Google ra mắt Gemini Omni: Bước tiến lớn tới AI 'sáng tạo mọi thứ từ mọi thứ'
Gemini Omni là mô hình AI đa phương thức mới nhất của Google, có khả năng hiểu và tạo ra nội dung video, hình ảnh và âm thanh vượt trội.
Nguồn x.com
Tag
#Multimodal
Tổng hợp 9 bài Kalera News liên quan đến Multimodal — viết tiếng Việt, có dẫn nguồn gốc.
Kimi Moonshot ra mắt Kimi K2.6 — mô hình đa phương thức hỗ trợ 300 sub-agent
Kimi Moonshot giới thiệu Kimi K2.6, mô hình AI agent đa phương thức có khả năng mở rộng tới 300 sub-agent thông qua Agent Swarm, hiện đã khả dụng trên Together AI.
Nguồn x.com
Google lộ diện Gemini Omni — mô hình video siêu cấp sắp ra mắt tại I/O
Gemini Omni được kỳ vọng là mô hình video tiên tiến nhất của Google, có khả năng chỉnh sửa video chuyên nghiệp và hiểu thế giới trực quan sâu sắc hơn.
Nguồn x.com
Trải nghiệm Gemini Omni Flash — mô hình đa phương thức thế hệ mới trên YouTube và Gemini
Người dùng hiện đã có thể dùng thử Gemini Omni Flash, mô hình đầu tiên trong dòng Omni đa phương thức, trên các nền tảng của Google.
Nguồn x.com
NVIDIA Nemotron-3 Nano Omni hiện đã có mặt trên Microsoft Azure Foundry
NVIDIA Nemotron-3 Nano Omni, mô hình AI đa phương thức (unifies video, audio, image, and text) mã nguồn mở, đã có thể triển khai trực tiếp trên Microsoft Azure Foundry thông qua Hugging Face.
Nguồn x.com
NVIDIA và DeepSeek đua hiệu năng mô hình ngữ cảnh lớn cho AI agent
Các đợt ra mắt của NVIDIA Nemotron 3 Nano Omni và DeepSeek-V4 đánh dấu bước tiến quan trọng trong việc xử lý siêu ngữ cảnh cho các tác vụ AI agent đa phương tiện.
Apple đề xuất TC-JEPA: Dùng văn bản giúp AI hiểu hình ảnh chính xác hơn
Apple giới thiệu TC-JEPA, một phương pháp tự giám sát mới sử dụng chú thích văn bản để định hướng và giảm độ nhiễu khi AI học nhận diện hình ảnh.
ChatGPT hỗ trợ điền biểu mẫu tự động từ ảnh chụp và giọng nói 📝
OpenAI cập nhật tính năng mới giúp ChatGPT tự động điền các loại biểu mẫu thông qua hình ảnh tải lên, kết hợp cùng chỉ dẫn bằng văn bản hoặc giọng nói, giúp tối ưu hóa việc xử lý giấy tờ.
Hugging Face Hub v1.16.0 ra mắt: Hỗ trợ mạnh mẽ AI đa phương thức
Phiên bản mới nhất của huggingface_hub chính thức tích hợp Together Compute như một nhà cung cấp Inference mới, hỗ trợ 5 loại tác vụ đa phương thức từ TTS đến Text-to-Video.
Nguồn x.com