• انویدیا و تحول خودروهای خودران با هوش مصنوعی

    مدیرعامل نویدیا در کنفرانس GTC 2025 اعلام کرد که معماری شبکه عصبی AlexNet در سال 2012 باعث شد این شرکت به طور کامل در زمینه خودروهای خودران سرمایه‌گذاری کند. نویدیا با ارائه فناوری پردازنده و نرم‌افزار، زیرساخت اصلی توسعه خودروهای هوشمند را برای شرکت‌های مختلف خودروسازی فراهم کرده است.

    ۱۴۰۳/۱۲/۲۹ ۰۱:۰۵:۱۹

  • تلاش Anthropic برای افزودن قابلیت گفتگوی صوتی به هوش مصنوعی Claude

    استارتاپ هوش مصنوعی Anthropic در حال توسعه قابلیت‌های صوتی برای دستیار هوش مصنوعی Claude است. مدیر ارشد محصول شرکت اعلام کرد که آنها در حال کار بر روی رابط کاربری طبیعی‌تر برای تعامل صوتی با هوش مصنوعی هستند و با شرکای مختلف از جمله Amazon گفتگو کرده‌اند.

    ۱۴۰۳/۱۲/۲۸ ۲۰:۵۴:۵۷

  • آمازون با تغییر سیاست حریم خصوصی، دسترسی به صدای کاربران الکسا را آزاد می‌کند

    آمازون سیاست جدیدی برای دستیار صوتی الکسا اتخاذ کرده که طبق آن از ۲۸ مارس، ضبط صدای کاربران به طور خودکار فعال خواهد شد. این تغییر برای توسعه قابلیت‌های هوش مصنوعی الکسا انجام می‌شود و کاربران دیگر نمی‌توانند جلوی ارسال صدای خود به فضای ابری آمازون را بگیرند. الکسا+ با قابلیت‌های جدید مانند سفارش مواد غذایی و تشخیص صدای کاربر همراه خواهد بود.

    ۱۴۰۳/۱۲/۲۷ ۱۹:۳۲:۴۶

  • گوگل با معرفی Chirp 3، پلتفرم توسعه هوش مصنوعی صوتی خود را گسترش می‌دهد

    گوگل Chirp 3، رابط صوتی با کیفیت بالا را به پلتفرم Vertex AI اضافه می‌کند. این فناوری ، هشت صدای جدید را برای 31 زبان ارائه داده و کاربردهایی مانند دستیار صوتی، کتاب‌های گویا و تولید صدا برای ویدیو دارد. گوگل سعی در کنترل سوء استفاده از این فناوری با اعمال محدودیت هایی دارد و معتقد است هوش مصنوعی در دهه آینده تحولات مهمی ایجاد خواهد کرد.

    ۱۴۰۳/۱۲/۲۷ ۱۳:۵۱:۲۹

  • حذف گزینه پردازش محلی صدا در دستگاه‌های هوشمند آمازون

    آمازون قابلیت پردازش محلی درخواست‌های صوتی در دستگاه‌های Echo را حذف می‌کند و تمامی ضبط‌های صوتی کاربران به فضای ابری این شرکت ارسال خواهد شد. این تصمیم در راستای گسترش قابلیت‌های هوش مصنوعی Alexa با استفاده از پردازش ابری اتخاذ شده است.

    ۱۴۰۳/۱۲/۲۶ ۲۳:۰۹:۳۹

  • تأخیر در هوش مصنوعی سیری اپل؛ سقوط روحیه تیم

    اپل با به تعویق انداختن برنامه‌های هوش مصنوعی سیری، نه تنها باعث افت ارزش سهام شرکت شد بلکه روحیه تیم سیری را نیز تضعیف کرد. روبی واکر، مدیر ارشد بخش سیری، در جلسه‌ای تیمی به کارکنان اذعان کرد که شرایط مطلوب نیست و تبلیغات قبلی اپل درباره ویژگی‌های جدید، انتظارات را برآورده نکرده است.

    ۱۴۰۳/۱۲/۲۵ ۲۱:۲۱:۲۱

  • رونمایی از مدل هوش مصنوعی صوتی با قابلیت تولید صدای انسان

    شرکت Sesame مدل پایه صوتی CSM-1B با یک میلیارد پارامتر را منتشر کرد که زیرساخت دستیار صوتی Maya است. این مدل با مجوز Apache 2.0 قابل استفاده تجاری بوده و توانایی تولید کدهای صوتی از متن و ورودی صدا را دارد. مدل قادر به تولید صداهای مختلف است اما محدودیت‌هایی در زبان‌های غیرانگلیسی دارد.

    ۱۴۰۳/۱۲/۲۴ ۰۲:۵۹:۳۸

  • گوگل از قابلیت Auracast در گوشی‌های اندروید رونمایی کرد

    گوگل فناوری جدید Bluetooth به نام Auracast را معرفی کرد که به افراد دارای مشکلات شنوایی کمک می‌کند تا در محیط‌های پرسر و صدا مانند ایستگاه راه‌آهن یا کنسرت، پخش صوتی را مستقیماً از طریق سمعک یا هدفون دریافت کنند. این قابلیت ابتدا برای گوشی‌های سامسونگ Galaxy و Google Pixel با تنظیمات شخصی‌سازی صدا در دسترس خواهد بود.

    ۱۴۰۳/۱۲/۲۴ ۰۲:۴۹:۲۸

  • قابلیت ترجمه زنده گفتگو در ایرپادهای اپل

    اپل در حال برنامه‌ریزی برای افزودن قابلیت ترجمه زنده مکالمات در ایرپادهای خود است. این ویژگی جدید همزمان با به‌روزرسانی نرم‌افزاری iOS 19 در سال جاری عرضه خواهد شد. این قابلیت پیش‌تر در محصولات رقیب مانند Pixel Buds گوگل وجود داشته است.

    ۱۴۰۳/۱۲/۲۴ ۰۰:۳۶:۰۶

  • اسپاتیفای برنامه انتشار داستان‌های کوتاه صوتی را راه‌اندازی کرد

    اسپاتیفای برنامه جدیدی برای انتشار کتاب‌های صوتی کوتاه راه‌اندازی کرده که به نویسندگان اجازه می‌دهد داستان‌های کوتاه خود را برای تبدیل به کتاب صوتی ارائه دهند. این شرکت که در زمینه پخش موسیقی و پادکست فعالیت دارد، داستان‌های ژانرهای رمانس، معما، تریلر و علمی-تخیلی را می‌پذیرد و به نویسندگان پیش‌پرداخت و حق امتیاز می‌دهد.

    ۱۴۰۳/۱۲/۲۳ ۱۹:۱۱:۲۳

  • گوگل دیپ مایند مدل‌های هوش مصنوعی Gemini Robotics را معرفی کرد

    گوگل دیپ مایند، آزمایشگاه تحقیقاتی هوش مصنوعی، مدل‌های جدید Gemini Robotics را رونمایی کرد که به ربات‌ها امکان تعامل با اشیا و محیط‌های مختلف را می‌دهد. این مدل‌ها قادرند با دستورات صوتی، وظایفی مانند تا کردن کاغذ و گذاشتن عینک در جعبه را انجام دهند و در محیط‌های آموزش ندیده نیز عملکرد خوبی دارند.

    ۱۴۰۳/۱۲/۲۳ ۰۰:۲۳:۲۴

  • پخش رایگان پادکست در وب پلیر Pocket Casts برای عموم

    Pocket Casts با راه‌اندازی پخش رایگان پادکست در وب‌سایت خود، رویکردی باز و دموکراتیک در برابر پلتفرم‌های بسته پادکست اتخاذ کرده است. کاربران می‌توانند بدون نیاز به اشتراک یا ایجاد حساب کاربری، به پخش آزادانه پادکست‌ها بپردازند و برای امکانات بیشتر می‌توانند حساب رایگان ایجاد کنند.

    https://pocketcasts.com/

    ۱۴۰۳/۱۲/۲۱ ۲۲:۵۰:۲۶

  • نینتندو سوئیچ 2 با سیستم چت صوتی یکپارچه

    نینتندو در پی بهبود سیستم گفتگوی صوتی در نسل بعدی کنسول خود است. سوئیچ 2 احتمالاً سیستم چت صوتی مستقیم در سطح سیستم عامل خواهد داشت که به کاربران اجازه می‌دهد بدون نیاز به اپلیکیشن تلفن همراه با یکدیگر گفتگو کنند.

    ۱۴۰۳/۱۲/۲۱ ۲۲:۳۹:۴۴

  • هشدار درباره ابزارهای جعل صدا؛ نبود محدودیت‌های امنیتی در اکثر نرم‌افزارهای شبیه‌سازی صدا

    گزارش جدید Consumer Reports نشان می‌دهد اکثر ابزارهای شبیه‌سازی صدا فاقد محافظت‌های معنادار برای جلوگیری از سوء استفاده هستند. از شش شرکت بررسی شده، تنها Descript و Resemble AI اقداماتی برای مقابله با سوء استفاده انجام داده‌اند و سایر شرکت‌ها صرفاً تأیید حقوقی کاربر را کافی می‌دانند. کارشناسان هشدار می‌دهند این ابزارها می‌توانند خطر کلاهبرداری‌های صوتی را افزایش دهند.

    ۱۴۰۳/۱۲/۲۰ ۱۸:۴۹:۰۲

  • تأخیر در بهبود هوش مصنوعی دستیار صوتی سیری اپل تا سال ۲۰۲۶

    اپل اعلام کرد که بهبودهای هوش مصنوعی برای دستیار صوتی سیری که شامل قابلیت‌های شخصی‌سازی و انجام اقدامات در اپلیکیشن‌ها می‌شود، تا سال ۲۰۲۶ به تعویق افتاده است. این شرکت پیش‌تر قصد داشت این ویژگی‌ها را در سال ۲۰۲۵ ارائه دهد و در حال ساخت زیرساخت رایانش ابری با تراشه‌های اختصاصی برای حفظ حریم خصوصی کاربران است.

    ۱۴۰۳/۱۲/۱۷ ۲۱:۵۴:۰۲

  • متا در آستانه معرفی مدل هوش مصنوعی Llama 4 با قابلیت‌های صوتی پیشرفته

    شرکت متا در حال آماده‌سازی مدل Llama 4 است که با تمرکز بر قابلیت‌های صوتی پیشرفته طراحی شده و کاربران می‌توانند در حین گفتگو با مدل، گفتار مدل را قطع کنند. (یعنی وقتی مدل در حال صحبت است با حرف زدن صحبتش قطع می شود٫ مشابه نسخه صوتی chatgpt و live جمینی گوگل) . این مدل به عنوان یک مدل "همه‌کاره" قادر به تفسیر و تولید متن، گفتار و سایر انواع داده‌ها خواهد بود. رقابت با مدل‌های هوش مصنوعی چینی DeepSeek، متا را به توسعه سریع‌تر Llama واداشته است.

    ۱۴۰۳/۱۲/۱۷ ۱۸:۵۶:۲۰

  • تأخیر در عرضه موتور صدای OpenAI به دلیل نگرانی‌های امنیتی

    شرکت OpenAI، سرویس موتور صدای خود که قادر به شبیه‌سازی صدای افراد با تنها ۱۵ ثانیه گفتار است، را همچنان در مرحله محدود نگه داشته است. این شرکت با هدف بررسی کاربردهای مسئولانه و جلوگیری از سوء استفاده‌های احتمالی، دسترسی به این فناوری را تنها برای شرکای محدود فراهم کرده و در حال آزمایش و ارزیابی جوانب مختلف آن است.

    ۱۴۰۳/۱۲/۱۶ ۱۸:۰۰:۰۶

  • پادکست‌سازی با هوش مصنوعی؛ Podcastle مدل جدید متن به گفتار را معرفی کرد


    ‏podcastle یک پلتفرم پادکست، مدل هوش مصنوعی Asyncflow v1.0 را برای تبدیل متن به گفتار معرفی کرد. این استارتاپ بیش از ۴۵۰ صدای مصنوعی و قابلیت ادغام API برای توسعه‌دهندگان را ارائه می دهد. هدف اصلی این مدل، کاهش هزینه‌های تولید و افزایش کیفیت تبدیل متن به صدا است.

    ۱۴۰۳/۱۲/۱۵ ۰۱:۲۰:۵۱

  • تأخیر در هوش مصنوعی Siri اپل

    اپل در راه اندازی هوش مصنوعی Siri با تأخیر جدی مواجه شده است. بر اساس گزارش‌ها، Siri هوشمند احتمالاً تا بهار ۲۰۲۶ و با نسخه iOS 19.4 عرضه خواهد شد. این تأخیر می‌تواند فرصتی برای بهبود قابلیت‌های هوش مصنوعی و ارائه تجربه کاربری بهتر باشد. اپل در حال تلاش برای ادغام معماری قدیمی سیری با نرم‌افزارهای مدرن هوش مصنوعی است.

    ۱۴۰۳/۱۲/۱۴ ۰۰:۲۵:۵۰

  • همکاری Stability AI و Arm برای تولید صدای هوش مصنوعی در دستگاه‌های موبایل

    استارتاپ Stability AI با همکاری شرکت Arm، مدل هوش مصنوعی Stable Audio Open را برای تولید صدا و افکت صوتی در دستگاه‌های موبایل بهینه کرده است. این مدل قادر است صداهایی مانند امواج دریا را با توصیف متنی تولید کند و با استفاده از محتوای رایگان حق تألیف آموزش دیده است.

    ۱۴۰۳/۱۲/۱۳ ۲۳:۵۵:۰۶

  • رونمایی ElevenLabs از مدل هوش مصنوعی Scribe برای تبدیل گفتار به متن

    استارتاپ ElevenLabs که در زمینه تولید صدا با هوش مصنوعی فعال است، اولین مدل مستقل تبدیل گفتار به متن خود به نام Scribe را معرفی کرد. این مدل از بیش از 99 زبان پشتیبانی می‌کند و در برخی زبان‌ها دارای دقت بالای 97 درصدی است. قیمت این سرویس ساعتی 0.40 دلار بوده و قابلیت‌هایی مانند تشخیص گوینده و زمان‌بندی کلمات را دارد.

    ۱۴۰۳/۱۲/۸ ۲۲:۲۷:۵۹

  • گوگل در حال جایگزینی دستیار صوتی با Gemini در اندروید

    گوگل در حال تغییر دستیار صوتی اندروید از "Hey Google" به "Hey Gemini" است. این تغییر نشان می‌دهد که شرکت قصد دارد هوش مصنوعی Gemini را به طور گسترده در سیستم عامل اندروید ادغام کند. هدف اصلی افزایش استفاده کاربران از این دستیار هوش مصنوعی و رقابت با ChatGPT است.

    ۱۴۰۳/۱۲/۸ ۲۱:۱۴:۱۱

  • یوتیوب با یک میلیارد بیننده ماهانه، پادکست را تسخیر کرد

    یوتیوب با عبور از مرز یک میلیارد بیننده ماهانه پادکست، سلطه خود را در عرصه محتوای صوتی-تصویری تثبیت کرد. این پلتفرم با تمرکز بر فرمت ویدیویی و تغییر در نحوه نمایش تبلیغات میان‌برنامه‌ای، رقبای اصلی خود مانند اسپاتیفای را تحت فشار قرار داده است.

    ۱۴۰۳/۱۲/۸ ۲۱:۰۳:۴۵

  • الکسای آمازون، دستیار خرید مواد غذایی با هوش مصنوعی پیشرفته

    آمازون قابلیت‌های جدیدی را برای دستیار صوتی الکسا معرفی کرد که به کاربران اجازه می‌دهد با استفاده از گفتگوی طبیعی، فهرست خرید مواد غذایی را تهیه کنند. این سرویس جدید امکان سفارش از Amazon Fresh و سایر شرکای توزیع مواد غذایی را فراهم می‌کند و قادر به درک درخواست‌های پیچیده و ارائه پیشنهادات غذایی است.

    ۱۴۰۳/۱۲/۸ ۲۰:۵۳:۰۹

  • الکسای جدید آمازون با هوش مصنوعی پیشرفته رونمایی شد

    آمازون در رویداد سالانه خود، نسخه پیشرفته الکسا با قابلیت‌های هوش مصنوعی تولیدی را معرفی کرد. این دستیار صوتی اکنون می‌تواند اسناد و ایمیل‌ها را بررسی، اطلاعات مهم را استخراج و خلاصه کند. همچنین قابلیت پاسخگویی به سوالات درباره اسناد آپلود شده، مدیریت تقویم و کنترل دستگاه‌های خانگی را دارد.
    این نسخه با استفاده از مدل‌های هوش مصنوعی مختلف از جمله مدل‌های داخلی آمازون و شرکت Anthropic، قادر به انجام وظایف پیچیده است.
    الکسای جدید می‌تواند وب‌سایت‌ها را جستجو کرده، خدمات مختلف را اجرا کند و حتی برای کاربر تعمیرکار پیدا کند.

    ۱۴۰۳/۱۲/۸ ۲۰:۵۳:۰۷

  • آمازون الکسا را با هوش مصنوعی پیشرفته بازسازی می‌کند

    آمازون در حال معرفی نسل جدید الکسا با قابلیت‌های هوش مصنوعی تولیدی است که می‌تواند چندین درخواست را پشت سر هم پاسخ دهد. این سرویس جدید که پروژه داخلی "بانیان" نام دارد، احتمالاً ماهانه 10 دلار هزینه خواهد داشت و قابلیت انجام اقدامات به صورت مستقل را خواهد داشت. آمازون همچنان نسخه کلاسیک الکسا را نیز رایگان ارائه خواهد داد.

    ۱۴۰۳/۱۲/۸ ۱۶:۱۹:۵۹

  • راه‌اندازی پلتفرم انتشار کتاب صوتی با هوش مصنوعی توسط ElevenLabs

    شرکت ElevenLabs، یک استارتاپ فعال در زمینه هوش مصنوعی صدا، اپلیکیشن خود را برای انتشار کتاب‌های صوتی با فناوری هوش مصنوعی راه‌اندازی کرد. این پلتفرم به نویسندگان اجازه می‌دهد کتاب‌های صوتی خود را منتشر کنند و در ازای هر ۱۱ دقیقه گوش داده شدن به کتاب صوتیشان، حدود ۱.۱۰ دلار درآمد کسب کنند.

    ۱۴۰۳/۱۲/۸ ۱۱:۱۳:۵۰

  • آمازون در آستانه معرفی نسخه هوش مصنوعی پیشرفته الکسا

    آمازون در رویدادی تخصصی، نسخه جدید دستیار هوشمند الکسا را معرفی می‌کند. این نسخه پیشرفته با قابلیت‌های هوش مصنوعی پیشرفته طراحی شده و می‌تواند چندین درخواست را همزمان پاسخ دهد. الکسای جدید با قیمت ماهانه 5 تا 10 دلار ارائه خواهد شد و قابلیت انجام خودکار درخواست ها را دارد.

    ۱۴۰۳/۱۲/۷ ۲۱:۴۳:۵۱

  • هوش مصنوعی Anthropic با بازی پوکمون به آزمایش مدل جدید خود پرداخت

    شرکت Anthropic مدل هوش مصنوعی Claude 3.7 Sonnet را با استفاده از بازی کلاسیک پوکمون رد در Game Boy آزمایش کرد. این مدل توانست با قابلیت "تفکر گسترده" به موفقیت‌هایی مانند شکست سه رهبر ژیم و کسب نشان آنها دست یابد. این آزمایش نشان می‌دهد که مدل جدید Anthropic در پردازش و تصمیم‌گیری پیچیده پیشرفت قابل توجهی داشته است.

    ۱۴۰۳/۱۲/۶ ۲۳:۱۰:۴۴

  • رقابت داغ برای خرید کارت گرافیک جدید انویدیا با قیمت‌های نجومی

    انویدیا برای مقابله با دلالان و افزایش قیمت کارت‌های گرافیک RTX 5090 و RTX 5080، طرح قرعه‌کشی برای فروش کارت‌های Founders Edition با قیمت پایه راه‌اندازی کرده است. این کارت‌های گرافیک که قیمت اصلی آنها بین 1000 تا 2000 دلار است، در بازار آزاد به بیش از 4000 دلار می‌رسند. کمبود شدید موجودی و هجوم خریداران باعث شده تا دسترسی به این محصولات برای کاربران عادی بسیار دشوار شود.

    ۱۴۰۳/۱۲/۲ ۲۱:۴۷:۴۵
نمایش بیشتر