Multimodali
Lebo ya zana ya AIEZZ
Unavinjari bidhaa za AI zenye lebo “Multimodali”, zikiwa na matokeo 5 yanayolingana.
ShieldstralMaswali na majibu mahiri ya AIShieldstral – modeli ya wazi ya Mistral AI ya uainishaji wa usalama wa maudhui ya aina nyingi ni modeli ya wazi ya uainishaji wa usalama wa maudhui ya aina nyingi yenye vigezo bilioni 3, iliyotolewa na Mistral AI na kujengwa kwa msingi wa Ministral-3B. Modeli hii inafafanua upya ukaguzi wa maudhui wa kategoria zisizobadilika kuwa kazi ya maswali na majibu ya jozi. Inawezesha kufafanua sera za ukaguzi kwa wakati halisi kupitia maswali ya lugha asilia, bila kuhitaji mafunzo upya ili kuendana na matukio tofauti. Modeli imepata wastani wa F1 wa 84.9% kwenye viwango vya usalama wa maandishi na F1 ya 83.8% kwenye usalama wa maudhui ya aina nyingi, zote zikiwa SOTA. Inaweza kutumwa kwa GPU moja ya 16GB pekee na inaauni lugha 12. Vipengele muhimu ni pamoja na ukaguzi unaobadilika kulingana na sera, utambuzi wa pamoja wa maudhui ya aina nyingi, utambuzi wa ukiukaji kwa undani, alama za usalama zilizorekebishwa na utumiaji mwepesi kwenye vifaa vya pembeni. Inafaa kwa udhibiti wa hatari za maudhui kwenye mitandao ya kijamii, ulinzi wa usalama wa mazungumzo ya AI, uzingatiaji wa matangazo na uuzaji, uchujaji wa maudhui ya elimu mtandaoni, pamoja na ukaguzi wa usalama wa nyaraka za biashara.00
HOMIEUundaji wa video kwa AIHOMIE ni mfumo wa wazi wa Chuo Kikuu cha Sayansi na Teknolojia cha Hong Kong wa kutengeneza video za watu wa kidijitali, unaotumia mtandao mkuu wa Wan2.1-T2V-14B na kuunganisha modeli kubwa ya Qwen3-VL ya modali nyingi. Mfumo huu hushughulikia kwa pamoja vipengele vinne: mtu wa kidijitali+bidhaa+Logo+maandishi, ...00
SenseNova U1.5-Lite-Preview – Muundo mwepesi wa multimodali wa SenseTime wenye msimbo huriaMiundo mikubwa ya AISenseNova U1.5-Lite-Preview – Muundo mwepesi wa multimodali wa SenseTime wenye msimbo huria, unaotumia usanifu wa NEO-Unify na vigezo vya 8B-MoT kuunganisha uelewa wa kuona, hoja, uzalishaji na uhariri. Muundo huu unaunga mkono uzalishaji wa picha za ubora wa juu wa 4K, ukiwa na uwezo wa kutoa maumbo madogo kwa usahihi, mwonekano halisi na uonyeshaji wa maandishi ya Kichina na Kiingereza katika miundo changamano. Prompt Enhance Skill iliyojengwa ndani hupunguza kizingiti cha uundaji, huwezesha kutekeleza kwa usahihi maagizo marefu ya lugha asilia na maagizo ya kuona yaliyopangwa, na kusaidia uhariri wa mfululizo unaoweza kuendelea kuboreshwa. Ukiwalenga wabunifu, watengenezaji na waundaji wa maudhui, unatoa zana ya kibiashara ya uundaji wa picha yenye gharama ndogo ya usambazaji na ufuataji thabiti wa maagizo.10
MAGI-2-preview – Muundo wa uzalishaji wa video wa aina nyingi kutoka Sand.ai wenye msimbo huriaUundaji wa video kwa AIMAGI-2-preview – Muundo wa uzalishaji wa video wa aina nyingi kutoka Sand.ai wenye msimbo huria ni muundo wa kwanza duniani wa video wa aina nyingi wa MoE wenye vigezo bilioni 100 uliotolewa na Sand.ai kama msimbo huria, ukiwa na jumla ya vigezo 114B na vigezo 6B pekee vinavyoamilishwa. Muundo huu unaendeleza usanifu wa mkondo mmoja, ukiunganisha maandishi, video na sauti katika Transformer moja kwa uundaji wa pamoja, hivyo kuwezesha uzalishaji asilia wa maudhui ya aina nyingi. Vipengele vyake muhimu ni pamoja na uzalishaji wa maandishi, picha na video-kwa-video, pamoja na uelewa asilia wa sauti. Uamilishaji nadra wa MoE hupunguza kwa kiasi kikubwa gharama ya uelekezaji. Watumiaji wanaolengwa ni watafiti wa AI, wasanidi programu na timu za teknolojia za biashara; unafaa kwa utafiti wa kitaaluma, uwekaji wa kibinafsi na utayarishaji wa awali wa filamu za aina nyingi, huku ukitoa suluhisho bora la uzalishaji wa video lenye msimbo huria na linaloruhusu matumizi ya kibiashara.00
Hunyuan3D-Buffalo 1.0 – Mfumo wa 3D wa aina nyingi uliotolewa na Tencent HunyuanUsanifu wa 3DHunyuan3D-Buffalo 1.0 – Mfumo wa 3D wa aina nyingi uliotolewa na Tencent Hunyuan ni mfumo jumuishi wa 3D wa aina nyingi uliotolewa na Tencent Hunyuan. Kupitia kiini cha pamoja cha Hunyuan3D-VLM, unaunganisha maswali na majibu ya 3D, uwekaji wa nafasi, utengenezaji wa 3D kutoka maandishi, uhariri kwa maagizo na utengenezaji wa sehemu katika mtiririko mmoja. Mfumo huu huwezesha uelewa wa muundo wa modeli za 3D kwa lugha ya asili, uwekaji wa sehemu, urekebishaji wa jiometri za ndani kwa maagizo, na uchimbaji wa sehemu za kisemantiki. Unalenga kuunganisha mzunguko kamili wa uelewa, utengenezaji na uhariri wa 3D, huku ukitoa suluhisho linaloweza kuunganishwa la utengenezaji wa rasilimali za 3D kwa michezo, uhuishaji na usanifu wa viwandani. Kazi kuu zinajumuisha uelewa wa 3D, utengenezaji wa 3D kutoka maandishi, uhariri kwa maagizo na utengenezaji wa sehemu; aina zote nne za kazi hushiriki uwakilishi sawa wa kisemantiki wa 3D na mtiririko wa uchakataji. Inawafaa watengenezaji wa michezo, wataalamu wa uhuishaji, wabunifu wa viwandani na waundaji wa maudhui ya 3D. Kupitia mwingiliano wa lugha ya asili, hupunguza kizingiti cha utaalamu na kuongeza ufanisi wa kutumia tena na kuboresha rasilimali.00Zana zote zilizo na lebo hii zinaonyeshwa.