Tensorflow(@CVision)
الذهاب إلى القناة على Telegram
اخبار حوزه یادگیری عمیق و هوش مصنوعی مقالات و یافته های جدید یادگیری عمیق بینایی ماشین و پردازش تصویر TensorFlow, Keras, Deep Learning, Computer Vision سایت: http://class.vision 👨💻👩💻پشتیبان دوره ها: @classvision_support لینک گروه: @tf2keras
إظهار المزيد📈 نظرة تحليلية على قناة تيليجرام Tensorflow(@CVision)
تُعد قناة Tensorflow(@CVision) (@cvision) في القطاع اللغوي Farsi لاعباً نشطاً. يضم المجتمع حالياً 15 112 مشتركاً، محتلاً المرتبة 8 270 في فئة التكنولوجيات والتطبيقات والمرتبة 21 713 في منطقة إيران.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 15 112 مشتركاً.
بحسب آخر البيانات بتاريخ 05 أكتوبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار 2، وفي آخر 24 ساعة بمقدار -6، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 13.12%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 7.56% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 1 983 مشاهدة. وخلال اليوم الأول يجمع عادةً 1 142 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 14.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل مدل, مصنوعی, llm, استدلال, مغز.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“اخبار حوزه یادگیری عمیق و هوش مصنوعی
مقالات و یافته های جدید یادگیری عمیق
بینایی ماشین و پردازش تصویر
TensorFlow, Keras, Deep Learning, Computer Vision
سایت:
http://class.vision
👨💻👩💻پشتیبان دوره ها:
@classvision_support
لینک گروه:
@tf2kera...”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 06 أكتوبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
15 112
المشتركون
-624 ساعات
-187 أيام
+230 أيام
جاري تحميل البيانات...
القنوات المماثلة
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
أكتوبر '26أكتوبر '26
أكتوبر '26
+5
في 0 قنوات
سبتمبر '26
+83
في 1 قنوات
Get PRO
أغسطس '26
+176
في 2 قنوات
Get PRO
يوليو '26
+86
في 1 قنوات
Get PRO
يونيو '26
+104
في 1 قنوات
Get PRO
مايو '26
+22
في 0 قنوات
Get PRO
أبريل '26
+22
في 0 قنوات
Get PRO
مارس '26
+8
في 0 قنوات
Get PRO
فبراير '26
+29
في 0 قنوات
Get PRO
يناير '26
+13
في 0 قنوات
Get PRO
ديسمبر '25
+62
في 1 قنوات
Get PRO
نوفمبر '25
+281
في 23 قنوات
Get PRO
أكتوبر '25
+201
في 15 قنوات
Get PRO
سبتمبر '25
+265
في 21 قنوات
Get PRO
أغسطس '25
+284
في 16 قنوات
Get PRO
يوليو '25
+165
في 3 قنوات
Get PRO
يونيو '25
+64
في 5 قنوات
Get PRO
مايو '25
+236
في 9 قنوات
Get PRO
أبريل '25
+123
في 3 قنوات
Get PRO
مارس '25
+164
في 10 قنوات
Get PRO
فبراير '25
+153
في 7 قنوات
Get PRO
يناير '25
+136
في 5 قنوات
Get PRO
ديسمبر '24
+100
في 1 قنوات
Get PRO
نوفمبر '24
+247
في 4 قنوات
Get PRO
أكتوبر '24
+353
في 10 قنوات
Get PRO
سبتمبر '24
+239
في 6 قنوات
Get PRO
أغسطس '24
+250
في 6 قنوات
Get PRO
يوليو '24
+230
في 7 قنوات
Get PRO
يونيو '24
+182
في 2 قنوات
Get PRO
مايو '24
+1 045
في 16 قنوات
Get PRO
أبريل '24
+533
في 17 قنوات
Get PRO
مارس '24
+364
في 3 قنوات
Get PRO
فبراير '24
+453
في 5 قنوات
Get PRO
يناير '24
+753
في 12 قنوات
Get PRO
ديسمبر '23
+837
في 15 قنوات
Get PRO
نوفمبر '23
+416
في 17 قنوات
Get PRO
أكتوبر '23
+223
في 9 قنوات
Get PRO
سبتمبر '23
+296
في 0 قنوات
Get PRO
أغسطس '23
+226
في 0 قنوات
Get PRO
يوليو '23
+144
في 0 قنوات
Get PRO
يونيو '23
+229
في 0 قنوات
Get PRO
مايو '23
+135
في 0 قنوات
Get PRO
أبريل '23
+166
في 0 قنوات
Get PRO
مارس '23
+189
في 0 قنوات
Get PRO
فبراير '23
+132
في 0 قنوات
Get PRO
يناير '23
+149
في 0 قنوات
Get PRO
ديسمبر '22
+101
في 0 قنوات
Get PRO
نوفمبر '22
+124
في 0 قنوات
Get PRO
أكتوبر '22
+132
في 0 قنوات
Get PRO
سبتمبر '22
+185
في 0 قنوات
Get PRO
أغسطس '22
+231
في 0 قنوات
Get PRO
يوليو '22
+180
في 0 قنوات
Get PRO
يونيو '22
+106
في 0 قنوات
Get PRO
مايو '22
+347
في 0 قنوات
Get PRO
أبريل '22
+291
في 0 قنوات
Get PRO
مارس '22
+74
في 0 قنوات
Get PRO
فبراير '22
+90
في 0 قنوات
Get PRO
يناير '22
+165
في 0 قنوات
Get PRO
ديسمبر '21
+87
في 0 قنوات
Get PRO
نوفمبر '21
+208
في 0 قنوات
Get PRO
أكتوبر '21
+140
في 0 قنوات
Get PRO
سبتمبر '21
+267
في 0 قنوات
Get PRO
أغسطس '21
+103
في 0 قنوات
Get PRO
يوليو '21
+167
في 0 قنوات
Get PRO
يونيو '21
+175
في 0 قنوات
Get PRO
مايو '21
+213
في 0 قنوات
Get PRO
أبريل '21
+147
في 0 قنوات
Get PRO
مارس '21
+87
في 0 قنوات
Get PRO
فبراير '21
+270
في 0 قنوات
Get PRO
يناير '21
+86
في 0 قنوات
Get PRO
ديسمبر '20
+6 203
في 0 قنوات
| التاريخ | نمو المشتركين | الإشارات | القنوات | |
| 06 أكتوبر | 0 | |||
| 05 أكتوبر | 0 | |||
| 04 أكتوبر | +3 | |||
| 03 أكتوبر | +1 | |||
| 02 أكتوبر | 0 | |||
| 01 أكتوبر | +1 |
منشورات القناة
| 2 | 🎯 Jev کجا به درد می‌خورد و کجا نه؟
Jev بیشتر از اینکه جای GPT یا Claude را بگیرد، می‌تواند یک «لایه‌ی تصمیم‌گیری» سریع و ارزان باشد. یعنی برای کارهای کوچک و پرتعداد که الان بی‌خودی برای هرکدام یک مدل بزرگ صدا می‌زنیم.
تقسیم کار پیشنهادی (Separation of Concerns):
• تصمیم‌های کوچک و پرتعداد ← Jev
• تحلیل، reasoning و تولید محتوا ← GPT / Claude / Gemini
• قوانین قطعی، محاسبات و محدودیت‌های حساس ← Code
• تصمیم‌های پرریسک ← انسان
نمونه کاربردها:
• CRM: دسته‌بندی مشتری‌ها بر اساس احتمال ریزش، اهمیت یا نوع درخواست
• Support و Lead Scoring: تشخیص فوریت، تیم مناسب و ارزش سرنخ‌ها
• Agent Routing: انتخاب agent، tool یا مدل مناسب قبل از شروع کار سنگین
• RAG: حذف اسناد کم‌ربط و re-rank نتایج
• QA و Moderation: بررسی کیفیت، ارتباط و ریسک خروجی مدل‌ها، و پرچم‌گذاری محتوای مشکوک
• Workflow Automation: تعیین شاخه‌ی فرایند برای هر درخواست
• باشگاه مشتریان و بازاریابی: انتخاب نوع پیشنهاد، تخفیف یا کمپین مناسب هر گروه
⚠️ اما Jev «خیلی باهوش‌تر» نیست؛ برای یک نوع خاص از هوش بهینه شده و روی مسئله‌های مبهم افت می‌کند. دو نمونه:
1️⃣ Browser automation
تیم WebMCP (Idan Levin) با ترکیب Jev و WebMCP همه‌ی 49 task را حل کرد. ولی این ترکیب دو مدل بود: Jev ابزار را انتخاب می‌کرد و یک LLM سریع (Mercury 2.5) آرگومان‌ها را می‌نوشت، چون Jev متن تولید نمی‌کند. وقتی Jev مستقیم با کنترل‌های صفحه مرورگر را می‌راند، فقط 25 از 49 task حل شد. خود نویسندگان می‌گویند این نتیجه‌ی harness آن‌هاست و سقف عمومی Jev نیست.
2️⃣ تشخیص phishing
در یک benchmark مستقل روی 2000 ایمیل (ایمیل‌های synthetic)، دقت مستقیم Jev فقط 62.6٪ بود و Claude Haiku 4.5 به 81.3٪ رسید.
ولی وقتی همان مسئله به 5 سؤال ساده‌تر شکسته شد (مثلاً: لینک به free hosting اشاره دارد؟ فشار و فوریت دارد؟)، یک رگرسیون لجستیک روی جواب‌های Jev به 95.1٪ رسید. حتی یک قانون ثابت روی یکی از این سیگنال‌ها 89.5٪ می‌داد.
در همین تست Jev حدود 3 برابر سریع‌تر (239ms در برابر 687ms) و حدود 12 برابر ارزان‌تر ($0.038 در برابر $0.462 برای هر هزار ایمیل) از Haiku بود. یعنی در مقایسه با یک مدل سبک، ضریب‌ها خیلی کمتر از «40x تا 200x» است.
پس جای درست Jev «مغز کل سیستم» نیست، بلکه یک قطعه‌ی سریع برای تصمیم‌های محدود داخل یک معماری بزرگ‌تر است. اگر یک استارتاپ هزاران تصمیم کوچک، تکراری و مشخص دارد، جذاب است. هرچه تصمیم مبهم‌تر، چندمرحله‌ای‌تر یا پرریسک‌تر شود، بهتر است به یک مدل قوی‌تر یا انسان سپرده شود.
منابع:
https://madewithjev.com/builds/webmcp-benchmark
https://github.com/anisselbd/jev-phishing-bench | 3 384 |
| 3 | 🧠 Jev از TypeSafe AI؛ مدلی که متن نمی‌نویسد، تصمیم می‌گیرد
TypeSafe AI روز ۱۵ سپتامبر ۲۰۲۶ با ۴۰ میلیون دلار سرمایه معرفی شد و اولین مدلش، Jev، را در حالت early access (با waitlist) عرضه کرد. بنیان‌گذار و CEO آن، Diogo Almeida، سابقه‌ی کار در OpenAI دارد و از نویسندگان مقاله‌ی InstructGPT است.
ایده جالب است: به‌جای ساختن یک LLM بهتر برای تولید متن، مدلی بسازیم که مستقیم برای تصمیم‌گیری داخل نرم‌افزار طراحی شده.
**مشکل کجاست؟**
LLMها برای chat عالی‌اند، ولی در automation هنوز دردسر دارند: خروجی string است و باید parse و validate شود، latency بالاست و confidenceای که خودشان می‌دهند همیشه قابل اعتماد نیست.
**Jev چه می‌کند؟**
Jev از دسته‌ی جدیدی به اسم System One Models** است (نامش از تمایز System 1 و System 2 دنیل کانمن آمده):
• ورودی: متن یا state نامرتب (مثلاً JSON) + مجموعه‌ای سؤال تایپ‌شده
• خروجی: از قبل type مشخص دارد؛ انتخاب بین گزینه‌ها (`Choice`)، امتیاز (`Score`) یا بله/خیر با احتمال (`Noul`)، همراه با confidence
• همه‌ی سؤال‌ها در یک query و به‌صورت موازی جواب داده می‌شوند، نه توکن‌به‌توکن مثل LLMهای autoregressive
آموزش هم با روشی به اسم **RLCD** (Reinforcement Learning for Calibrated Decisions) انجام شده. هدفش این است که احتمال‌ها واقعاً معنی داشته باشند: وقتی مدل می‌گوید ۹۰٪ مطمئنم، انتظار می‌رود تقریباً در ۹۰٪ موارد مشابه درست باشد.
**ادعاهای شرکت:
• latency حدود 70 تا 500 میلی‌ثانیه، یعنی 40x تا 200x سریع‌تر از LLMهای frontier در taskهای System One
• قیمت `$0.042` برای هر یک میلیون توکن ورودی؛ خروجی رایگان
• «no type errors»: چون خروجی از قبل schema دارد، مدل نمی‌تواند مقداری خارج از ساختار تعریف‌شده برگرداند
⚠️ «no type errors» یعنی خروجی type-safe است، نه اینکه «هیچ‌وقت اشتباه نمی‌کند». تصمیم می‌تواند از نظر ساختار کاملاً معتبر باشد و باز هم غلط. بیشتر اعداد بالا هم از benchmarkهای خود شرکت است.
منبع:
https://typesafe.ai/blog/introducing-system-one-models-and-jev | 2 645 |
| 4 | 🧠 Jev از TypeSafe AI؛ مدلی که متن نمی‌نویسد، تصمیم می‌گیرد
TypeSafe AI روز ۱۵ سپتامبر ۲۰۲۶ با ۴۰ میلیون دلار سرمایه معرفی شد و اولین مدلش، Jev، را در حالت early access (با waitlist) عرضه کرد. بنیان‌گذار و CEO آن، Diogo Almeida، سابقه‌ی کار در OpenAI دارد و از نویسندگان مقاله‌ی InstructGPT است.
ایده جالب است: به‌جای ساختن یک LLM بهتر برای تولید متن، مدلی بسازیم که مستقیم برای تصمیم‌گیری داخل نرم‌افزار طراحی شده.
مشکل کجاست؟
LLMها برای chat عالی‌اند، ولی در automation هنوز دردسر دارند: خروجی string است و باید parse و validate شود، latency بالاست و confidenceای که خودشان می‌دهند همیشه قابل اعتماد نیست.
Jev چه می‌کند؟
Jev از دسته‌ی جدیدی به اسم System One Models است (نامش از تمایز System 1 و System 2 دنیل کانمن آمده):
- ورودی: متن یا state نامرتب (مثلاً JSON) + مجموعه‌ای سؤال تایپ‌شده
- خروجی: از قبل type مشخص دارد؛ انتخاب بین گزینه‌ها (Choice)، امتیاز (Score) یا بله/خیر با احتمال (Noul)، همراه با confidence
- همه‌ی سؤال‌ها در یک query و به‌صورت موازی جواب داده می‌شوند، نه توکن‌به‌توکن مثل LLMهای autoregressive
آموزش هم با روشی به اسم RLCD (Reinforcement Learning for Calibrated Decisions) انجام شده. هدفش این است که احتمال‌ها واقعاً معنی داشته باشند: وقتی مدل می‌گوید ۹۰٪ مطمئنم، انتظار می‌رود تقریباً در ۹۰٪ موارد مشابه درست باشد.
ادعاهای شرکت:
- latency حدود 70 تا 500 میلی‌ثانیه، یعنی 40x تا 200x سریع‌تر از LLMهای frontier در taskهای System One
- قیمت $0.042 برای هر یک میلیون توکن ورودی؛ خروجی رایگان
- «no type errors»: چون خروجی از قبل schema دارد، مدل نمی‌تواند مقداری خارج از ساختار تعریف‌شده برگرداند
⚠️ «no type errors» یعنی خروجی type-safe است، نه اینکه «هیچ‌وقت اشتباه نمی‌کند». تصمیم می‌تواند از نظر ساختار کاملاً معتبر باشد و باز هم غلط. بیشتر اعداد بالا هم از benchmarkهای خود | 2 |
| 5 |  🍂 به مناسبت شروع ماه مهر
تا پایان هفته اول مهر، ۴ دوره آموزشی کلاس ویژن را با ۷۰٪ تخفیف میتوانید تهیه کنید:
📌 ۱ دوره از سایت کلاس ویژن
🧠 دوره آموزشی ویدیویی Graph Neural Network
📚 3 دوره از کلاس ویژن در مکتب‌خونه
🤖 آموزش Agentic AI با پایتون
🧠 آموزش هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)
👁 آموزش مدل‌های زبانی-تصویری (VLM): از درک تصویر و ویدیو تا فاین‌تیون پیشرفته
⏳ تخفیف ۷۰٪ فقط تا پایان هفته اول مهر (با کلیک روی هر لینک کد تخفیف را مشاهده نمایید.) | 2 924 |
| 6 | 🍂 به مناسبت شروع ماه مهر
تا پایان هفته اول مهر، ۴ دوره آموزشی کلاس ویژن را با ۷۰٪ تخفیف قرار خواهیم داد:
📌 ۱ دوره از سایت کلاس ویژن
🧠 دوره آموزشی ویدیویی Graph Neural Network
📚 3 دوره از کلاس ویژن در مکتب‌خونه
🤖 آموزش Agentic AI با پایتون
🧠 آموزش هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)
👁 آموزش مدل‌های زبانی-تصویری (VLM): از درک تصویر و ویدیو تا فاین‌تیون پیشرفته
⏳ تخفیف ۷۰٪ فقط تا پایان هفته اول مهر (با کلیک روی هر لینک کد تخفیف را مشاهده نمایید.) | 1 |
| 7 |  دنیایی از منابع برنامه‌نویسی توی این کانال بصورت دسته‌بندی شده با هشتگ بصورت روزانه قرار داده میشه.
@pythony | 3 321 |
| 8 |  🤖 می‌خوای Agent بسازی، نه فقط با AI چت کنی؟
تصور کن مدلی داشته باشی که ابزار صدا بزنه، مسئله رو مرحله‌به‌مرحله بشکنه و برای انجام یه کار واقعی خودش تصمیم بگیره.
توی دوره Agentic AI با پایتون قدم‌به‌قدم یاد می‌گیری:
🔹 Workflow و Tool Use
🔹 MCP
🔹 سیستم‌های چندعامله (Multi-Agent)
🔹 LangChain
اگه پایتون بلدی و می‌خوای وارد دنیای ساخت AI Agentها بشی، این دوره برات ساخته شده.
🎁 تخفیف ۷۰٪ فقط تا اول مهر (تعداد محدود)
🎟 کد تخفیف: COUPON-8759A
👇 ثبت‌نام:
🔗 https://mktb.me/m6tt/
💻 کدهای دوره روی گیت‌هاب:
https://github.com/Alireza-Akhavan/agentic_ai
@agentic_llm | 2 888 |
| 9 |  🎨 GPT Image 2.5 منتشر شد؛ چه چیزی بهتر شده؟
OpenAI نسل جدید مدل تصویرسازش را با تمرکز روی سرعت و ویرایش دقیق‌تر تصاویر عرضه کرده.
مهم‌ترین تغییرات 👇
⚡️ تولید تصویر تا حدود ۲ برابر سریع‌تر
🖼️ حفظ بهتر چهره، محصول و سوژه‌ی تصویر مرجع
✏️ ویرایش‌های چندمرحله‌ای با تغییر کمتر در بخش‌های دیگر تصویر
✨ نور، بافت و پس‌زمینه شفاف بهتر
💰 قیمت هر توکن نسبت به GPT Image 2 تغییر نکرده
در API هم دو نسخه داریم:
Flare → سریع‌تر و مناسب استفاده روزمره
Sunburst → مناسب خروجی نهایی و ویرایش‌های دقیق‌تر
نکته مهم برای توسعه‌دهنده‌ها:
اگر از API استفاده می‌کنید، مقدار quality را حتماً مشخص کنید؛ چون سطح‌های کیفیت در نسخه 2.5 نسبت به نسل قبل تغییر کرده‌اند.
در مجموع GPT Image 2.5 یک انقلاب جدید نیست؛ بیشتر یک ارتقای جدی در سرعت، ثبات و کنترل ویرایش تصویر است. 🚀
🌀 @cvision 🌀 | 3 149 |
| 10 |  معرفی 🚀 GPT-6 Astra
اوپن‌ای‌آی امروز از GPT-6 Astra رونمایی کرد؛ مدلی که این شرکت آن را هوشمندترین و هم‌راستاترین مدل خود تا امروز معرفی می‌کند.
آسترا 🧠 در حوزه‌هایی مثل برنامه‌نویسی، کار با کامپیوتر و مرورگر، پژوهش علمی، امنیت سایبری و انجام کارهای حرفه‌ای چندمرحله‌ای پیشرفت قابل‌توجهی داشته است.
یکی از مهم‌ترین تغییرات این نسل، توانایی بسیار بهتر در انجام مستقل کارهاست؛ یعنی مدل می‌تواند با نرم‌افزارها و وب‌سایت‌ها کار کند، فرم‌ها را تکمیل کند، داده‌ها را تحلیل کند، سند و فایل اکسل بسازد، وب‌سایت ایجاد کند و بسیاری از فرایندهای چندمرحله‌ای را با دخالت کمتر کاربر پیش ببرد.
عملکرد 📊 آسترا در برخی بنچمارک‌ها هم چشمگیر است؛ این مدل در FrontierMath Tier 4 حدود ۹۸٪، در ARC-AGI-3 حدود ۹۹٫۹٪ و در ExploitBench امتیاز ۱۰۰٪ کسب کرده است.
دسترسی آن طی روزهای آینده برای کاربران Plus، Pro، Business و Enterprise نیز گسترده‌تر خواهد شد.
🔗 منبع OpenAI 🔗 | 4 135 |
| 11 |  🔥 رقابت غول‌های تولید ویدئو با هوش مصنوعی!
چند روز پیش یک رقابت جذاب بین تعدادی از مطرح‌ترین مدل‌های تولید ویدئوی AI برگزار شد:
🎬 Seedance 2.5
🎬 WAN 3
🎬 FLUX 3
🎬 Minimax H3
🎬 Seedance 2.0
🎬 Seedance 2.0 Mini
🎬 Kling 3 Omni
🎬 Grok Imagine 1.5
اما نکته جذاب اینجاست که شرایط برای همه کاملاً یکسان بود:
✅ یک پرامپت مشترک
✅ ۷ تصویر مرجع یکسان
✅ انتخاب اولین ویدئوی تولیدشده توسط هر مدل
❌ بدون گزینش دستی
❌ بدون تدوین و ویرایش
❌ بدون تقویت یا اصلاح صدا
یعنی چیزی که می‌بینید، خروجی واقعی مدل‌ها در یک شرایط برابر است. 👀
حالا سؤال اصلی:
🏆 کدوم مدل تونست بهترین خروجی رو ارائه بده؟
🌀 @cvision 🌀 | 4 525 |
| 12 | from google import genai
client = genai.Client()
# Upload audio file via the Files API
audio_file = client.files.upload(file="path/to/audio.wav")
# Transcribe with speaker diarization and word timestamps
interaction = client.interactions.create(
model="gemini-3.5-transcribe",
input=[{
"type": "audio",
"uri": audio_file.uri,
"mime_type": audio_file.mime_type,
}],
generation_config={
"transcription_config": {
"language_codes": ["en-US"],
"custom_vocabulary": ["Gemini", "Transcribe"],
"mode": {
"type": "verbatim",
"diarization_mode": "speaker",
"timestamp_granularities": ["word"],
}
}
}
)
print(interaction.output_text)
Get your api key | 3 668 |
| 13 |  � مدعی جدید دنیای تولید ویدیو از راه رسید! 🎬🔥
هوش مصنوعی جدید علی‌بابا، Wan 3.0، با قابلیت تولید ویدیوهای سینمایی و واقع‌گرایانه وارد رقابت شده؛ مدلی که می‌تونه از متن و تصویر، ویدیوهای باکیفیت و جذاب تولید کنه و کنترل بیشتری روی حرکت، دوربین و جزئیات صحنه در اختیار کاربر بذاره.
اگه دنبال ساخت ویدیوهای حرفه‌ای با هوش مصنوعی هستی، Wan 3.0 یکی از مدل‌هاییه که ارزش امتحان کردن داره. �
@cvision | 3 325 |
| 14 | مدل جدید در مکالمه‌های واقعی می‌تواند مکث‌ها و کلمات اضافه مثل «اِمم» را حذف کند، اصلاح جمله توسط گوینده را متوجه شود و متن را به‌صورت خودکار فرمت کند. همچنین امکان تعریف Custom Vocabulary برای اصطلاحات تخصصی و نام‌های خاص هم وجود دارد؛ قابلیتی که برای کاربردهای سازمانی و فنی اهمیت زیادی دارد. 📝⚡️
یکی از جذاب‌ترین بخش‌ها، پشتیبانی از بیش از ۸۵ زبان، تشخیص لهجه‌ها و جابه‌جایی بین زبان‌هاست. برای فایل‌های ضبط‌شده هم قابلیت تشخیص گوینده و Word-level Timestamp در نظر گرفته شده و مدل می‌تواند تا سه گوینده را تفکیک کند؛ پشتیبانی از تعداد بیشتر فعلاً آزمایشی است. 🌍🎧
برای کاربردهای Real-time هم گوگل نسخه‌ی جداگانه‌ی gemini-3.5-transcribe-live را از طریق Live API ارائه کرده که برای Voice Agentها، زیرنویس زنده و اپلیکیشن‌های تعاملی طراحی شده و Latency زیر یک ثانیه را هدف قرار می‌دهد. نسخه‌ی دیگر هم برای پردازش فایل‌های ضبط‌شده، جلسات و تماس‌ها در دسترس است. 🚀
از نظر بنچمارک هم اعداد جالب‌اند؛ طبق داده‌ای که گوگل با استناد به Artificial Analysis منتشر کرده، میانگین WER حدود ۴٪ در حالت Streaming و ۲.۶٪ در حالت Non-streaming گزارش شده و زمان رسیدن به متن نهایی نسبت به Chirp 3 حدود ۷۰٪ بهبود داشته است. 📊
نکته‌ی مهم‌تر این است که گوگل Transcribe را صرفاً به چشم یک موتور STT نمی‌بیند. این مدل در بعضی تجربه‌های Gemini می‌تواند با Context صفحه و مدل‌های دیگر ترکیب شود؛ یعنی فرمان صوتی در آینده فقط برای «تایپ با صدا» نیست و می‌تواند بخشی از رابط اصلی تعامل با AI Agentها باشد. 🤖🎤
فعلاً دسترسی توسعه‌دهندگان به Gemini 3.5 Transcribe از طریق Gemini API و Google AI Studio به‌صورت Public Preview فراهم شده؛ این فناوری در Gemini روی macOS و قابلیت Rambler اندروید هم استفاده می‌شود و گوگل گفته پشتیبانی آن در Chrome نیز در راه است. 🧪🌐
به‌نظر می‌رسد رقابت مدل‌های صوتی حالا از «چه کسی دقیق‌تر صدا را متن می‌کند؟» عبور کرده و به سؤال بزرگ‌تری رسیده: چه کسی بهتر می‌تواند منظور کاربر را از صدا بفهمد و آن را مستقیماً به عمل تبدیل کند؟ 👀 | 3 359 |
| 15 |  گوگل یک قدم جدی‌تر وارد رقابت تبدیل صدا به متن شد 🎙🧠
گوگل مدل جدید Gemini 3.5 Transcribe را معرفی کرده؛ مدلی تخصصی برای Speech-to-Text که به گفته‌ی گوگل، دقیق‌ترین مدل تبدیل گفتار به متن این شرکت تا امروز است. نکته مهم اینجاست که هدف فقط تبدیل کلمه‌به‌کلمه‌ی صدا نیست؛ مدل تلاش می‌کند خروجی را به شکل تمیز، ساختاریافته و قابل استفاده تحویل دهد. | 2 878 |
| 16 |  🔥 ۵۰۰ دوره آموزشی مکتب‌خونه رایگان شد!
اگه برنامه‌نویسی، به دنیای هوش مصنوعی علاقه داری یا می‌خوای مهارت‌های فنی‌ات رو تقویت کنی، بین این دوره‌ها انتخاب‌های زیادی داری:
🐍 پایتون، توسعه وب و طراحی سایت
🤖 هوش مصنوعی، یادگیری ماشین و علم داده
🖥 کامپیوتر، لینوکس، شبکه و امنیت
دوره «یادگیری ماشین با پایتون» با تدریس جادی هم بین آموزش‌های رایگان این طرحه.
فقط تا ۸ شهریور فرصت داری؛ از طریق لینک زیر آموزش دلخواهت رو انتخاب کنی و با وارد کردن کد IRANMAHER، با تخفیف ۱۰۰٪ ثبت‌نامش کنی👇
🔗 لینک:
https://mktb.me/0be0/ | 1 053 |
| 17 |  یک خبر خوب برای اونایی که مدت‌هاست می‌خوان یه مهارت جدید یاد بگیرن 👇
با همکاری مکتب‌خونه، ۵۰۰ دوره آموزشی به‌صورت رایگان در طرح «ایران‌ماهر» در دسترس قرار گرفته. 🎓
چند تا از دوره‌های #کلاس_ویژن هم در این طرح قرار دادیم تا اگر تا امروز فرصت یا امکان تهیه‌شون رو نداشتید، بتونید با یکی از اون‌ها شروع کنید. 🌱
🔹 آموزش جامع یادگیری عمیق
🔹 ساخت هوش مصنوعی شخصی در مرورگر
🔹 آموزش مدل‌های زبانی-تصویری
🔹 آموزش پردازش تصویر
برای استفاده از این طرح، کافیه موقع ثبت‌نام کد IRANMAHER رو وارد کنید.
اگر مدت‌هاست دنبال یه فرصت برای یادگیری و شروع یک مهارت جدید هستید، این فرصت می‌تونه شروع خوبی باشه. ❤️
https://mktb.me/szs2/ | 3 039 |
| 18 |  🎙 ـTypeless؛ ابزاری که تایپ کردن رو خیلی کمتر می‌کنه
Typeless یک ابزار مبتنی بر هوش مصنوعیه که صحبت شما رو به متن تبدیل می‌کنه، اما نه به شکل ساده‌ی Voice to Text.
هنگام صحبت، تپق‌ها، تکرارها و اصلاحاتی که وسط جمله انجام می‌دید رو تشخیص می‌ده و در نهایت یک متن مرتب و قابل استفاده تحویل می‌ده.
مثلاً اگر بگید:
«جلسه رو بذاریم فردا... نه، بهتره پس‌فردا ساعت ۱۰ باشه»
خروجی نهایی می‌تونه این باشه:
«جلسه را برای پس‌فردا ساعت ۱۰ تنظیم کنیم.»
یکی از قابلیت‌های جالبش اینه که می‌تونه متن رو متناسب با فضای کاری شما تنظیم کنه؛ مثلاً برای ایمیل، پیام یا متن‌های روزمره.
همچنین از بیش از ۱۰۰ زبان پشتیبانی می‌کنه و نسخه‌های Windows، macOS، iOS و Android هم داره.
اگر زیاد با ایمیل، پیام، تولید محتوا یا نوشتن متن‌های کاری سروکار دارید، Typeless می‌تونه ابزار جالبی برای امتحان کردن باشه.
🔗 typeless.com | 4 480 |
| 19 |  🚀 معرفی مدل ویدیوساز قدرتمند و جدید MiniMax H3
مدل هوش مصنوعی MiniMax H3 (که به عنوان Hailuo 3.0 هم شناخته می‌شود) به تازگی به صورت Open-Weights منتشر شده و امکانات بی‌نظیری را برای تولید محتوای ویدیویی در اختیار کاربران قرار داده است. این مدل توانایی رقابت با بهترین مدل‌های بسته بازار را دارد و حتی روی سیستم‌های لوکال (مثل ComfyUI) هم قابل اجراست.
*خبرخوب : به زودی براتون بصورت اختصاصی ورک فلو ها و مدل های خوبش رو قرار میدهیم* | 4 255 |
| 20 | 👁 درک عمیق و هوشمند ویدیوها با اسکیل /watch
با اضافه کردن این اسکیل قدرتمند، Agentهای هوش مصنوعی شما (مثل Claude Code و Codex) قابلیت تماشا و تحلیل جامع ویدیوها رو پیدا می‌کنن!
ویژگی‌های کلیدی:
🎞 آنالیز فریم‌به‌فریم: درک دقیق و بصری از اتفاقات داخل تصویر.
🗣 تشخیص هوشمند گفتار: فهم کامل دیالوگ‌ها و صدای روی ویدیو.
⚡️ راه‌اندازی تمام‌خودکار: بدون درگیری با مراحل نصب؛ فقط فایل رو به Agent خودتون بدید تا خودش پیش‌نیازها رو بررسی کنه و تمام ابزارهای لازم رو نصب و اجرا کنه. | 4 290 |
