#多模态

共 39 篇带此标签

39 편 최신 2026-11-21
이전 · #多模态 총 11편
도구

dettato, 21M 파라미터로 1.3B 음원 변환 모델 추월

dettato는 약 21M 파라미터로 오디오를 MIDI로 변환하며, muscriptor 1.3b 대비 약 1/60 크기의 경량 모델이다. 프로젝트 측 테스트에서는 성능 우위를 주장하지만, 데이터 구성과 효율성 측정 방식은 독립 검증이 남아 있다.

2026-11-21 출처 2026-11-17 7 분 36 조회
제품

Genie 4 공개, AI Agent와 세계 모델의 간극은 얼마나 남았나

Google DeepMind가 Project Genie을 통해 공개한 Genie 4는 텍스트·이미지·비디오를 바탕으로 상호작용 가능한 환경을 생성한다. 그러나 물리적 정확성, 장기 작업의 일관성, 현실과의 차이를 극복해야 안정적인 Agent 훈련 환경으로 활용할 수 있다.

2026-11-20 출처 2026-11-18 7 분 36 조회
제품

Axonnic, EMG袖套로 로봇 학습 데이터를 수집한다

YC F26 스타트업 Axonnic은 전완부 EMG 신호로 손가락 동작과指尖 힘을 추정해 기 dexterous 로봇의 학습 데이터를 만드는 데 집중하고 있다. 영상 모션 캡처가 포착하지 못하는 힘 exertion 정보를 보완하는 방식이다.

2026-11-17 출처 2026-11-16 7 분 36 조회
실전

AI Agent가发现的玛雅遗址,聊天能力보다 중요한 것

Pietro Miotti의 AI Agent 팀은 기존에 지도화되지 않은玛雅遗址 발견에 참여했다. 이 사례를 통해 검색, 탐색 계획, 현장 조사, 증거 보존 과정을 살펴보고, Agent의 실제 기여와 인간 연구자의 전문적 판단을 구분한다.

2026-11-12 출처 2026-11-11 8 분 36 조회
실전

2만 달러로 만든 텍스트 이미지 모델, Apache 2.0의 진짜 비용

두 사람 규모의 연구팀이 약 2만 달러로 PJIT-21K를 처음부터 학습하고 Apache 2.0 라이선스로 가중치를 공개했다. 이 글에서는 학습·추론·라이선스·배포 비용을 분리해 AI Agent와 멀티모달 팀이 모델을 평가할 때 확인할 항목을 정리한다.

2026-11-06 출처 2026-11-04 7 분 36 조회
의견

LLM Voice 분석: 음성 Agent의 진짜 난점은 대화가 아니다

Martin Fowler가 다룬 LLM Voice는 음성 모델 공개가 아니라 실시간 음성 애플리케이션의 아키텍처를 분석한 글이다. 핵심은 ASR·LLM·TTS 연결뿐 아니라 지연 시간, 사용자 말 interrupting, 대화 상태 관리를 다루는 데 있다.

2026-10-30 출처 2026-10-29 9 분 36 조회
도구

Hurston-1 오픈소스 TTS 분석, 方言 데이터의 진짜 가치

Destined AI가 공개한 저대역폭 TTS 모델 Hurston-1은 Southern American와 Regional African English를 중점적으로 지원한다. 승인된 음성 데이터의 규모와 활용 범위, 실제 배포 비용, 성능 검증에서 확인할 수 있는 지점을 짚는다.

2026-10-26 출처 2026-10-25 7 분 36 조회
실전

CNN과 GPT-4o·Claude 3.5, 의료 이미지 분류 성능 비교

Lynch Lab의 테스트에서 10세 연구자가 개발한 CNN이 피부 병변 분류에서 GPT-4o와 Claude 3.5를 앞섰다. 다만 이 결과만으로 일반적인 우열을 판단할 수는 없으며, 데이터 구성과 평가 방법에 대한 추가 검증이 필요하다.

2026-10-26 출처 2026-10-25 6 분 36 조회