Tag
Všetky publikované články, v ktorých sa téma multimodalita objavuje ako dôležitý kontext. Aktuálne 18 textov v archíve.
Midjourney vydalo V8.1 Alpha a z praktického pohľadu nejde len o kozmetickú úpravu. Nová verzia zrýchľuje štandardné generovanie, dramaticky zlacňuje HD režim a vracia späť image prompts aj image weights, takže z experimentálneho modelu sa stáva použiteľnejší nástroj pre reálnu tvorivú prácu.
Gemma 4 už nie je len ďalší open model od Googlu, ale čoraz viac aj praktický kandidát na lokálny alebo hybridný AI stack, najmä vďaka multimodalite, Apache licencii a rýchlej podpore v širšom ekosystéme.
Meta predstavila Muse Spark ako prvý model rodiny Muse od Meta Superintelligence Labs. Zaujímavá nie je len multimodalita, ale aj kombinácia tool-use, vizuálneho chain of thought a paralelného multi-agent orchestru, ktorou sa Meta snaží dobehnúť frontier špičku.
Meta uviedlo Muse Spark, prvý model z nového interného programu Avocado, a naznačuje ním strategický obrat od doterajšej Llama línie smerom k rýchlejším, viac produktovo nasaditeľným modelom.
Meta rozširuje open model stratégiu o multimodálny systém, ktorý kombinuje text, video aj audio. Otázkou zostáva, ako rýchlo sa okolo neho vytvorí ekosystém nástrojov a finetuning pipeline.
ElevenLabs posúva svoj najpokročilejší model syntézy reči Eleven v3 z alpha režimu do všeobecnej dostupnosti. Firma pritom tvrdí, že nová verzia výrazne zlepšila prácu s číslami, symbolmi a odbornou notáciou, teda presne tam, kde sa text-to-speech v praxi často láme na neprirodzených alebo vecne chybných výstupoch.