- Дата публикации
Что нового Apple показала StereoFoley — фреймворк, который генерирует стереозвук из видео с частотой 48 кГц. Ключевой упор — не просто «фоновые эффекты», а точная привязка звука к объектам в кадре и п...
Мультимодальность
Новости о мультимодальном ИИ: модели, работающие с текстом, изображениями, видео и аудио одновременно.
64 материала
- Дата публикации
NVIDIA Nemotron 3 Nano Omni: один ИИ для текста, видео, аудио и экранов с 9-кратным ростом скорости
ai_productsЧто нового NVIDIA представила Nemotron 3 Nano Omni — открытый мультимодальный ИИ, который одновременно понимает: - текст - изображения и скриншоты - видео - аудио - документы, таблицы, графики - графи...- Дата публикации
Что нового Anthropic систематизировала подходы к мультиагентным системам вокруг пяти конкретных паттернов координации. Это не очередная «архитектура ради архитектуры», а практическое руководство: како...- Дата публикации
Что нового Исследователи Google представили TIPSv2 — семейство vision-language‑энкодеров, которые лучше связывают текст с отдельными фрагментами изображения (патчами), а не только с картинкой целиком....- Дата публикации
Что нового Seed3D выпустила Seed3D 2.0 — обновлённую 3D foundation-модель для генерации объектов и сцен из картинок, видео и текста. Главные изменения по сравнению с Seed3D 1.0: - Двухстадийная Coarse...- Дата публикации
Что нового OpenAI представила ChatGPT Images 2.0 — новую модель генерации изображений, которая уверенно работает с текстом на картинках. Если раньше ИИ путал буквы и придумывал слова вроде «enchuita» ...- Дата публикации
Что нового Alibaba представила Qwen3.6‑27B — плотную (dense) мультимодальную LLM на 27 млрд параметров. Это открытая модель, ориентированная прежде всего на "агентный" кодинг: когда ИИ не просто пишет...- Дата публикации
Что нового Moonshot AI вместе с релизом модели Kimi K2.6 открыла исходники проекта Kimi Vendor Verifier (KVV). Это набор тестов и методик, который помогает проверить, корректно ли инфраструктурные про...- Дата публикации
Grok Imagine от Илона Маска научился оживлять фото и собирать людей из разных кадров в одно видео
ai_productsЧто нового Grok Imagine — визуальный сервис от X (бывший Twitter) и Илона Маска — получил новую функцию: теперь он умеет анимировать статичные фотографии и «склеивать» людей и объекты с разных снимков...- Дата публикации
Что нового Anthropic представила Claude Opus 4.7 — самый мощный из тех ИИ, которые компания открыто продаёт сейчас. До этого флагманом в публичном доступе был Claude Opus 4.6. Ключевые изменения по ср...