40 článků
Jihokorejský technologický gigant Naver zúročil 27 let zkušeností s vyhledáváním při vývoji vlastního LLM a SLM modelů. Součástí strategie jsou i multimodální schopnosti postavené na hluboce zakořeněné vyhledávací infrastruktuře. biz.chosun.com
Multimodální systémy typu any-to-any zvládají rozpoznávání obrazu i jazyka, hlasovou interakci, práci s dokumenty nebo funkci asistenta v reálném čase. Praktický přehled ukazuje, co jednotlivé open source modely umí a kde najdou uplatnění. KDnuggets
Google Gemini Flash Omni obsadil první místo v žebříčku Video Arena pro generování videa z textu i obrázků. Předstihl konkurenci díky pokročilým multimodálním editačním schopnostem. cryptobriefing.com
Výzkumníci integrovali fine-tuned multimodální LLM do šestičlánkové tensegrity struktury vybavené flexibilními senzory pro autonomní rozpoznávání stavu a tvarů. Systém ukazuje potenciál pro průzkum náročných prostředí, včetně vesmírných misí. nature.com
Tým Qwen od Alibaby vydal model Qwen3.7-Plus, multimodálního agenta kombinujícího vizuální vnímání, ovládání GUI a psaní kódu v jediné smyčce. Cílem je vytvořit plnohodnotného autonomního agenta schopného samostatně plnit složité úkoly. the-decoder.com
The new, open NVIDIA world foundation model brings vision reasoning, multimodal generation and action prediction together to help robots,... blogs.nvidia.com
Nový model Gemini Omni od Googlu umožňuje generovat a upravovat videa na základě textových promptů, ručně kreslených skic, ilustrací nebo existujících videí jako stylistických referencí. Model podporuje i strukturované skripty pro přesnější kontrolu nad výsledným obsahem. adgully.com
Google DeepMind unveiled Gemini Omni at Google I/O, a multimodal AI model family for video generation with implications for decentralized compute and Web3... cryptobriefing.com
ByteDance zveřejnil multimodální model Lance, nativně jednotný systém zvládající porozumění, generování i editaci obrázků a videí. Model je dostupný jako open source a představuje ByteDance jako vážného hráče v oblasti unifikovaných multimodálních AI systémů. letsdatascience.com
Přední odborníci na AI diskutovali o multimodálních systémech, senzorickém počítání a rizicích pro soukromí. Téma budoucí spolupráce člověka se strojem a využití robotiky patřilo k hlavním bodům debaty. forbes.com
Na Google I/O 2026 představil technologický gigant nový multimodální AI model Gemini Omni, který dokáže vytvářet a upravovat videa pomocí textu, obrázků, zvuku i videa. Model spojuje všechny čtyři modality do jediného výstupu, což výrazně rozšiřuje možnosti generativní AI. ndtvprofit.com
ByteDance představil Lance, nativně unifikovaný multimodální model s 3 miliardami parametrů určený pro porozumění, generování a editaci obrázků i videí. Jde o jeden model pokrývající tři klíčové modality najednou. marktechpost.com
Google odhalil Gemini Omni, nový multimodální AI model určený ke generování a editaci videí. Model pracuje s kombinací textu, obrázků, zvuku a videa jako vstupních podnětů. indianexpress.com
Google's Gemini Omni is a new multimodal model that reasons across text, images, audio, and video to generate and edit videos through simple conversation... techcrunch.com
Google představil dva nové generativní AI modely, které posouvají řadu Gemini dále do oblasti agentických systémů a multimodální tvorby obsahu. Gemini 3.5 Flash a Omni rozšiřují možnosti automatizace i kreativní produkce. siliconangle.com
Google LLC today introduced two new generative artificial intelligence models that push its Gemini family further into AI agents and multimodal creation:... siliconangle.com
The model marks Google's bid to collapse the multimodal generative stack — text-to-image, image-to-video, video-to-video, audio generation — into a single... venturebeat.com
Google has officially introduced Gemini Omni, a multimodal AI model that integrates reasoning abilities with creative generation across video, image, audio,... testingcatalog.com
ByteDance released Lance, a 3B-parameter multimodal model under Apache 2.0, offering open, commercially usable image and video generation and editing. startupfortune.com
Wirestock uzavřel Series A financování ve výši 23 milionů dolarů. Společnost chce urychlit svůj růst a stát se předním dodavatelem eticky získaných multimodálních dat pro trénink AI modelů. citybiz.co