⁨ مدل جدید تولید عکس در اولین روز عرضه جهانی به هوشا اضافه شد و در دسترس شما کاربران…

لایو شروع شد https://www.youtube.com/watch?v=d4fu1tY7yAE

مدل جدید تولید موزیک Suno V6 قدرت بی نظیر در تلفظ کلمات فارسی در هوشا امتحان کنید https://hoosha.com/tools/generate-music

یک مدل جدید و کاملاً متفاوت از LLMها به اسم Jev معرفی شده؛ مدلی که قرار نیست مثل ChatGPT با شما چت کند، کد بزند، مقاله بنویسد یا جواب‌های طولانی تولید کند. ایده‌اش چیز دیگری است. ‏Jev برای تصمیم‌های خیلی سریع و مشخص ساخته شده؛ یعنی به‌جای اینکه یک مدل بزرگ و گران را برای هر اتفاق کوچکی صدا بزنیم، می‌تواند با هزینه خیلی کمتر و سرعت خیلی بیشتر تشخیص بدهد که «الان چه اتفاقی دارد می‌افتد و سیستم باید چه کاری انجام دهد؟» یکی از دموهای جالب Jev دقیقاً روی مشکلی کار می‌کند که مدت‌هاست در Voice AI وجود دارد: وقتی با Siri یا Alexa حرف می‌زنید، باید مدام صدایشان کنید. وقتی هم با Voice AIهایی مثل ChatGPT صحبت می‌کنید، سیستم معمولاً فرض می‌کند هر چیزی که می‌گویید خطاب به خود AI است. اما در دنیای واقعی مکالمه این‌طوری نیست. ممکن است چند نفر در یک اتاق باشند، یک نفر با AI صحبت کند، بعد وسط مکالمه برگردد و با دوستش حرف بزند، نفر دیگری سؤال بپرسد، یا چند نفر همزمان وارد بحث شوند. ‏AI باید بفهمد: این جمله با من بود یا با یک انسان دیگر؟ الان باید جواب بدهم یا فقط گوش کنم؟ این دقیقاً یکی از چیزهایی است که ما هم در Hoosha روی آن کار می‌کنیم. داریم یک تجربه‌ی Live Voice می‌سازیم که هدفش فقط تبدیل صدا به متن و تولید جواب نیست؛ می‌خواهیم مکالمه با AI بیشتر شبیه حضور یک نفر دیگر در اتاق باشد. برای لایه‌ی هوش و درک مکالمه از Gemini 3.8 استفاده می‌کنیم و برای Voice هم از ElevenLabs تا مخصوصاً تلفظ و خروجی فارسی طبیعی‌تر باشد. اما مهم‌ترین بخش پروژه چیز دیگری است: اینکه چند نفر بتوانند همزمان با AI در یک مکالمه باشند. شما بتوانید با Hoosha حرف بزنید، بعد با آدم کنار دستتان صحبت کنید، دوباره برگردید به AI، شخص دیگری وارد بحث شود، صحبت‌ها روی هم بیفتد و سیستم بفهمد چه زمانی باید گوش کند، چه زمانی مخاطبش هستند و چه زمانی باید وارد مکالمه شود. بزودی در هوشا امتحان کنید

No text

No text