eitaa logo
دیجی‌نت
1هزار دنبال‌کننده
105 عکس
2 ویدیو
0 فایل
شبکه هوشمند جمع آوری داده برای هوش مصنوعی https://dgnets.ir
مشاهده در ایتا
دانلود
انویدیا GR00T 2 رو معرفی کرد؛ ربات انسان‌نما حالا با پنج بار دیدن، یه کار تازه رو یاد می‌گیره 🤖 از GR00T 2 رونمایی کرده؛ نسل تازهٔ مدل‌هایی که قراره به ربات‌ها، از بازوی ساده تا انسان‌نما، کار یاد بدن. نکتهٔ جذابش اینه که ربات خیلی از کارها رو فقط با دیدن آدم‌ها یاد می‌گیره. طبق گزارش تیم تحقیقاتی انویدیا، این مدل تو ۵۰ کار جدید، بدون هیچ تمرینی ۴۰ درصد موفق بوده. حالا اگه فقط ۵ بار کار رو نشونش بدید (کمتر از ۳ دقیقه داده) و ۳۰ دقیقه روی یه کارت گرافیک RTX 5090 آموزشش بدید، موفقیتش می‌رسه به ۹۵ درصد. یعنی آموزش ربات دیگه به ماه‌ها داده و سرورهای غول‌پیکر گره نخورده. نسخهٔ سبکش هم روی خود ربات Unitree G1 اجرا می‌شه. هنوز کارهای خیلی طولانی و پیچیده براش سخته و کدش هم طبق گزارش GIGAZINE دسامبر منتشر می‌شه. 🔗 صفحهٔ رسمی پژوهش 🔗 GIGAZINE ❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف 🆔 @Masaf_Ai 🆔 @DgNets
Gemini Notebook حالا از جزوه‌هاتون سایت تعاملی می‌سازه؛ جدول تناوبی و خط زمانی امتحان با یه جمله شب امتحان شیمیه و جزوه‌ها و PDFها روی هم تلنبار شده؟ 📚 یا برای تاریخ باید کلی سال و اتفاق رو پشت سر هم حفظ کنید و همه‌ش قاطی می‌شه؟ Gemini Notebook (همون NotebookLM سابق ) از ۱۶ نوامبر یه قابلیت تازه گرفته: توی چتش بنویسید «make me a site» (یه سایت برام بساز) و بگید چی می‌خواید. از روی همون منابعی که خودتون توی دفترچه گذاشتید، یه سایت تعاملی تحویل می‌گیرید؛ مثلاً جدول تناوبی‌ای که روی عنصرهاش کلیک می‌کنید، یا خط زمانی جنگ‌ها و سلسله‌ها. بعد با Open in a new tab (باز کردن توی تب جدید) کامل بازش می‌کنید یا لینکش رو برای هم‌کلاسی‌هاتون می‌فرستید. فعلاً فقط نسخهٔ وب و برای کاربرهای بالای ۱۸ سال فعاله و اپ موبایل بعداً می‌رسه. 🔗 منبع خبر 🔗 لینک ابزار ❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف 🆔 @Masaf_Ai 🆔 @DgNets
دستیار هوش مصنوعی قوه قضاییه پرونده رو خلاصه می‌کنه و وقایع رو مرتب می‌چینه؛ ولی رأی آخر با قاضیه ⚖️ داره پاش به دادگاه‌های ایران هم باز می‌شه. امروز تو یه نشست تخصصی در پژوهشگاه ، معاون امور سامانه‌ها و هوش قضایی این قوه از دستاوردهای دستیار هوش مصنوعی قضایی‌شون گفت. این دستیار مستندات یه پرونده رو خلاصه می‌کنه، داده‌های لازم رو ازش بیرون می‌کشه و اتفاق‌ها رو به ترتیب زمانی می‌چینه. یعنی قاضی به‌جای ورق زدن کلی برگه، با یه تصویر مرتب از ماجرا کارش رو شروع می‌کنه. برای اینکه جواب‌ها مستند باشن هم سراغ روش RAG (جواب دادن با تکیه بر منابع) رفتن. ولی سنجیدن اعتبار مدرک‌ها و رأی آخر همچنان دست خود قاضیه. خودشون هم قبول دارن «توهم الگوریتمی»، یعنی وقتی مدل چیزی از خودش می‌سازه، هنوز سد جدی راهه و نظارت دقیق انسانی می‌خواد. 🔗 خبر رسمی پژوهشگاه قوه قضاییه ❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف 🆔 @Masaf_Ai 🆔 @DgNets
متن و رنگ و لوگوتون رو بدید، ویدیوی 1080p (فول اچ‌دی) همون‌جا تحویل بگیرید برای معرفی محصول یا تبریک یه مناسبت، یه ویدیوی کوتاه و تمیز لازم دارید ولی حوصلهٔ نصب نرم‌افزار تدوین و یاد گرفتنش رو ندارید؟ 🎬 از ۱۶ نوامبر، Igly بیشتر از ۲۰۰ تا Template (قالب) ویدیویی آورده توی Claude. کافیه توی چت بگید مثلاً «یه ویدیوی معرفی محصول می‌خوام». همون‌جا یه بخش ویدیوها با پیش‌نمایش قالب‌ها باز می‌شه؛ یکی رو انتخاب می‌کنید، متن خودتون رو می‌نویسید، رنگ‌ها رو عوض می‌کنید و لوگو یا عکس‌تون رو می‌ذارید. با Render MP4 (ساختن فایل MP4) یه ویدیوی 1080p (فول اچ‌دی) تحویل می‌گیرید که توی همون چت پخش می‌شه و دانلودش می‌کنید. با حساب Igly رایگانه، فقط اول باید یه بار Igly Canvas MCP (رابط اتصال Igly به Claude) رو وصل کنید. 🔗 چنج‌لاگ رسمی 🔗 راهنمای اتصال ❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف 🆔 @Masaf_Ai 🆔 @DgNets
حالا Deepgram کردی و آذری هم می‌فهمه؛ ۳۶ زبان تازه به Nova-3 برای تبدیل صدا به متن اضافه شد 🎙️ Deepgram دیروز ۳۶ زبان تازه به Nova-3 اضافه کرد؛ همون مدلی که صدا رو به متن تبدیل می‌کنه. نکتهٔ جالب برای ما اینه که کردی سورانی، کردی کرمانجی و ترکی آذری هم توی این فهرست هستن. یعنی اگه یه مصاحبه، جلسه یا پیام صوتی به کردی یا آذری دارید، حالا می‌شه متنش رو از همین سرویس گرفت. هم برای فایل‌های ضبط‌شده جواب می‌ده، هم برای Streaming (پخش زنده) که متن هم‌زمان با حرف زدن جلو می‌ره. فارسی هم از قبل توی نسخهٔ Multilingual (چندزبانه) بود. فقط حواستون باشه این مدل‌های تازه تک‌زبانه‌ان و باید زبان رو خودتون توی درخواست مشخص کنید. 🔗 اطلاعیه رسمی ❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف 🆔 @Masaf_Ai 🆔 @DgNets
ربات انسان‌نمای XMimic و XSoma که تقلید حرکت و راه رفتن روی زمین ناهموار رو توی کمتر از یه دقیقه یاد می‌گیره 🤖 تا حالا فکر کردید چرا با GPU (پردازنده‌ی گرافیکی) قوی‌تر، آموزش ربات لزوماً سریع‌تر نمی‌شه؟ روش‌هایی که ربات رو با یه World Model (مدل جهان) آموزش می‌دن، هر دورشون یه زنجیره‌ی طولانی از عملیات‌های کوچیکه که پشت سر هم اجرا می‌شن. XMimic و XSoma از TU Darmstadt این زنجیره رو کوتاه کردن و مراحل آموزش رو هم‌زمان روی چهار تا GPU پخش کردن. نتیجه: ربات Unitree G1 هر ۴۰ کلیپ حرکتی LAFAN1 رو توی ۰.۸۶ دقیقه یاد گرفته و راه رفتن روی زمین ناهموار رو توی ۰.۷۷ دقیقه؛ یعنی ۱۲.۳ برابر سریع‌تر از FastSAC (روش سریع یادگیری تقویتی) روی یه GPU. 🔗 لینک مقاله 🔗 کد مقاله: XMimic 🔗 کد مقاله: XSoma ❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف 🆔 @Masaf_Ai 🆔 @DgNets
حالا Suno برای آهنگ‌هاتون کاور آلبوم و ویدیو می‌سازه! آهنگ‌تون رو با Suno ساختید، ولی موقع پست کردنش موندید که چه عکسی کنارش بذارید؟ 🎨 Suno امروز یه بخش تازه به اسم Visuals (تصویرسازی) راه انداخته. آهنگ رو از کتابخونه‌تون می‌کشید توی این بخش و یه کاور آلبوم هم‌حال‌وهوای صداش می‌سازید، یا یه کلیپ تا ۱۵ ثانیه‌ای. کلیپ‌ها با ساختار آهنگ جلو می‌رن و شخصیت‌ها همراه متن آهنگ Lip Sync (لب‌زدن هماهنگ) می‌کنن. یه عکس از خودتون هم می‌شه نقطهٔ شروع باشه، یا اصلاً از شخصیت‌های آماده‌ش شروع کنید و بعد با یه متن تازه ویرایشش کنید. فعلاً فقط نسخهٔ وبه و اپ موبایلش چند هفتهٔ دیگه میاد. اعتبارش هم از اعتبار ساخت آهنگ جداست. 🔗 منبع خبر 🔗 لینک ابزار ❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف 🆔 @Masaf_Ai 🆔 @DgNets
مدل Kling Image 4.0 اومد! 🎨 فرض کنید یه فروشگاه اینترنتی دارید و برای یه محصول، ۱۰ تا عکس از زاویه‌های مختلف می‌خواید که همه یه حال‌وهوا داشته باشن.مدل Kling Image 4.0 که امروز اومد، همه‌شون رو با یه Prompt (دستور متنی) یکجا می‌سازه و سبک و چهره‌ی سوژه توی همه‌ی عکس‌ها ثابت می‌مونه. خروجیش تا 8K (وضوح خیلی بالا) می‌ره؛ یعنی بافت پارچه و جزئیات محصول حتی وقتی زوم می‌کنید یا عکس رو می‌بُرید، تیز می‌مونه. تا ۲ هزار کاراکتر نوشته هم توی یه تصویر جا می‌ده، بیشتر از ۷۰ تا فونت آماده داره و متن و فونت رو بعد از ساخت هم می‌تونید عوض کنید. فقط حواستون باشه زبان‌های نوشتاریش فعلاً انگلیسی، چینی، ژاپنی، کره‌ای، اسپانیایی و پرتغالیه و فارسی هنوز توی فهرستش نیست. 🔗 لینک ابزار 🔗 اطلاعیه رسمی Kling AI ❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف 🆔 @Masaf_Ai 🆔 @DgNets
حالا Gemini به‌جای شما زنگ می‌زنه، قبض رو بررسی می‌کنه و خرید می‌کنه! 📞 فرض کنید چراغ چک ماشین روشن شده و به‌جای این‌که پشت خط تعمیرگاه منتظر بمونید، فقط به Gemini می‌گید «یه وقت جمعه صبح برام بگیر». توی مثال خود گوگل، Gemini هم‌زمان به دو تا نمایندگی زنگ زده، وقت گرفته و گذاشتتش توی تقویم؛ همه‌ش زیر پنج دقیقه. گوگل امروز حالت Task (انجام کار) رو با مدل تازهٔ Gemini 4 Hydrogen برای صدها میلیون نفر رایگان کرد. کافیه روی صفحهٔ اول اپ، کلید رو از Chat (گفت‌وگو) بزنید روی Task. یه نمونهٔ دیگه: Gemini قبض برق ۳۸۹ دلاری رو بررسی کرده و فهمیده مقصر پمپ حرارتیه که ساعت ۴ عصر، درست وسط ساعت گرونی برق، روشن می‌شده. فعلاً فقط آمریکا، ژاپن، کره، کانادا، استرالیا و هند. قبل از زدن دکمهٔ خرید هم ازتون تأیید می‌گیره. 🔗 اطلاعیه رسمی ❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف 🆔 @Masaf_Ai 🆔 @DgNets
خط‌های کج جزوهٔ دست‌نویس‌تون رو صاف می‌کنه و توی ضبط کلاس نشون می‌ده کی چی گفته! ✍️ جزوه‌ای که سر کلاس تند‌تند نوشتید و خط‌هاش کج شده، حالا با یه لمس صاف می‌شه و شکل دست‌خط‌تون هم عوض نمی‌شه. Notewise نسخهٔ 4.2 رو داده و این فقط یکی از تغییراتشه. دور یه کلمه یا فرمول دست‌نویس خط بکشید تا توضیحش رو بگیرید و همون‌جا سؤال بعدی رو بپرسید. ضبط کلاس یا جلسه هم حالا Speaker Identification (تشخیص گوینده) داره؛ یعنی متن پیاده‌شده نشون می‌ده کی چی گفته و زمان هر جمله با صدا هماهنگه. اگه یه مرحله از حل مسئله جا افتاده، Insert Space (باز کردن جا) بین خط‌ها جا باز می‌کنه، بی‌اینکه کل صفحه رو جابه‌جا کنید. توی پلن رایگان هم دیگه می‌شه دست‌نویس، متن تایپی، صدای ضبط‌شده و PDF رو کنار هم توی یه یادداشت داشت. فقط حواس‌تون باشه بخش‌های هوش مصنوعی با اعتبار حساب می‌شن. 🔗 لینک ابزار 🔗 معرفی نسخهٔ 4.2 ❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف 🆔 @Masaf_Ai 🆔 @DgNets
ربات انسان‌نمای شیائومی یه شیفت کامل ۸ ساعته توی کارخونه کار کرد و وسطش دو بار خودش رفت شارژ شد 🤖 یه همکار تازه رو تصور کنید که از اول تا آخر شیفت پای ایستگاهش وایمیسه، قطعه‌ها رو جدا می‌کنه و هر وقت باتریش ته کشید، خودش پا می‌شه می‌ره شارژ می‌شه. شیائومی می‌گه ربات انسان‌نماش همین کار رو توی کارخونهٔ خودروش کرده. لی جون، مدیرعامل ، امروز توی نشست مدیران اپک توی شنزن گفت این ربات یه شیفت کامل ۸ ساعته کار کرده و وسطش دو بار خودش رفته شارژ شده. کارش جدا کردن قاب‌های کناری کنسول وسط ماشین بوده و به گفتهٔ شیائومی، کل نیاز روزانهٔ همون ایستگاه رو پوشونده، خطاهای کارش رو خودش درست کرده و با بقیهٔ خط تولید هماهنگ بوده. البته شیائومی خودش هم اسمش رو گذاشته تأیید اولیه؛ نه گفته چند تا ربات پای کارن، نه سرعتشون رو با کارگر مقایسه کرده.🏭 🔗 رویترز 🔗 فوتو نیوز ❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف 🆔 @Masaf_Ai 🆔 @DgNets
چطور Qwen3-TTS یاد گرفت لحنش رو از متن بگیره، نه از نمونه‌ی صدا؟ 🎙️ مدل‌های معمولاً علاوه بر رنگ صدا، لحن نمونه رو هم کپی می‌کنن. اگه نمونه‌ای که می‌دید خشک باشه، متن پرهیجان هم بی‌روح خونده می‌شه. تیمی از Alibaba و دانشگاه نانجینگ با سه مرحله Post-training (آموزش تکمیلی) به Qwen3-TTS یاد دادن لحن رو از خود متن بگیره: اول DPO (بهینه‌سازی مستقیم با ترجیح‌ها)، بعد یادگیری تقویتی با چند امتیاز هم‌زمان، آخر هم یادگیری از نسخه‌ی پرحس خود مدل. امتیاز احساس روی محک Emergent TTS-Eval از ۱۸.۵ به ۸۱.۲ رسیده و با نمونه‌ی صدای خشک، شنونده‌ها توی ۶۷.۴ درصد موارد مدل جدید رو ترجیح دادن. البته شباهت به صدای اصلی کمتر شده و این بده‌بستون هنوز حل نشده. 🔗 لینک مقاله 🔗 صفحه پروژه ❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف 🆔 @Masaf_Ai 🆔 @DgNets