66 článků
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. Zdroj: siliconangle.com
Google LLC today introduced two new generative artificial intelligence models that push its Gemini family further into AI agents and multimodal creation:... Zdroj: 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... Zdroj: venturebeat.com
Google has officially introduced Gemini Omni, a multimodal AI model that integrates reasoning abilities with creative generation across video, image, audio,... Zdroj: testingcatalog.com
ByteDance released Lance, a 3B-parameter multimodal model under Apache 2.0, offering open, commercially usable image and video generation and editing. Zdroj: 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. Zdroj: citybiz.co
SenseTime's open-source SenseNova U1 model represents a paradigm shift in multimodal architecture — unifying understanding and generation in a single... Zdroj: 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. Zdroj: 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. Zdroj: 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. Zdroj: 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. Zdroj: 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. Zdroj: 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. Zdroj: 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. Zdroj: 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. Zdroj: 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... Zdroj: 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. Zdroj: 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. Zdroj: 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... Zdroj: 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. Zdroj: prnewswire.com