Obraz, wideo i dźwięk
68 newsów w kategorii. Najnowsze na górze.
Nvidia Nemotron 3.5 Transcribe: transkrypcja i tłumaczenie
Nvidia wypuściła otwarty model, który łączy transkrypcję 40 języków, tłumaczenie 31 i rozpoznawanie mówców w jednym systemie — a wszystko działa na pojedynczym GPU. W tes…
Obraz, wideo i dźwięk4 min czytania30 października 2026
Genie 4: światy AI z dźwiękiem i dialogami
Genie 4 generuje interaktywne światy w czasie rzeczywistym – z dźwiękiem otoczenia i postaciami, które prowadzą dialogi. Modele Gemini planują w tle, co wydarzy się dalej…
Obraz, wideo i dźwięk2 min czytania29 października 2026
Mistral Voxtral 3: agenci głosowi w czasie rzeczywistym
Mistral AI wprowadza Voxtral 3 – kompletny zestaw narzędzi do tworzenia agentów głosowych działających w czasie rzeczywistym. Transkrypcja obejmuje ponad 50 języków, synt…
Obraz, wideo i dźwięk2 min czytania22 października 2026
Krea 3: model AI do edycji, nie do zastępowania twórców
Krea 3 edytuje obraz w 2K w mniej niż 6 sekund za 3 centy – konkurencyjne modele potrzebują na to od 30 do 80 sekund i kosztują nawet siedmiokrotnie więcej. Nowy model st…
Obraz, wideo i dźwięk4 min czytania21 października 2026
Google udostępnia publicznie detektor znaków wodnych SynthID
Ponad 180 miliardów obrazów i nagrań wideo zawiera już ukryte znaki wodne SynthID od Google. Firma właśnie udostępniła publicznie narzędzie, które pozwala każdemu zweryfi…
Obraz, wideo i dźwięk3 min czytania9 października 2026
Flux 3 Image: edycja zdjęć bez psucia reszty kadru
Black Forest Labs wypuszcza Flux 3 Image – model, który pozwala edytować zdjęcia krok po kroku, nie ruszając reszty kadru. Obsługa do dziesięciu obrazów referencyjnych, w…
Obraz, wideo i dźwięk3 min czytania4 października 2026
Awatar AI Tavus oszukał 48% rozmówców
48% uczestników badania Tavus uznało awatara AI za prawdziwego człowieka podczas minutowej rozmowy wideo. Wcześniejsze systemy osiągały zaledwie 2%. W niezależnym teście …
Obraz, wideo i dźwięk2 min czytania3 października 2026
Ideogram 4.5 rozwiązuje problem edycji obrazów AI
Edycja zdjęcia bez psucia reszty kadru od lat spędzała sen z powiek twórcom narzędzi AI. Ideogram 4.5 ma to zmienić – model modyfikuje tylko wskazany obszar, zostawiając …
Obraz, wideo i dźwięk2 min czytania3 października 2026
ElevenLabs v4: AI głosy z emocjami i 150 ms opóźnienia
ElevenLabs wypuszcza Eleven v4 – model mowy, który generuje śmiech, szept i odgłosy z większą precyzją niż poprzednik. Wariant Turbo odpowiada w 150 ms, wyprzedzając konk…
Obraz, wideo i dźwięk3 min czytania1 października 2026
Nvidia udostępnia darmowy model do rozpoznawania mówców
Nvidia udostępniła za darmo model, który rozpoznaje aż ośmiu rozmówców jednocześnie i wykrywa nakładające się wypowiedzi. W benchmarku VoiceArena osiąga 14,7% błędu, wypr…
Obraz, wideo i dźwięk2 min czytania29 września 2026
Google Flash TTS: projektuj głosy AI z opisu tekstowego
Google wprowadza Gemini Flash TTS – model, który generuje zupełnie nowe głosy na podstawie samego opisu tekstowego, bez próbki audio. Wystarczy prompt, by zdefiniować akc…
Obraz, wideo i dźwięk3 min czytania25 września 2026
ByteDance uruchamia Dramagic – fabrykę krótkich dramatów AI
ByteDance wprowadza Dramagic – platformę, która prowadzi produkcję krótkiego dramatu od analizy scenariusza aż po podgląd wideo, z kontrolą spójności i pracą zespołową. W…
Obraz, wideo i dźwięk3 min czytania23 września 2026
Runway chce streamować wideo AI na żywo
Wyobraź sobie, że opisujesz scenę, a wideo powstaje w tej samej chwili – bez czekania na render. Runway pokazał badania nad modelem GWM-1, który generuje klatka po klatce…
Obraz, wideo i dźwięk3 min czytania22 września 2026
Qwen-Image-2.1: otwarty model AI bije zamknięte rozwiązania
Zaledwie 7 miliardów parametrów wystarczyło, by Qwen-Image-2.1 miał według twórców z Alibaby wyprzedzić większość zamkniętych modeli generowania obrazów. Model działa na …
Obraz, wideo i dźwięk3 min czytania22 września 2026
ElevenLabs udostępnia Music v2.5 z darmowym planem
Ponad 47 tysięcy porównań w ślepym teście – tyle wystarczyło, by ElevenLabs udowodnił przewagę nowego modelu muzycznego nad poprzednią wersją. Music v2.5 lepiej radzi sob…
Obraz, wideo i dźwięk3 min czytania15 września 2026