IA Multimodal
Modelos que entendem texto, imagem, áudio e vídeo ao mesmo tempo.
Busca Visual Aprimorada da Apple: IA facilita pesquisa de fotos
A Apple introduziu a Busca Visual Aprimorada no aplicativo Fotos, uma funcionalidade que utiliza inteligência artificial para identificar e localizar pontos turísticos e locais de interesse nas suas imagens. Este recurso promete otimizar a organização e a recuperação de memórias visuais, mesmo sem a geolocalização ativada.
Samsung lança óculos inteligentes com Gemini e câmera de 12 MP
A Samsung entrou no mercado de vestíveis inteligentes com a pré-venda de seus óculos, que integram o Gemini do Google e uma câmera de 12 MP. Desenvolvidos em parceria com Gentle Monster e Warby Parker, os dispositivos prometem revolucionar a interação com o ambiente, oferecendo funcionalidades como tradução e navegação assistida por IA.
JEV Agora Processa Imagens: Expansão Revolucionária na Tomada de Decisões por IA
A plataforma JEV, conhecida por suas capacidades de decisão baseadas em texto, acaba de lançar suporte para processamento de imagens. Essa novidade, que inclui uma nova primitiva 'Box', permite à IA localizar e analisar elementos visuais, abrindo portas para aplicações práticas em diversos setores.
OpenAI lança o GPT Image 2.6 com gifs animados e edições no API
A OpenAI atualizou seu modelo de geração de imagens com o GPT Image 2.6. A nova versão traz criação de GIFs animados, suporte a marcações visuais na API e gerações até 50% mais rápidas, segundo a desenvolvedora.
Gemini Omni 1.2 Flash: Vídeos mais longos e baratos com IA
A Google DeepMind lançou o Gemini Omni 1.2 Flash, uma atualização que permite a criação de vídeos de até 15 segundos com maior consistência e um custo 30% menor. A novidade promete transformar a produção de conteúdo profissional, oferecendo mais controle e eficiência.

ChatGPT passa a criar e editar GIFs animados com modelo Images 2.6
O ChatGPT agora gera GIFs animados a partir de texto ou fotos. Com a atualização para o modelo Images 2.6, os usuários podem ajustar a velocidade da animação e editar quadros individuais diretamente na plataforma.
Incongruência entre fala e texto desafia reconhecimento de emoções em LLMs de áudio
Pesquisadores investigaram como a falta de alinhamento entre o que é dito e como é dito afeta a capacidade de modelos de linguagem grandes (LLMs) de áudio em identificar emoções. Os resultados mostram que essa incongruência aumenta as chances de erro, revelando um desafio fundamental na interpretação multimodal.

IA Gera Vídeos Inusitados de Jogos, Transformando o Conteúdo Online
Ferramentas de inteligência artificial estão transformando a criação de mods para videogames, permitindo a fusão de títulos populares e a descompilação de códigos com uma facilidade inédita. Essa nova capacidade, no entanto, acende um alerta sobre pirataria e a proteção de direitos autorais na indústria.

LFM3: Construindo Modelos Multimodais Especializados com IA Líquida
A Liquid AI apresentou a nova família de modelos LFM3, combinando texto, visão, áudio e tomada de decisão em uma arquitetura de 2 bilhões de parâmetros capaz de rodar diretamente em dispositivos finais.

Grok Lança Primeiros Minutos de 'Odisseia' Gerada por IA
A plataforma Grok divulgou o primeiro episódio de sua versão da Odisseia, criada inteiramente por inteligência artificial. O projeto surge como uma resposta direta ao sucesso cinematográfico de Christopher Nolan, prometendo fidelidade histórica sob a visão de Elon Musk.

Gemini Chega ao Apple CarPlay: Navegação Conversacional no Carro
O Google anunciou a chegada da inteligência artificial Gemini ao Apple CarPlay, permitindo que motoristas utilizem comandos de voz naturais para planejar rotas e obter informações em tempo real.

Granite Speech 5.0: Transcrição e Tradução de Áudio Mais Rápidas e Precisas
A nova coleção Granite Speech 5.0 da IBM traz modelos de inteligência artificial otimizados para transcrição multilíngue, tradução em tempo real e atribuição precisa de falas em reuniões corporativas.