अली टॉन्गी क्वेन ओपन सोर्स ने अगली पीढ़ी के एंड-टू-एंड मल्टीमॉडल मॉडल Qwen2.5-Omni जारी किया

मूनशॉट एआई ने किमी-ऑडियो जारी किया: ओपन-सोर्स ऑडियो बेस मॉडल ने नया मानक स्थापित किया

हाल ही में, मूनशॉट एआई ने किमी-ऑडियो, एक नए ओपन-सोर्स ऑडियो बेस मॉडल को जारी करने की घोषणा की, जिसका उद्देश्य ऑडियो समझ, निर्माण और बातचीत के क्षेत्र में तकनीकी प्रगति को बढ़ावा देना है। इस लॉन्च ने वैश्विक एआई समुदाय का व्यापक ध्यान आकर्षित किया है, जिसे मल्टीमॉडल एआई विकास के एक महत्वपूर्ण मील के पत्थर के रूप में माना जाता है। किमी-ऑडियो की मुख्य विशेषताओं, प्रदर्शन और उद्योग पर इसके प्रभाव की पूरी रिपोर्ट यहां दी गई है। क्रांतिकारी विशेषताएं: सर्व-उद्देशीय ऑडियो प्रसंस्करण क्षमता किमी-ऑडियो-7बी-इंस्ट्रक्ट क्वेन पर आधारित है

कुलुन वानवे ने स्काईरील्स-वी2 ओपन सोर्स किया: अनंत अवधि वाली फिल्म निर्माण मॉडल

कुलुन वानवे स्काईरील्स टीम ने आधिकारिक तौर पर स्काईरील्स-वी2 को जारी और ओपन सोर्स किया है, जो कि वैश्विक स्तर पर पहला अनंत अवधि वाली फिल्म निर्माण मॉडल है जो डिफ्यूजन फोर्सिंग (Diffusion-forcing) ढांचे का उपयोग करता है। यह मॉडल मल्टीमॉडल बड़ा भाषा मॉडल (MLLM), मल्टी-स्टेज प्री-ट्रेनिंग, रीइन्फोर्समेंट लर्निंग और डिफ्यूजन फोर्सिंग ढांचे के संयोजन के माध्यम से सहयोगात्मक अनुकूलन को प्राप्त करता है, जो वीडियो निर्माण तकनीक के एक नए चरण का प्रतीक है।

इंटरव्यू किकस्टार्ट ने एप्लीकेशन जनरेटिव AI कोर्स लॉन्च किया, तकनीकी प्रतिभाओं को भविष्य के अवसरों को हासिल करने में मदद करता है

कृत्रिम बुद्धिमत्ता (AI) के क्षेत्र में तेजी से विकास के साथ, तकनीकी प्रतिभाओं का पेशेवर ज्ञान और भी महत्वपूर्ण होता जा रहा है। कैलिफ़ोर्निया के सैन क्लारा में स्थित Interview Kickstart ने हाल ही में अपने "एप्लीकेशन जनरेटिव AI" कोर्स को अपडेट करने की घोषणा की है, जिसका उद्देश्य तकनीकी पेशेवरों को इस तेजी से बदलते बाजार के अनुकूल होने में मदद करना है। यह खबर चीन की तकनीकी दिग्गज कंपनी Baidu द्वारा अपने नए AI मॉडल Ernie4.5 और Ernie X1 को लॉन्च करने के साथ आई है, जिसने उद्योग में व्यापक ध्यान आकर्षित किया है। Baidu के ये दो मल्टीमॉडल बेसिक मॉडल...

परमाणु ऊर्जा स्तर का विकास! को लिंग एआई 2.0 युग में प्रवेश करता है, बहु-मोड संपादन और छवि संपादन कार्यक्षमता जोड़ता है

OpenAI ने GPT-4.1 श्रृंखला के मॉडल जारी किए; कोडिंग और मल्टीमॉडल क्षमताओं में हुआ व्यापक उन्नयन

कृत्रिम बुद्धिमत्ता के क्षेत्र में प्रतिस्पर्धा दिनोंदिन बढ़ती जा रही है, और OpenAI ने फिर से तकनीकी सफलता के साथ इस क्षेत्र में अग्रणी भूमिका निभाई है। सोशल मीडिया से मिली जानकारी के अनुसार, OpenAI ने हाल ही में API के माध्यम से तीन नए मॉडल जारी किए हैं: GPT-4.1, GPT-4.1mini और GPT-4.1nano। ये मॉडल मौजूदा GPT-4 और GPT-4 mini से प्रदर्शन में बेहतर हैं, खासकर कोडिंग, निर्देशों का पालन करने और मल्टीमॉडल क्षमताओं में। यह AIbase द्वारा इस महत्वपूर्ण अपडेट का गहन विश्लेषण है।

MiniMax MCP सर्वर लॉन्च: केवल टेक्स्ट इनपुट के साथ AI पावर अनलॉक करें

आज, MiniMax शी यू टेक्नोलॉजी ने अपने MiniMax MCP सर्वर को आधिकारिक तौर पर लॉन्च करने की घोषणा की। यह अभिनव प्लेटफ़ॉर्म उपयोगकर्ताओं के लिए एक वन-स्टॉप मल्टीमॉडल समाधान प्रदान करता है, जो केवल साधारण टेक्स्ट इनपुट के साथ वीडियो जेनरेशन, इमेज जेनरेशन, वॉयस जेनरेशन और वॉयस क्लोनिंग जैसी कई अत्याधुनिक क्षमताओं का उपयोग कर सकते हैं, जिससे रचनात्मक सामग्री निर्माण में कृत्रिम बुद्धिमत्ता की क्षमताओं का व्यापक रूप से विस्तार होता है।

गूगल जेमिनी को Veo AI मॉडल के साथ जोड़ने और स्मार्ट असिस्टेंट को आगे बढ़ाने की योजना बना रहा है

हाल ही में एक पॉडकास्ट शो में, गूगल डीपमाइंड के सीईओ डेमिस हासाबिस ने बताया कि गूगल अंततः अपने जेमिनी आर्टिफिशियल इंटेलिजेंस मॉडल को वीडियो जेनरेटिंग मॉडल Veo के साथ जोड़ने की योजना बना रहा है ताकि जेमिनी की भौतिक दुनिया की समझ को बेहतर बनाया जा सके। उन्होंने बताया कि जेमिनी को शुरू से ही मल्टीमॉडल के रूप में डिज़ाइन किया गया था, जिसका लक्ष्य एक "सामान्य डिजिटल सहायक" बनाना है जो वास्तविक दुनिया में उपयोगकर्ताओं की मदद कर सके। हासाबिस ने उल्लेख किया

मेटा ने किया मूल मल्टीमॉडल लामा 4 को ओपन सोर्स, शक्तिशाली प्रदर्शन ने खींचा ध्यान

अमेरिकी तकनीकी दिग्गज मेटा ने अपना सबसे शक्तिशाली ओपन सोर्स आर्टिफिशियल इंटेलिजेंस मॉडल Llama4 लॉन्च किया है। इस बार शुरुआती लॉन्च में दो मॉडल हैं, Llama4Scout और Llama4Maverick। Llama4Scout में 1090 अरब पैरामीटर, 17 अरब एक्टिव पैरामीटर और 16 विशेषज्ञ हैं, सबसे बड़ी खासियत है 10 मिलियन कॉन्टेक्स्ट का सपोर्ट, जो लगभग 20+ घंटे के वीडियो को संभालने के बराबर है, और यह केवल एकल H100GPU (Int4 क्वांटिफिकेशन के बाद) पर चल सकता है।

अलीबाबा ने लॉन्च किया अपना पहला बहु-मोडल बड़ा भाषा मॉडल Qwen2.5-Omni, वैश्विक तकनीकी दिग्गजों को चुनौती

27 मार्च को, अलीबाबा ने सुबह के समय अपने पहले बहु-मोडल बड़ा भाषा मॉडल, टोंगयी कियानवेन Qwen2.5-Omni-7B को लॉन्च किया। यह मॉडल काफी शक्तिशाली है, जो टेक्स्ट, इमेज, ऑडियो और वीडियो जैसे कई तरह के इनपुट को एक साथ संभाल सकता है और साथ ही रीयल टाइम में टेक्स्ट और प्राकृतिक भाषा आउटपुट उत्पन्न कर सकता है। यह नया तकनीकी विकास, आर्टिफिशियल इंटेलिजेंस के क्षेत्र में अलीबाबा की एक और प्रगति को दर्शाता है। प्राधिकृत बहु-मोडल सम्मिश्रण कार्यों के OmniBench मूल्यांकन में, Qwen2.5-Omni ने

IBM और Hugging Face का कमाल! ओपन सोर्स दस्तावेज़ डिक्रिप्शन टूल SmolDocling: जटिल दस्तावेज़ों को संरचित डेटा में आसानी से बदलें!

कंप्यूटर विज्ञान के क्षेत्र में, जटिल संरचना वाले दस्तावेज़ों को व्यवस्थित डेटा में बदलना हमेशा से एक बड़ी चुनौती रहा है। पुराने तरीके या तो विभिन्न मॉडलों का एक जटिल प्रक्रिया बनाते थे, या फिर विशाल मल्टीमॉडल मॉडल की आवश्यकता होती थी, जो भ्रम पैदा करते थे और बहुत महंगे होते थे। लेकिन हाल ही में IBM और Hugging Face द्वारा मिलकर बनाया गया SmolDocling, केवल 256M पैरामीटर वाला एक ओपन सोर्स विज़ुअल-भाषा मॉडल (VLM) है...