स्टेबिलिटी एआई ने हाल ही में ओपन-सोर्स ऑडियो जनरेशन मॉडल स्टेबल ऑडियो ओपन जारी किया है, जो 47 सेकंड तक का अधिकतम ऑडियो ट्रैक जेनरेट कर सकता है, 44.1kHz के सैंपल दर के साथ। इसमें ओपन वेट्स डिजाइन शामिल है, जो उपयोगकर्ताओं को समीक्षा, संशोधन और विस्तार करने की अनुमति देता है, जिससे अनुसंधान और डेवलपर्स की नवाचार को बढ़ावा मिलता है। डेटा की वैधता और नैतिकता सुनिश्चित करने के लिए क्रिएटिव कॉमन्स लाइसेंस ऑडियो का प्रशिक्षण उपयोग किया गया है। मॉडल की तकनीकी संरचना उन्नत है, जो उच्च गुणवत्ता वाले स्टीरियो जनरेशन का समर्थन करती है, विविधता और उच्च फिडेलिटी का प्रमाणीकरण प्राप्त कर चुकी है, और शीर्ष मॉडलों के प्रदर्शन के बराबर है। यह उपकरण शोधकर्ताओं के लिए अत्यंत उपयोगी है।

जापान की श्रृंखला सुपरमार्केट AEON ने AI मुस्कान निगरानी प्रणाली 'Mr Smile' पेश की है, जो चेहरे के भाव, आवाज की विशेषताओं और 450 से अधिक कारकों का विश्लेषण करके कर्मचारियों की सेवा के दृष्टिकोण का आकलन करती है। इसका उद्देश्य मुस्कान का मानकीकरण करना और ग्राहक संतोष बढ़ाना है। प्रणाली में उल्लेखनीय परिणाम दिखाए गए हैं, लेकिन इसने कर्मचारियों की गोपनीयता और ग्राहकों के उत्पीड़न के विवादों को भी जन्म दिया है। यह तकनीक पिछले एकल मुस्कान विचारधारा के समान है, जबकि जापानी मैकडॉनल्ड्स ने प्राकृतिक मुस्कान पर जोर देने की प्रवृत्ति को अपनाया है। फुकुओका प्रांत के सुपरमार्केट ने धीमी चेकआउट लेन की पहल की, जिसे प्रशंसा मिली और बिक्री वृद्धि को बढ़ावा दिया, जो कर्मचारी कल्याण और ग्राहक अनुभव के बीच संतुलन को दर्शाता है।

ऑस्ट्रेलिया में, आर्टिफिशियल इंटेलिजेंस तकनीक के तेजी से विकास के साथ, वॉयसओवर उद्योग के स्थानीय पेशेवरों को अभूतपूर्व चुनौतियों का सामना करना पड़ रहा है। रिपोर्टों के अनुसार, लगभग 5000 ऑस्ट्रेलियाई वॉयसओवर कलाकारों की नौकरियों को खतरा है, मुख्य कारण यह है कि सस्ते एआई जनित आवाजें मानव वॉयसओवर को चुनौती देना शुरू कर रही हैं। AAVA (ऑस्ट्रेलियन वॉयसओवर आर्टिस्ट्स असोसिएशन) को चिंता है कि आर्टिफिशियल इंटेलिजेंस पूरी तरह से मानव वॉयसओवर कार्यों का स्थान ले सकता है। AAVA के अध्यक्ष साइमोन केनेडी ने कहा कि आर्टिफिशियल इंटेलिजेंस का वॉयसओवर उद्योग पर प्रभाव इस संघ की स्थापना के कुछ कारणों में से एक है, लेकिन वे तकनीक का विरोध नहीं कर रहे हैं, बल्कि वे दृश्यता की आवश्यकता है।

Anthropic ने घोषणा की है कि उनके प्रसिद्ध चैटबॉट Claude का एंड्रॉइड ऐप आधिकारिक तौर पर लॉन्च हो गया है। यह संकेत देता है कि Claude न केवल अपने उन्नत कृत्रिम बुद्धिमत्ता के माध्यम से उपयोगकर्ताओं के साथ प्राकृतिक इंटरैक्शन करके कार्यों को हल करने और नवाचार सहयोग को बढ़ाता है, बल्कि नए Claude Vision फीचर के माध्यम से छवि सामग्री को भी解析 करता है, AI के उपयोग के क्षेत्र को विस्तारित करता है। OpenAI के प्रसिद्ध उत्पाद ChatGPT की तुलना में, Anthropic विशेष रूप से उपयोगकर्ता गोपनीयता पर ध्यान केंद्रित करता है और उपयोगकर्ता इंटरैक्शन डेटा का उपयोग AI मॉडल को प्रशिक्षित करने के लिए नहीं करता है।

Exa AI, एक नया उद्यम जो AI तकनीक के माध्यम से खोज अनुभव को क्रांतिकारी बनाने के लिए समर्पित है, ने 17 मिलियन डॉलर की श्रृंखला A फंडिंग प्राप्त करने की घोषणा की है, जिसे Lightspeed, Nvidia के NVentures और Y Combinator द्वारा सहारा मिला है। पारंपरिक खोज इंजनों से भिन्न, Exa AI को AI के लिए विशेष रूप से डिज़ाइन किए गए खोज उपकरण के रूप में定位 किया गया है, जो जानकारी के सैलाब में ज्ञान के खजाने को निकालने का प्रयास करता है। इसकी मुख्य ताकत निम्नलिखित पहलुओं में निहित है: 1. **डेटा संगठन और छंटाई**: वेक्टर डेटाबेस और एम्बेडिंग मॉडल का उपयोग करें।

अलीबाबा क्लाउड ने 'Qwen-Audio' लॉन्च किया, एक बड़ा ऑडियो भाषा मॉडल जो वॉयस इंटरैक्शन अनुभव को नवाचार करता है। यह मॉडल विभिन्न ऑडियो इनपुट स्वीकार कर सकता है, ऑडियो विश्लेषण करता है और सीधे वॉयस कमांड का जवाब देता है। उपयोगकर्ता अद्वितीय ऑडियो इंटरैक्शन मोड प्रदान कर सकते हैं, जिसमें टेक्स्ट इनपुट की आवश्यकता नहीं है, सीधे वॉयस के जरिए संवाद करते हैं, और ऑडियो में ध्वनि और टेक्स्ट विश्लेषण प्रदान करते हैं। इसमें बुद्धिमान समझने की क्षमता है, जो विभिन्न ऑडियो स्रोतों के कमांड को मिलाकर解析 कर सकती है, जैसे कि एकल आवाज, मल्टीचैनल बातचीत और आदेशों को भेदित करना, और ऑडियो व्याख्या और प्रतिक्रिया में सहायता करना। प्रदर्शन पहले के उत्कृष्ट मॉडलों से बेहतर है, विशेषकर ऑडियो के आधार पर।

YouTube Music अमेरिका में प्रीमियम उपयोगकर्ताओं के लिए नए AI फ़ीचर का परीक्षण कर रहा है, जिससे उपयोगकर्ता अपने संगीत पसंदों का वर्णन कर सकते हैं और AI के माध्यम से विशेष प्लेलिस्ट बना सकते हैं। उपयोगकर्ता विवरण दर्ज करके या 'सुर में मेल खाती पॉप केयर' और 'खुशनुमा पॉप गाने' जैसे विशिष्ट संगीत तत्वों को चुनकर अपनी प्लेलिस्ट का निर्माण कर सकते हैं। इसके अलावा, YouTube ने 'गाना/गुनगुनाना खोज' फ़ीचर पेश किया है, जिसमें उपयोगकर्ता ऐप में वेवफॉर्म आइकन पर क्लिक करके गाने या गुनगुनाने के माध्यम से विशेष गानों की खोज कर सकते हैं। यह फ़ीचर Shazam के समान है, जो गाने की पहचान करता है।

ऐप्पल ने हाल ही में iOS 18, iPadOS 18, macOS Sequoia, watchOS 11 और tvOS 18 के सार्वजनिक परीक्षण संस्करण जारी किए, जिनमें कई नए फीचर्स शामिल हैं। iOS 18 के महत्वपूर्ण अपडेट में RCS मैसेजिंग का समर्थन शामिल है, और यह मुख्य स्क्रीन के अनुकूलन के विकल्प प्रदान करता है, जिससे उपयोगकर्ता ऐप्स को अपनी सुविधा अनुसार व्यवस्थित कर सकते हैं। फ़ोटो ऐप का अपडेटेड इंटरफेस और भी आकर्षक और उपयोग में आसान है। iPadOS 18 में पहली बार एक कैलकुलेटर ऐप बनाया गया है, जो iPad उपयोगकर्ताओं के लिए कैलकुलेटिंग जरूरतों को पूरा करता है। macOS Sequoia

इस लेख में माइक्रोसॉफ्ट और मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी जैसी संस्थाओं के शोधकर्ताओं द्वारा मिलकर विकसित की गई एक अत्याधुनिक मशीन लर्निंग प्रशिक्षण रणनीति पर चर्चा की गई है, जिसका मुख्य ध्यान बड़े मशीन लर्निंग मॉडलों की तर्कशीलता की सीमाओं को हल करने पर है। इस रणनीति ने अद्वितीय और नवोन्मेषी प्रशिक्षण विधियों के माध्यम से मॉडल की तर्कशीलता को महत्वपूर्ण रूप से बढ़ाया है, जिससे यह कारण संबंध बना सकता है और डेटा से सीख सकता है। शोधकर्ताओं ने मॉडल को बुनियादी तर्क और गणित के सिद्धांत सिखाए ताकि वह कारण तर्क को समझ सके। हालाँकि मॉडल का आकार मध्यम है (केवल 670 लाख पैरामीटर), लेकिन इसकी तर्कशीलता बड़ी और अधिक जटिल मॉडल्स के बराबर है।

एक समूह के व्हिसलब्लोअर ने OpenAI कंपनी के गोपनीयता समझौते में मुद्दों का संकेत दिया है, जिसमें कर्मचारियों को नियामक संस्थाओं के साथ संवाद करने के लिए अनुमोदन की आवश्यकता के नियम शामिल हैं, जिससे यह प्रश्न उठता है कि क्या OpenAI कर्मचारियों के अधिकारों पर अंकुश लगा रहा है और संभवतः नियमों का उल्लंघन कर रहा है। ChatGPT के विकासकर्ता और आर्टिफिशियल इंटेलिजेंस के क्षेत्र में एक प्रमुख खिलाड़ी के रूप में, OpenAI को अमेरिकी प्रतिभूति और विनिमय आयोग (SEC) द्वारा जांच का सामना करना पड़ रहा है। व्हिसलब्लोअर ईमेल में कहा गया है कि OpenAI के पास प्रणालीगत अवैध गतिविधियों का आरोप है, जिसमें उसके रोजगार अनुबंध, निष्कासन समझौतों और गोपनीयता समझौतों का SEC के नियमों का उल्लंघन करना शामिल है, जिससे कर्मचारियों के अधिकारों का हनन हो रहा है।

Stability AI ने अपने Stable Diffusion3 लाइसेंस को आसान किया है, हाल की विवादों का जवाब देते हुए, इसका उद्देश्य अपने नवीनतम लाइसेंस条款 के खिलाफ उपयोगकर्ताओं की आपत्ति को कम करना है। प्रारंभिक रिलीज में प्रतिबंधात्मक शर्तें शामिल थीं, जिससे समुदाय में असंतोष हुआ, विशेषकर CivitAI प्लेटफ़ॉर्म पर। आलोचनाओं का सामना करते हुए, Stability AI ने एक और उदार सामुदायिक लाइसेंस जारी किया, जो SD3 मॉडल का मुफ्त में उपयोग करने की अनुमति देता है, अनुसंधान और गैर-व्यावसायिक उद्देश्यों के लिए। उन्होंने व्यावसायिक उपयोग के लिए अतिरिक्त लचीलापन भी प्रदान किया।

डिजाइन गुरु कैनवा ने AI उपकरणों के उपयोग के क्षेत्र को स्पष्ट किया है, AI सुविधा मैजिक मीडिया को चिकित्सा या राजनीतिक शब्दों के साथ उपयोग करने से बचने के लिए कहा गया है, ताकि संभावित हानिकारक या अनुपयुक्त सामग्री का उत्पादन न हो सके। कैनवा के AI उत्पाद नियमों में कहा गया है कि अनुबंध, कानूनी सलाह, वित्तीय सलाह, स्पाम और वयस्क सामग्री बनाने के लिए AI का उपयोग करना प्रतिबंधित है। एक मुख्य बिंदु यह है कि कैनवा बिना उपयोगकर्ता की अनुमति के उनके सामग्री का AI प्रशिक्षण के लिए उपयोग नहीं करेगा, उपयोगकर्ता को AI प्रशिक्षण के लिए डिज़ाइन की गई सामग्री से बाहर निकलने का अधिकार है।

Xinsir कंपनी ने हाल ही में Controlnet++, एक नया ओपन-सोर्स मॉडल लॉन्च किया, जिसकी विशेषता यह है कि यह एकल नेटवर्क के माध्यम से दस से अधिक छवि नियंत्रण का समर्थन करता है, जिसमें Openpose, Canny जैसे इनपुट शामिल हैं, जो मिलान मॉडल की आवश्यकता को काफी कम करता है। यह मॉडल ControlNet आर्किटेक्चर पर आधारित है, नए मॉड्यूल इसे दस से अधिक विभिन्न नियंत्रण प्रकारों का समर्थन करने की अनुमति देते हैं, जो विशेष रूप से उच्च गुणवत्ता की छवियों को उत्पन्न और संपादित करने के लिए उपयुक्त होते हैं, और यह Midjourney दृश्य गुणवत्ता के समान उच्च रिज़ॉल्यूशन छवियों का उत्पादन कर सकता है।

हांगकांग विश्वविद्यालय और टेनसेंट के शोधकर्ताओं ने एक पूरी नई मल्टी-मोडल सिफारिश प्रणाली पैटर्न - DiffMM प्रस्तुत किया है, जिसका उद्देश्य शॉर्ट वीडियो की सिफारिश की सटीकता को बढ़ाना है। यह प्रणाली उपयोगकर्ता और वीडियो जानकारी शामिल करते हुए एक ग्राफ़ बना कर, ग्राफ़ विभाजन और तुलना अध्ययन तकनीकों का उपयोग कर, उपयोगकर्ताओं और वीडियो के बीच संबंधों को बेहतर तरीके से समझती है, जिससे और अधिक सही सिफारिशें हो सकें।

हाल ही में आयोजित विश्व आर्टिफिशियल इंटेलिजेंस सम्मेलन में, Baidu के संस्थापक ली यानहोंग और अली क्लाउड के CTO झौ जिनरेन ने ओपन-सोर्स मॉडल के महत्व के बारे में अलग-अलग विचार व्यक्त किए।

एक असामान्य तकरार में, घरेलू AI豆包 ने अपनी अनोखी बीजिंग बोली और व्यक्तित्व魅力 के साथ Dan के साथ एक अद्वितीय संवाद किया। यह संवाद डॉरडिन के博主抓马课代表 द्वारा 19 जून को发布 किया गया, जिसने तेजी से एक मिलियन से अधिक लाइक्स प्राप्त किए।

OpenAI ने हाल ही में ChatGPT के उन्नत वॉयस मोड के नवीनतम विकास रिपोर्ट जारी की है। इस उन्नत विशेषता, जिसका प्रदर्शन वसंत अपडेट में किया गया था, को मूल रूप से जून के अंत में कुछ ChatGPT Plus उपयोगकर्ताओं के लिए अल्फा परीक्षण के लिए उपलब्ध कराने की योजना थी, लेकिन अब इसे जारी मानकों तक पहुंचने के लिए एक और महीने की आवश्यकता है। बताया गया है कि विकास टीम मॉडल की परीक्षा क्षमता और कुछ सामग्री को अस्वीकार करने की क्षमता को बढ़ाने के लिए काम कर रही है। इस बीच, वे उपयोगकर्ता अनुभव को भी सुधार रहे हैं और संबंधित बुनियादी ढांचे को तैयार कर रहे हैं, यह सुनिश्चित करने के लिए कि लाखों उपयोगकर्ताओं के विस्तार के दौरान भी वास्तविक समय में प्रतिक्रिया बनी रहे।

अमेज़न अपने नवीनतम प्रोजेक्ट Metis के माध्यम से AI चैटबॉट क्षेत्र में प्रवेश कर रहा है, यह कदम अमेज़न को OpenAI के ChatGPT के साथ सीधी प्रतिस्पर्धा में लाता है, जो उन्नत AI सहायकों की पेशकश करने वाले तकनीकी दिग्गजों की लगातार बढ़ती सूची में शामिल होता है।

लंदन स्थित AI स्टार्टअप Synthesia ने अपने प्लेटफॉर्म के महत्वपूर्ण अपडेट की घोषणा की है, जिसका उद्देश्य वीडियो-आधारित संचार पहलों को लागू करने में कंपनियों के लिए एक व्यापक सूट प्रदान करना है।

एलों मस्क की आर्टिफिशियल इंटेलिजेंस स्टार्टअप xAI ने डेल, NVIDIA और Supermicro के साथ मिलकर दुनिया का सबसे बड़ा सुपरकंप्यूटर बनाने की घोषणा की। यह परियोजना स्टार्टअप्स को उनके प्रशिक्षण कार्यों का समर्थन करने के लिए बड़े पैमाने पर कंप्यूटिंग संसाधन प्रदान करेगी और ओराकल और X कंपनी के डेटा केंद्रों की क्लाउड सेवाओं पर निर्भरता को कम करेगी।