پژوهش هوش مصنوعی شنیداری؛ ماشین‌هایی با شنوایی فراتر از انسان ساخته می‌شوند پروفسور پاریس سماراگدیس در دانشگاه MIT در حال ساخت هوش مصنوعی شنیداری است؛ ماشین‌هایی با شنوایی فرابشری برای تشخیص گفتار، درک موسیقی و پایش محیط زیست. ۶ آبان ۱۴۰۵ ۲ دقیقه مدل‌ها Granite Switch 4.1؛ یک هوش مصنوعی برای گفتگو، تصمیم‌گیری و گفتار مدل Granite Switch 4.1 آی‌بی‌ام، گفتگو، تصمیم‌های عمومی و تخصصی و تشخیص گفتار را از یک endpoint واحد با اشغال VRAM برابر مدل پایه ارائه می‌دهد. ۲۴ مهر ۱۴۰۵ ۲ دقیقه 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. ۶ شهریور ۱۴۰۵ ۲ دقیقه پژوهش آیا نمره هوش مصنوعی در تشخیص گفتار واقعاً معتبر است؟ بمباران داده‌های هوش مصنوعی باعث بهینه‌سازی غیراصولی مدل‌ها در بنچمارک‌های تشخیص گفتار شده است. در این مطلب بررسی می‌کنیم که چرا نمرات بنچمارک‌ها ممکن است گمراه‌کننده باشند. ۳۰ مرداد ۱۴۰۵ ۲ دقیقه پژوهش نVIDIA Nemotron 3 Nano Omni؛ هوش مصنوعی چندرشته‌ای با زمینه‌های طولانی پیشروترین هوش مصنوعی چندرشته‌ای NVIDIA Nemotron 3 Nano Omni با قابلیت تحلیل متن، تشخیص گفتار و درک طولانی ویدئو در قالب مدل چندرسانه‌ای پیشرفته، هم‌چنین عملکرد بالا در بسترهای تجاری را به ارمغان می‌آورد. ۸ اردیبهشت ۱۴۰۵ ۲ دقیقه پژوهش هوش مصنوعی در تشخیص گفتار: ۱۵۰ مدل و ۲۷٬۰۰۰ مدل ASR در لیست‌برد در این گزارش به بررسی روندها و نتایج جدید لیست‌برد Open ASR می‌پردازیم؛ از موفقیت Conformer + LLM گرفته تا چالش‌های گفتار چندزبانه و متن‌های طولانی. ۳۰ آبان ۱۴۰۴ ۲ دقیقه پژوهش هوش مصنوعی در Hugging Face: دیاری‌سازی سریع و دقیق با سرعت بی‌نظیر سرویس جدید حاشیه‌پرداز در هنجینگ فیس باعث تحول در تشخیص گفتار و دیاری‌سازی می‌شود؛ ترکیب Whisper بر مبنای پیکربندی سفارشی، با افراط‌ درک‌سنجی و تشخیص گفتار همزمان، دقت و سرعت را به حداکثر می‌رساند. ۱۲ اردیبهشت ۱۴۰۳ ۲ دقیقه اخبار انقلاب در تشخیص گفتار چندزبانه: آموزش تطبیقی MMS با هوش مصنوعی با آداپتورهای MMS متا و تکنیک آموزش تطبیقی Hugging Face، تشخیص گفتار چندزبانه وارد فاز جدیدی می‌شود. این رویکرد به ویژه برای زبان‌های کم‌منبع، دقت بی‌نظیری را با آموزش سریع به ارمغان می‌آورد. ۲۹ خرداد ۱۴۰۲ ۴ دقیقه اخبار انقلاب در تعاملات بازی: تشخیص گفتار هوش مصنوعی در یونیتی با Hugging Face Hugging Face با معرفی API خود برای یونیتی، امکان پیاده‌سازی تشخیص گفتار پیشرفته هوش مصنوعی را در بازی‌ها فراهم می‌کند. از دستورات صوتی تا بهبود دسترسی، گام بلندی در تعاملات دیجیتال. ۱۲ خرداد ۱۴۰۲ ۳ دقیقه پژوهش هوش مصنوعی OpenAI با Whisper: مدل پیشرفته‌ی تشخیص گفتار با دقت انسانی OpenAI با ارمغان Whisper، شبکه عصبی پیش‌بینی‌کننده‌ی گفتار، دقت و مقاومتی نزدیک به انسان را در تشخیص صداهای انگلیسی ارائه می‌دهد. ۳۰ شهریور ۱۴۰۱ ۲ دقیقه