Tag
Všetky publikované články, v ktorých sa téma multimodálna AI objavuje ako dôležitý kontext. Aktuálne 5 textov v archíve.
Google uzavrel dlhodobé partnerstvá s Arsenalom, Barcelonou, Bayernom, Liverpoolom a PSG. Gemini má sprostredkovať zápasové informácie a Pixel zákulisný obsah, no firma stále neuviedla dátové zdroje, samostatnú futbalovú funkciu ani merateľné ciele. V EÚ bude dôležité aj jasné označovanie AI interakcií a generovaného obsahu.
DocLang má prevádzať PDF, kancelárske súbory, obrázky či zvuk do kanonickej XML reprezentácie so zachovaným poradím čítania, tabuľkami, grafikou a pôvodom prvkov. Podpora v Doclingu už umožňuje praktické skúšanie, no tvrdenia o nižších nákladoch zatiaľ nemajú nezávislé benchmarky a formát vo verzii 0.x môže prinášať nekompatibilné zmeny.
AMIE počas simulovaných videokonzultácií spracúval obraz aj zvuk, viedol anamnézu a navigoval virtuálne vyšetrenie. Priaznivé hodnotenie však nemožno zamieňať za klinickú validáciu ani pripravenosť na nasadenie v európskom zdravotníctve.
MagpieTTS Multilingual v2607 prináša arabčinu, kórejčinu a portugalčinu, päť hlasov a otvorené váhy pre nasadenie vo vlastnej infraštruktúre. Model s 364 miliónmi parametrov cieli na hlasových agentov, no slovenčinu nepodporuje a zverejnené výsledky zatiaľ pochádzajú najmä od NVIDIA.
Instagram po kritike vypol možnosť používať verejné účty ako referenciu pri generovaní obrázkov v Meta AI. Prípad ukazuje, že pri spotrebiteľských multimodálnych nástrojoch nestačia len dodatočné prepínače súkromia.