ابزارها و کاربردهای هوش مصنوعی

🚀 HunyuanWorld-Voyager — هوش مصنوعی برای ساخت دنیاهای سه‌بعدی

Tencent اولین مدل اپن‌سورس دنیا رو معرفی کرده که همزمان ویدیو رو به صحنه‌ی سه‌بعدی واقعی تبدیل می‌کنه و بازسازی سه‌بعدی رو به صورت بومی انجام میده.

✨ یعنی چی؟
✅ تبدیل مستقیم ویدیو به دنیای سه‌بعدی، بدون نیاز به ابزار اضافه
✅ مدل «حافظه‌ی فضایی» داره و هندسه‌ی درست رو از هر زاویه‌ای نگه میداره
✅ رتبه‌ی شماره ۱ در Stanford WorldScore برای ویدیو و بازسازی سه‌بعدی

🎮 کاربردها: واقعیت مجازی (VR)، بازی‌ها، شبیه‌سازی و پروژه‌های سه‌بعدی — با کنترل از طریق کیبورد یا جوی‌استیک.

🌐 Project Page: https://3d-models.hunyuan.tencent.com/world/
💻 GitHub: https://github.com/Tencent-Hunyuan/HunyuanWorld-Voyager
🤗 HuggingFace: https://huggingface.co/tencent/HunyuanWorld-Voyager
📄 PDF: https://3d-models.hunyuan.tencent.com/voyager/voyager_en/assets/HYWorld_Voyager.pdf
🏆 Leaderboard: https://huggingface.co/spaces/Howieeeee/WorldScore_Leaderboard

@ai_machinelearning_big_data

#هوش_مصنوعی #سه‌بعدی #VR #بازی #اپن_سورس

🤖✨ سیستم Blackdot — ربات جدید برای تاتو با هوش مصنوعی و بینایی کامپیوتری

این ربات توسط یک استارتاپ آمریکایی ساخته شده و می‌تواند تاتوهای سیاه‌وسفید را روی قسمت‌های صاف پوست مثل دست و پا اجرا کند. در آینده هم قابلیت کار روی بخش‌هایی مثل سینه و شانه اضافه خواهد شد.

🎨 طراحی تاتوها توسط هنرمندان حرفه‌ای انجام می‌شود. سپس طرح انتخابی با سایز دلخواه به ربات داده می‌شود.
🖤 ربات جوهر را به شکل نقاطی می‌گذارد که حتی از ضخامت یک تار مو هم باریک‌ترند.
📷 یک دوربین داخلی و لیزر به صورت لحظه‌ای کیفیت را کنترل کرده و تنظیمات را تغییر می‌دهند.

✅ نتیجه: سرعت بیشتر، دقت بالاتر و درد کمتر نسبت به روش سنتی، چون سوراخ‌کاری‌ها سطحی‌تر هستند.

🎧 ساخت کتاب صوتی از هر متن یا کتاب فقط در چند ثانیه با هوش مصنوعی

ویژگی‌های این ابزار جدید:
— پشتیبانی از چندین زبان؛
— استفاده از یکی از بهترین مدل‌های تبدیل متن به گفتار: KokoroTTS؛
— امکان ساخت صدای اختصاصی در صورت عدم رضایت از لیست آماده؛
— نصب و راه‌اندازی ساده؛
— کاملاً اوپن‌سورس و رایگان برای همه.

چطور ChatGPT رو در چند ثانیه طبیعی‌تر کنیم

هیچ ابزار خارجی لازم نیست — تنظیماتش داخل خود ChatGPT هست.

🔸 ChatGPT رو باز کن
🔸 روی عکس پروفایلت بزن → Customize ChatGPT
🔸 داخل بخش Traits این متن رو بذار:

✍️
«به انگلیسی طبیعی و انسانی بنویس. لحن رباتی و خیلی رسمی نداشته باش.
از جملات خشک، نقل‌قول زیاد، اصطلاحات شرکتی و اداری دوری کن.
ساده و روشن بنویس. اگر مکالمه‌ای باشه و مفهوم رو بهتر برسونه، اشکالی نداره.
جملات تکراری و طولانی الکی نساز.
ریتم جمله‌ها رو تغییر بده تا متن زنده‌تر به‌نظر برسه.
اولویت با وضوح، سبک شخصی و ارزش عملی در هر خطه.
هر جمله باید هدفمند باشه، نه مکانیکی.»

📌 وقتی ذخیره بشه، خروجی ChatGPT دیگه خشک و رسمی نیست و متن‌ها خیلی شفاف‌تر، روان‌تر و طبیعی‌تر می‌شن.

ارتقای جدی OpenAI Codex

🔧 مهم‌ترین تغییر — بازطراحی کامل CLI با کلی قابلیت جدید:
— صف پیام‌ها
— جستجو در اینترنت
— لیست‌های TODO
— پشتیبانی از ورودی تصویری
— و کلی بهبود جزئی دیگه

⚡️ همچنین افزونه‌ای برای VSCode عرضه شده (سازگار با Cursor، Windsurf و سایر فورک‌ها):
— امکان اجرای تسک‌ها هم روی سیستم محلی و هم روی فضای ابری
— اتصال به GitHub حالا می‌تونه به‌صورت خودکار Pull Requestها رو بررسی کنه

📈 Codex که در ابتدا شروع موفقی نداشت، توی یک ماه اخیر به رقیب جدی Claude Code تبدیل شده.
و جایی که رقابت باشه، کیفیت محصولات هم بالاتر میره.

🧩 #هوش_مصنوعی #OpenAI #Codex #کدنویسی

🎥 Krea Real-Time Video — آینده‌ی Img2Video؟

🔹 Img2video یا Video2video؟
Krea به‌تازگی ژنراتور ویدیو در لحظه (real-time) معرفی کرده که با کشیدن شکل‌های ساده‌ی هندسی می‌توان آن را کنترل کرد.

👀 نتیجه چیزی شبیه real-time img2img است، با این تفاوت که:
— انسجام زمانی (temporal consistency) رعایت می‌شود.
— تولیدها به نسل‌های قبلی توجه دارند تا تصویر پایدارتر باشد.

⚡️ سرعت رندر هم جالب است: ۱۲ فریم بر ثانیه در لحظه.

🎶 شاید برای پروژه‌های مفهومی یا موزیک‌ویدیوها خیلی جذاب باشد. در عمل چقدر کاربردی است؟ باید صبر کنیم و دید.

🎬 Veo 3 Ultimate — آپدیت بزرگ از گوگل

گوگل همزمان با معرفی Nano Banana، به‌صورت بی‌سروصدا آپدیت مهمی منتشر کرد:
🔹 حالا با اشتراک Ultra می‌توان بی‌نهایت ویدیو روی نسخه سبک‌تر Veo 3 Fast تولید کرد.

💵 قبلاً هر ثانیه تولید ویدیو حدود ۰.۴ دلار هزینه داشت (یعنی یک ویدیو کوتاه تا ۳.۲ دلار). حالا همه‌چیز فقط با ۲۵۰ دلار در ماه نامحدود است.

👨‍💻 این خبر می‌تواند فریلنسـرها و استودیوهای تبلیغاتی را به سمت گوگل بکشاند.
⚠️ اما هنوز دو محدودیت باقی است:
— نبود پشتیبانی از ویدیوی عمودی 📱
— رزولوشن فقط ۷۲۰p (در حالی که Kling مدت‌هاست روی ۱۰۸۰p کار می‌کند).

DeepDream

یه شبکه عصبی از گوگل که عکسارو خیلی خلاقانه دستکاری می‌کنه.
کار اصلیش اینه که از دل عکسای معمولی، طرح‌ها و جزئیات پنهونو بزرگ‌نمایی کنه و یه تصویر عجیب‌غریب و هنری تحویلت بده.

خیلی توی هنر دیجیتال و ساخت بک‌گراند یا تصاویر سورئال استفاده میشه.

می‌تونی شدت و سبک تغییرات رو تنظیم کنی تا خروجی‌ از یه حالت ملایم تا خیلی ترسناک و رویایی فرق داشته باشه.

https://deepdreamgenerator.com/

#هوش_مصنوعی

شبیه سازی شبکه های عصبی در یادگیری ماشین

راهنمای تشخیص محتوای تولیدی هوش مصنوعی

مبارزه با اخبار جعلی

لینکهای ذکر شده در این پادکست
🔎 ابزارهای تشخیص محتوای AI
• راهنمای GIJN
• Forensically – تحلیل تصویر
• TrueMedia – شناسایی دیپ‌فیک سیاسی
• Image Whisperer – تأیید رسانه
• Hiya Voice Detector – تشخیص صدا


منبع

شرکت چینی Moonshot AI یه قابلیت تازه به Kimi اضافه کرده به اسم «PPT Assistant». باهاش می‌تونی فقط با یه متن ساده یا حتی فایل PDF و Word، درجا یه پاورپوینت شیک بسازی. خبر خوب؟ فارسی رو کامل ساپورت می‌کنه و کاملاً رایگانه، بدون هیچ محدودیتی!
https://www.kimi.com/kimiplus/cvvm7bkheutnihqi2100

#هوش_مصنوعی

Kira.art


ویرایش عکس با چت

با Kira لازم نیست پرامپت‌های پیچیده بنویسی. فقط راحت توضیح میدی چی می‌خوای: مثلا بگی «رنگ چشم‌ها رو عوض کن»، «یه وسیله به عکس اضافه کن» یا «یه افکت هنری بساز». هوش مصنوعی همون لحظه تغییر رو انجام میده.

می‌تونی مرحله به مرحله باهاش گفتگو کنی: مثلا اول بگی «پس‌زمینه رو گرم کن»، بعد دوباره بگی «یه هاله نور هم اضافه کن» و تصویر کم‌کم بهتر میشه.

فرقش با چیزایی مثل Midjourney اینه که Kira بیشتر مثل یه ویرایشگر تعاملی عمل می‌کنه، نه فقط یه مولد تصویر از صفر. یعنی عکس آماده‌ت رو هم می‌تونی خیلی راحت تغییر بدی.

🔹 نسخه رایگان هم داره که باهاش تا وقتی اعتبار تموم نشه میشه کار کرد.
🔹

#هوش_مصنوعی

مقایسه پایتون و c++

یه ماجرای خیلی غم‌انگیز که یه پسر ۱۶ ساله به اسم آدام راین تو آوریل ۲۰۲۵ خودشو کشته. این پسر از یه هوش مصنوعی به اسم ChatGPT برای درساش استفاده می‌کرده، ولی ظاهراً این برنامه بهش راه و چاه کارای خطرناک مثل خودزنی رو نشون داده

https://www.nytimes.com/2025/08/26/technology/chatgpt-openai-suicide.html

و حالا NotebookLM میتونه ویدئو به زبان فارسی تولید کنه

https://notebooklm.google/

اگر افسردگی ندارید این متنو داخل chatgpt بنویسید و ببینید چطورر باهاتون حرف میزنه

No mercy, no filter, roast me

🚀 قابلیت جدید Gemini 2.5 Flash Image (ملقب به nano-banana)
گوگل یه آپدیت تازه توی Gemini داده که کار ویرایش عکس رو خیلی واقعی‌تر و راحت‌تر می‌کنه:
👕 تغییر لباس و پس‌زمینه بدون خراب شدن چهره
🐶 ترکیب چند عکس توی یه تصویر (مثلاً خودت و حیوانت با هم)
🎨 ویرایش مرحله‌به‌مرحله؛ هر بار یه تغییر بدون بهم ریختن بقیه جزئیات
🖌️ انتقال طرح و رنگ از یه چیز به چیز دیگه (مثلاً طرح گل روی لباس)
📌 همه عکس‌های خروجی، واترمارک و یه برچسب نامرئی دارن تا معلوم باشه با هوش مصنوعی ساخته یا ویرایش شدن.
🔗 جزئیات بیشتر در بلاگ گوگل


#هوش_مصنوعی

Pika Labs


یه ابزار هوش مصنوعیه که متن رو تبدیل به ویدیو و انیمیشن می‌کنه
فقط کافیه یه جمله یا توضیح بدی، خودش برات فیلم می‌سازه!

👾 فعلاً تو حالت بتا هست و فقط از طریق سرور Discord خودشون می‌تونی استفاده کنی. بعد از اینکه دسترسی گرفتی، میری تو یکی از کانال‌های #generate و با دستور
/create
به همراه توضیح متن، ویدیو می‌سازی.

🔗 Pika Labs

#هوش_مصنوعی

گوگل یه سری حالت تازه رو واسه جمینی (هوش مصنوعیش) داره تست می‌کنه:

Agent Mode 👉 خودش کارارو خودکار انجام میده.

Gemini Go 👉 حالت همکاری و ایده‌پردازیه.

Immersive View 👉 جوابارو تصویری و سه‌بعدی نشون میده.

#هوش_مصنوعی
https://www.testingcatalog.com/google-tests-new-gemini-modes-including-agent-go-and-immersive-view/