🎁 نتیجهٔ «قرعهکشی هفتگی» دیجینت مشخص شد!
جایزه: کتاب وارث (تشیع وارث مسیحیت، یهودیت و اسلام) با امضا و دستنوشته استاد رائفیپور
بازه: هفتگی — هفته قبل · هفته 16–22 آبان 1405
تعداد برندگان: 3
🎊 برندگان: عرفان فرشادیان، مریم نیکخواه، لاله فراهانی
❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف
🆔 @Masaf_Ai
🆔 @DgNets
🎁 نتایج «جوایز روزانه» دیجینت مشخص شد!
بازه: روزانه — دیروز · 24 آبان 1405
رتبه 1: میلاد اسدی مفرد — مبلغ 200 هزار تومان به صورت نقدی
رتبه 2: میثم سرلک — مبلغ 150 هزار تومان به صورت نقدی
رتبه 3: مریم نیکخواه — مبلغ 100 هزار تومان به صورت نقدی
❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف
🆔 @Masaf_Ai
🆔 @DgNets
🎁 نتایج «جوایز روزانه» دیجینت مشخص شد!
بازه: روزانه — دیروز · 25 آبان 1405
رتبه 1: میثم سرلک — مبلغ 200 هزار تومان به صورت نقدی
رتبه 2: بهروز صحرانورد خطیبانی — مبلغ 150 هزار تومان به صورت نقدی
رتبه 3: لاله فراهانی — مبلغ 100 هزار تومان به صورت نقدی
❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف
🆔 @Masaf_Ai
🆔 @DgNets
Marimba: یه مدل کوچیک گفتار که با یه بار گوش دادن به چند تا سؤال جواب میده
🎙️ یه دستیار صوتی همیشه چند تا سؤال کوچیک داره: حرف طرف تموم شد؟ فلان کلمه رو گفت؟ گوینده عوض شد؟ چه زبونیه؟ معمولاً برای هر کدوم یه ابزار جدا میذارن یا هر بار از یه مدل زبانی صوتی جدا میپرسن.
Marimba صدا رو فقط یه بار از رمزگذار فریزشدهٔ Qwen3-ASR 0.6B رد میکنه و به همهٔ این سؤالها جواب بسته با احتمال کالیبره میده. تو تشخیص کلمه روی FLEURS از Qwen3-Omni-30B جلو زده، تعداد گویندهها رو دقیقتر از pyannote 3.1 شمرده و پایان نوبت رو حدود ۱۳ میلیثانیهای تشخیص میده.
البته اشتباههای ASR (تشخیص گفتار) روی اسمهای کمیاب مثل اسم داروها مستقیم به جوابش منتقل میشه و تشخیص کلمه حدود ۲ ثانیه طول میکشه. جزئیات و عددها تو مطلب کامله. 🔍
#مقاله_علمی #پردازش_گفتار
🔗 لینک مقاله
🔗 کد مقاله
❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف
🆔 @Masaf_Ai
🆔 @DgNets
علیبابا Qwen4-Max رو آورد؛ مدلی با حافظهٔ یک میلیون توکنی که هزینهٔ هر کار رو حدود ۶۰ درصد پایین آورده
🚀 علیبابا از دیروز، ۲۵ آبان، Qwen4-Max رو برای همه باز کرده. قویترین مدل خانوادهٔ Qwen تا امروزه: ۲.۴ تریلیون پارامتر، فهم مستقیم تصویر و حافظهای که یک میلیون توکن رو یکجا جا میده.
یعنی چی برای شما؟ میتونید یه قرارداد چندصدصفحهای، یه پروژهٔ کامل کد یا چند تا نمودار رو با هم بهش بدید و دربارهش سؤال بپرسید. طبق آزمون داخلی علیبابا، نسبت به نسل قبل حدود ۳۵ درصد توکن کمتری مصرف میکنه و هزینهٔ هر کار تقریباً ۶۰ درصد پایینتر اومده. توی جدول Code Arena هم رتبهٔ ششم کدنویسی رو گرفته. #هوش_مصنوعی #مدل_زبانی
فعلاً وزنهای این مدل منتشر نشده و فقط از طریق QwenCloud و API (رابط برنامهنویسی) در دسترسه. ولی علیبابا قول داده نسخههای کوچیکتر Qwen4 رو بهزودی آزاد کنه. جزئیات کامل رو توی مطلب بخونید 👇 #Qwen
🔗 اطلاعیه رسمی علیبابا
❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف
🆔 @Masaf_Ai
🆔 @DgNets
گوگل Pics به Nano Banana 2.1 ارتقا پیدا کرد؛ ویرایش عکس دقیقتر، متن تمیزتر داخل تصویر
تا حالا شده از هوش مصنوعی بخواید فقط رنگ لیوان توی عکس رو عوض کنه، ولی صورت آدمها و پسزمینه هم یهکم بهم بریزه؟ 😅
گوگل از ۱۶ نوامبر Google Pics رو به مدل Nano Banana 2.1 ارتقا داده. حالا وقتی یه ویرایش کوچیک میخواید، مثلاً عوض کردن رنگ لباس یا برداشتن یه شیء، بقیهٔ عکس، از آدمها گرفته تا پسزمینه و لوگوی برندتون، خیلی کمتر دست میخوره. متن داخل تصویر هم تمیزتر و درستتر درمیاد؛ مثلاً اسم یه کمپین روی پوستر دیگه حروف کجومعوج نداره. 🎨
این ارتقا تنظیم جدایی نمیخواد و طی ۱ تا ۳ روز برای همه نمایش داده میشه؛ هم توی خود اپ Pics، هم وقتی داخل Google Docs و Google Slides عکس میسازید. فقط حواستون باشه برای اشتراکهای پولی مثل Google AI Plus، Pro و Ultra و پلنهای سازمانیه. جزئیات کامل توی مطلبه 👇
#ابزار_کاربردی #گوگل #ویرایش_عکس
🔗 منبع خبر
❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف
🆔 @Masaf_Ai
🆔 @DgNets
دستیار صوتیتون وقتی زنگ میزنه، از کجا بفهمه آدم جواب داده، پیغامگیر یا یه هوش مصنوعی دیگه؟
📞 دستیار صوتیتون به یه نفر زنگ میزنه و یکی جواب میده. ولی کی؟ آدم، پیغامگیر، منوی تلفنی یا یه هوش مصنوعی دیگه؟ سیستمهای قدیمی فقط میگن «آدم یا ماشین»، در حالی که دستیار برای هر کدوم باید یه کار جدا بکنه.
مقالهی FEND از Observe.AI برای هر نوع ماشین یه آشکارساز جدا گذاشته و حداکثر تو ۲۰ ثانیه برچسب میده. برای تشخیص هوش مصنوعی هم سراغ ریتم حرف زدن رفتن: آدم بین کلمهها مکث میکنه، صدای ساختگی یهنفس میره جلو. نتیجه؟ ROC-AUC (سطح زیر منحنی ROC) برابر ۰.۹۵۲ و روی تماسهای واقعی فقط ۲.۹ درصد آدمها اشتباهی ماشین حساب شدن.
دادهها فقط مال یه سیستم تماسه و همهی هوش مصنوعیهای دیدهشده از یه نوع غربالگر تماس بودن. جزئیاتش رو توی مطلب کامل بخونید. 🎧
#مقاله_علمی #دستیار_صوتی #arxiv
🔗 لینک مقاله
❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف
🆔 @Masaf_Ai
🆔 @DgNets
حالا Seedance 2.5 دو تا در تازه باز کرد؛ نسخهٔ سریعتر Flash و ساخت ویدئوی 4K با پیشنویس ارزون
🎬 اگه با #هوش_مصنوعی ویدئو میسازید، Seedance 2.5 از بایتدنس دیروز دو تا خبر تازه داشت: نسخهٔ Flash که سریعتر و ارزونتره، و API (رابط برنامهنویسی) نسخهٔ 4K که حالا برای همهٔ برنامهنویسها و شرکتها باز شده.
با Flash میتونید از روی یه متن یا چند تا عکس، ویدئو و صدای مرجع، کلیپ ۴ تا ۳۰ ثانیهای با صدای هماهنگ بسازید؛ افقی، مربعی یا عمودی. نسخهٔ 4K هم یه حالت Draft (پیشنویس) داره: اول ایده رو با کیفیت ۴۸۰p ارزون امتحان میکنید، هر وقت راضی شدید، خروجی نهایی رو 4K میگیرید. یعنی دیگه لازم نیست برای هر آزمون و خطا پول نسخهٔ باکیفیت رو بدید.
حواستون باشه که Flash حداکثر تا ۷۲۰p خروجی میده و قیمت نسخهٔ 4K هم هنوز اعلام نشده 👀 جزئیات کامل رو توی مطلب بخونید.
🔗 ورسل
🔗 AIbase
❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف
🆔 @Masaf_Ai
🆔 @DgNets
صدایی که با گوشی و بدون ساز ضبط کردید، حالا یه آهنگ کامل با سبک دلخواهتون میشه
🎙️ یه ملودی تو ذهنتون هست و فقط با گوشی، بدون هیچ سازی خوندیدش؟ تا حالا برای اینکه این صدای خالی بشه یه آهنگ کامل، یا باید سراغ آهنگساز میرفتید یا ساعتها با نرمافزار ور میرفتید.
#ابزار Mureka نسخهٔ Remix V9.5 رو منتشر کرده. حالا میتونید یه A Cappella (آواز بدون ساز)، یه ضبط صدا و گیتار، یه موسیقی بیکلام یا یه آهنگ کامل تا ۸ دقیقه بدید و توی Style (سبک) بنویسید چی میخواید؛ مثلاً «راک با خوانندهٔ زن و پیانو». ملودی خودتون سر جاش میمونه و یه تنظیم کامل روش ساخته میشه. متن ترانه رو هم میشه عوض کرد یا کلاً حذفش کرد. 🎸
فقط حواستون باشه خروجی صدای خوانندهٔ اصلی رو نگه نمیداره و فعلاً نمیشه صدای یه خوانندهٔ خاص رو خواست.
#موسیقی_هوش_مصنوعی
🔗 منبع خبر
🔗 لینک ابزار
❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف
🆔 @Masaf_Ai
🆔 @DgNets
انویدیا با IBM و فرمیلب دست به یکی کرد؛ تستی که ۱۲ هفته طول میکشید حالا ۴۵ دقیقهست
⚛️ انویدیا دیروز توی کنفرانس SC26 خبر داد که با IBM و آزمایشگاه فرمیلب آمریکا یه پلتفرم مشترک برای ساخت کامپیوترهای کوانتومی بزرگتر راه میندازه. سیستمهای DGX B200 انویدیا قراره کنار کامپیوترهای کوانتومی IBM بشینن و با هم کار کنن.
اما خبر داغتر یه الگوریتم تازهست به اسم TCBP-JOBS. کامپیوترهای کوانتومی مدام خطا میکنن و یه برنامه به اسم Decoder (رمزگشا) باید این خطاها رو پیدا کنه. تستی که روی یه سرور ۶۴ هستهای حدود ۱۲ هفته طول میکشید، حالا با یه GPU (کارت گرافیک) توی ۴۵ دقیقه تموم میشه. 🚀 یعنی محققها میتونن طرحهای خیلی بیشتری رو امتحان کنن و #کامپیوتر_کوانتومی زودتر به کار واقعی برسه.
🔗 اطلاعیه انویدیا
🔗 خبر فرمیلب
🔗 مقاله
❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف
🆔 @Masaf_Ai
🆔 @DgNets
یه مدل که صدا و حرکت بدن آواتار رو با هم میسازه و هر دو رو با دستور متنی کنترل میکنید
🎙️ یه آواتار سهبعدی رو تصور کنید که متن آماده رو میخونه. میخواید هم لحن صداش رو تعیین کنید، هم بگید موقع کدوم جمله دست چپش رو بالا بیاره. تا حالا صدا و حرکت جدا ساخته میشدن و دستور حرکت روی صدا اثری نداشت.
مقالهی DuoFlow از Tsinghua و Tencent هر دو رو با یه مدل دوشاخه همزمان میسازه که شاخههاش توی هر لایه با هم حرف میزنن. هم یه توضیح کلی از حرکت قبول میکنه، هم یه توضیح ریز برای هر عضو بدن. نتیجه؟ نرخ خطای کلمه ۴.۷۱ درصد، پیروی حرکت از دستور حدود ۸۷ تا ۹۰ درصد، و ساخت یه کلیپ ۱۳ ثانیهای تو حدود ۱.۳ ثانیه.
سُر خوردن پا روی زمین هنوز دیده میشه و تولید زنده هم فعلاً نداره. جزئیاتش توی مطلب کامله. 🕺
#مقاله_علمی #تولید_گفتار #آواتار
🔗 لینک مقاله
🔗 صفحه پروژه
❤️ قدرت گرفته از قلب تپنده واحد هوش مصنوعی مصاف
🆔 @Masaf_Ai
🆔 @DgNets