40 článků
SenseTime's open-source SenseNova U1 model represents a paradigm shift in multimodal architecture — unifying understanding and generation in a single... pandaily.com
DeepBrain AI oznámil integraci modelu Seedance 2.0 od ByteDance do své platformy AI STUDIOS. Přestože jde o stejný model, firma slibuje výrazně odlišné výsledky díky vlastnímu přístupu k jeho nasazení. markets.businessinsider.com
Elastic představil novou rodinu multimodálních embedding modelů jina-embeddings-v5-omni. Modely jsou navrženy pro vyhledávání napříč textem, obrázky, videem a zvukem v rámci platformy Search AI. businesswire.com
Přední AI laboratoře závodí ve vývoji multimodálních modelů a všechny narážejí na stejný problém – nedostatek kvalitních videodát. Textová i obrazová data jsou do značné míry vyčerpána, video se tak stává novým klíčovým zdrojem pro trénink modelů. startuphub.ai
Google zpřístupnil Gemini Embedding 2, unifikovaný multimodální model, který převádí text, obrázky, video i audio do jednotného vektorového prostoru. Příspěvek na blogu ukazuje, jak model využít při budování agentních multimodálních RAG systémů. developers.googleblog.com
Agentní systémy dnes musí zpracovávat obrazovky, dokumenty, audio, video i text v rámci jediné smyčky od vnímání k akci. NVIDIA Nemotron 3 Nano Omni je otevřený multimodální model navržený právě pro tyto scénáře, který zvládá komplexní uvažování bez nutnosti kombinovat více specializovaných modelů. developer.nvidia.com
Nvidia vydala otevřený multimodální model Nemotron 3 Nano Omni podporující text, obraz, video i zvuk. Zajímavý je nejen jeho výkon, ale také pohled do architektury a přístupů, které stojí za moderními multimodálními systémy. the-decoder.com
Porozumění vlastnostem anorganických materiálů a jejich předvídání je klíčové pro urychlení pokroku v materiálových vědách. Nový multimodální LLM si klade za cíl tento proces zásadně zefektivnit a otevřít nové aplikační možnosti. nature.com
Rozhodování v oblasti zdravotnictví a věd o živé přírodě se stále více opírá o multimodální data při diagnostice nemocí, předepisování léků i předpovídání výsledků léčby. Nové biologické foundation modely umožňují propojit různé typy dat a zlepšit tak péči o pacienty napříč celým spektrem terapeutických oblastí. aws.amazon.com
Moonshot AI, the Chinese AI lab behind the Kimi assistant, today open-sourced Kimi K2.6 — a native multimodal agentic model that pushes the boundaries of... marktechpost.com
Sémantické vyhledávání ve videu přináší novou hodnotu napříč odvětvími a mění způsob, jakým organizace doručují obsah. Amazon Nova Multimodal Embeddings nabízejí výkonný základ pro aplikace zaměřené primárně na video. aws.amazon.com
Srovnání modelů Happy Horse 1.0 a Seedance 2.0 se zaměřuje na vyprávění příběhů, multimodální ovládání, podporu audia a výkon při převodu obrázků na video. Oba nástroje představují odlišné filozofie ve vývoji AI videa. natlawreview.com
What if you could query a video the same way you query text? With recent advances in multimodal large language models (LLMs), we are moving beyond text-only... blogs.oracle.com
Eluvio uvádí novou architekturu pro video intelligence s přesností na jednotlivý snímek a představuje generaci editoru EVIE s pokročilými AI nástroji. Řešení cílí na agentic orchestraci filmových knihoven i přenosů živého sportu. prnewswire.com
Google představil nový AI model Gemma 4, který umí vytvářet AI agenty a zpracovávat text, obrázky i audio. Nový nástroj rozšiřuje Googleův portfolio multimodálních AI řešení. msn.com
Microsoft spustil tři nové multimodální AI modely určené pro přepis zvuku, generování hlasu a tvorbu obrázků a videí. Jedná se o významné rozšíření portfolia společnosti v oblasti umělé inteligence. msn.com
Gemma 4 přináší výkonné uvažování, kódování a multimodální AI přímo na NVIDIA RTX počítače, DGX Spark a hraniční zařízení. blogs.nvidia.com
Znečištění ovzduší se stalo celosvětovou zdravotní hrozbou. Nový přístup kombinující emise, meteorologické údaje a znečišťující látky pomocí strojového učení překonává tradiční numerické simulace a jednolocíraké modely. nature.com
Rozhodovací systém založený na AI, trénovaný na multimodálních oftalmologických datech, bude pomáhat s diagnostikou, plánováním léčby a sledováním onemocnění. mobihealthnews.com
Globální AI krajina se rychle mění. Microsoft představuje svůj vlastní model pro generování obrázků, což signalizuje zásadnější posun v jeho strategii. kmjournal.net