🎨

IA Multimodal

Modelos que entendem texto, imagem, áudio e vídeo ao mesmo tempo.

Busca Visual Aprimorada da Apple: IA facilita pesquisa de fotos
IA Multimodal

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.

Canaltech
5min·há 1d
Samsung lança óculos inteligentes com Gemini e câmera de 12 MP
IA Multimodal

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.

Tecmundo
5min·há 3d
JEV Agora Processa Imagens: Expansão Revolucionária na Tomada de Decisões por IA
IA Multimodal

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.

Towards Data Science
5min·há 3d
OpenAI lança o GPT Image 2.6 com gifs animados e edições no API
IA Multimodal

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.

Analytics Vidhya
4min·8 de nov.
Gemini Omni 1.2 Flash: Vídeos mais longos e baratos com IA
IA Multimodal

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.

Google DeepMind
5min·5 de nov.
ChatGPT passa a criar e editar GIFs animados com modelo Images 2.6
IA Multimodal

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.

The Verge AI
3min·4 de nov.
Incongruência entre fala e texto desafia reconhecimento de emoções em LLMs de áudio
IA Multimodal

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.

ArXiv CS.AI
6min·4 de nov.
IA Gera Vídeos Inusitados de Jogos, Transformando o Conteúdo Online
IA 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.

The Guardian AI
6min·28 de out.
LFM3: Construindo Modelos Multimodais Especializados com IA Líquida
IA Multimodal

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.

Hugging Face Blog
4min·28 de out.
Grok Lança Primeiros Minutos de 'Odisseia' Gerada por IA
IA Multimodal

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.

TechCrunch AI
5min·26 de out.
Gemini Chega ao Apple CarPlay: Navegação Conversacional no Carro
IA Multimodal

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.

The Verge AI
4min·21 de out.
Granite Speech 5.0: Transcrição e Tradução de Áudio Mais Rápidas e Precisas
IA Multimodal

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.

Hugging Face Blog
4min·21 de out.
Página 1Próxima →