی
از پردازش زبان طبیعی تا تولید صدای واقعی، موتور صدا از مدل‌های پیشرفته یادگیری عمیق بهره می‌برد؛ امنیت و حریم خصوصی در طراحی آن چه جایگاه دارند؟
محصولات
ChatGPT 5 صدا: چگونه صداهای هوش مصنوعی توسط OpenAI انتخاب‑ترشدند و روند انتخاب آنها
OpenAI در بیش از 400 پیشنهاد صدا، با همکاری فنی‌ترین مسترهای صدا، پنج صدا برگزید؛ این مقاله مسیر انتخاب، استانداردها و تکنولوژی‌های بهبود تجربه صوتی ChatGPT را بررسی می‌کند.
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.