اخبار و به‌روزرسانی‌های هوش مصنوعی – ۲۰ ژوئن

جدیدترین‌ها در صداهای هوش مصنوعی، عوامل، ویدئو و ابزارهای سازمانی

به نگاهی عمیق این هفته در هوش مصنوعی خوش آمدید — مرور سریع شما از به‌روزرسانی‌های تاثیرگذار در فضای هوش مصنوعی. از صداهای احساسی هوش مصنوعی و عوامل خودکار واقعی تا پیشرفت‌ها در ویدئوهای تولید شده توسط هوش مصنوعی و ادغام‌های سازمانی، اینجا چیزی است که مهم است و چرا.

🔊 11 Labs V3: صداهای هوش مصنوعی که انسانی به نظر می‌رسند

مدل جدید 11 Labs V3 در نسخه آلفا عمومی فعال است و تعریف جدیدی از گفتار تولید شده توسط هوش مصنوعی ارائه می‌دهد.

• اکنون از بیش از ۷۰ زبان پشتیبانی می‌کند و ۹۰٪ از جمعیت جهانی را پوشش می‌دهد.
• به کاربران اجازه می‌دهد برچسب‌های احساسی (مانند هیجان‌زده، زمزمه) را مستقیماً در متن قرار دهند.
• کاملاً از ابتدا ساخته شده با تمرکز بر بازارهای حرفه‌ای: فیلم، کتاب‌های صوتی، بازی‌ها.
• API چندگوینده جدید امکان گفتگوها و دیالوگ‌های طبیعی‌تر را فراهم می‌کند.
• V3 هنوز به صورت زنده نیست، اما مدل‌های قدیمی‌تر V2.5 Turbo فعلاً توصیه می‌شوند.
• در حال حاضر ۸۰٪ تخفیف در برنامه‌های سرویس‌دهی خودکار تا ژوئن ۲۰۲۵ ارائه می‌دهد.

🤖 عوامل هوش مصنوعی: Runner H توسط شرکت H

Runner H با عامل هوش مصنوعی خود که واقعاً وظایفی را در وب انجام می‌دهد، موجی ایجاد کرده است.

• توسط Hollow1، یک مدل زبان بصری با ۳ میلیارد پارامتر قدرت گرفته است.
• چیدمان صفحات وب را می‌فهمد — دکمه‌ها را کلیک می‌کند، فرم‌ها را پر می‌کند، سفر رزرو می‌کند.
• در بنچمارک WebVoyager با موفقیت ۶۷٪ از رقبا پیشی می‌گیرد.
• در پلتفرم‌های مختلف کار می‌کند: Gmail، Notion، Slack، Zapier و غیره.
• در نسخه بتای عمومی و اکنون رایگان برای آزمایش است.

🎬 ویدئوی هوش مصنوعی در حال انفجار است

سه رویکرد متمایز به ویدئوی هوش مصنوعی در حال جذب توجه هستند:

1. Google DeepMind V3

• ویدئوهای کوتاه با کیفیت بالا از متن یا تصاویر تولید می‌کند.
• شامل صوت یکپارچه، ثبات کاراکتر و کنترل دوربین است.
• اکنون در Leonardo.ai و اپلیکیشن Gemini، در ۷۳ کشور قابل دسترسی است.

2. Mirage Studio (Captions AI)

• بازیگران هوش مصنوعی فوق‌واقعی را از دستورات متنی یا تصاویر مرجع می‌سازد.
• تمرکز بر محتوای بازاریابی — وعده کاهش زمان تولید تا ۹۰٪.

3. HeyGen AI Studio

• برای کنترل دقیق بر روی آواتارهای هوش مصنوعی و ویرایش ویدئو ساخته شده است.
• دارای ویژگی‌های آینه‌سازی صدا، نقشه‌برداری حرکات و جهت‌دهی عملکرد زبان طبیعی.
• با واقعی‌ترین آواتار خود راه‌اندازی شد.

🧠 پلتفرم‌های هوش مصنوعی عمیق‌تر می‌شوند

Google Gemini 2.5 Pro

• اکنون در صدر جدول رده‌بندی WebDev Arena برای ساخت اپلیکیشن‌ها از دستورات قرار دارد.
• بودجه‌های تفکری جدید به توسعه‌دهندگان اجازه می‌دهد تا استفاده و هزینه محاسبات را کنترل کنند.
• از طریق Google AI Studio و Vertex AI در دسترس است.

تلاش سازمانی OpenAI

• اتصالات ChatGPT را برای دسترسی به داده‌های خصوصی شرکت‌ها از ابزارهایی مانند Google Drive، SharePoint، Dropbox و Box راه‌اندازی می‌کند.
• کنترل‌های مجوز سختگیرانه امنیت داده‌ها را تضمین می‌کند.
• ChatGPT را به عنوان مرکز دانش مرکزی برای سازمان‌ها پیش می‌برد.
• همچنین اتصالات تحقیقاتی عمیق برای موارد استفاده خودکارتر را معرفی کرده است.

🔍 تصویر بزرگ

رشته‌ای که در تمام این به‌روزرسانی‌ها جریان دارد؟
هوش مصنوعی از نمایش‌های تاثیرگذار به ابزارهای یکپارچه، قابل استفاده و روزانه در حال حرکت است — در تمام حوزه‌های صدا، اتوماسیون، ویدئو و دانش.

سوال این نیست که آیا هوش مصنوعی بر نحوه کار و خلق ما تاثیر خواهد گذاشت — بلکه چقدر سریع همه چیز را تغییر خواهد داد.

💡 آنچه باید تماشا کنید:

• چه کسی در فضای صدای هوش مصنوعی در بازارهای حرفه‌ای تسلط خواهد یافت؟
• آیا Runner H موجی از استارت‌آپ‌های مبتنی بر عامل‌ها را ایجاد خواهد کرد؟
• آیا ویدئوی هوش مصنوعی آماده جایگزینی بازیگران است یا فقط برای بهبود گردش کار؟
• آیا OpenAI و Google می‌توانند به سیستم‌های عصبی مرکزی برای شرکت‌ها تبدیل شوند؟

برای به‌روزرسانی‌های هفتگی بیشتر همراه باشید زیرا مسابقه هوش مصنوعی با سرعت بیشتری پیش می‌رود.