جذاب‌تر اینکه می‌شه حین پخش، پرامپت رو تغییر داد و همون لحظه مسیر اتفاقات ویدیو رو عوض کرد؛ یعنی کاربر عملاً می‌تونه یک پخش زنده ساخته‌شده با AI رو هدایت کنه.

شرکت fal همین فناوری رو در سایت fal.live آزمایش کرده؛ جایی که بیننده‌ها انتخاب می‌کنن در ادامه داستان چه اتفاقی بیفته.

دسترسی عمومی فعلاً محدوده و برای پروژه‌های طولانی‌تر باید تأیید جداگانه گرفت.

- لندینگ‌پیج‌های حرفه‌ای بسازید
- فروشگاه اینترنتی طراحی کنید
- بازی‌های ساده تحت وب بسازید
- ظاهر و بخش‌های مختلف سایت رو بعداً ویرایش کنید

فعلاً این قابلیت در مرحله آزمایش عمومی قرار داره و برای کاربران پلن‌های پولی ChatGPT فعال شده.

مشکل با ویرایش‌های پشت‌سرهم هم بیشتر می‌شه؛ در آزمایشی که یک منوی ساخته‌شده با ChatGPT حدود ۱۰۰ بار ویرایش شد، تصاویر غذا به‌مرور گردتر، صاف‌تر و غیرواقعی‌تر شدن.

پژوهش‌ها نشان داده‌اند که تصاویر غذای ساخته‌شده با هوش مصنوعی، وقتی خیلی شبیه عکس واقعی باشند اما کاملاً طبیعی به نظر نرسند، ممکن است حس عجیب و ناخوشایندی ایجاد کنند؛ حتی بیشتر از تصاویری که از اول کاملاً مصنوعی به نظر می‌رسند.

برای رستوران‌ها، استفاده سریع از AI شاید طراحی منو رو ارزون‌تر کنه، اما همین ظاهر تکراری و مصنوعی می‌تونه نتیجه برعکس بده و اشتهای مشتری رو کم کنه.

اوپن‌ای‌آی اعلام کرده ثبت‌نام و ارتقا به پلن ۲۰۰ دلاری Pro فعلاً متوقف شده، چون کاربران این پلن بیشترین فشار رو به زیرساخت‌های شرکت وارد می‌کنن.

پلن‌های Plus، Go و API همچنان در دسترس هستن.

به گفته مدیر محصول OpenAI، تقاضا برای Astra «بی‌سابقه» بوده و شرکت در حال اضافه کردن ظرفیت بیشتره تا کیفیت سرویس کاربران فعلی افت نکنه.

شرکتِ OpenAI یک Data Agent جدید معرفی کرده که به منابع داده وصل می‌شه و با سؤال‌های معمولی، اطلاعات رو تحلیل می‌کنه، جواب پیدا می‌کنه و داشبورد تعاملی می‌سازه.

برای استفاده، افزونه Data رو از بخش Plugins در ChatGPT Work نصب می‌کنید، منابع موردنیاز رو متصل می‌کنید و سؤال‌تون رو با ‎@Data می‌پرسید.

بعد هم می‌تونید داخل همون گفت‌وگو تحلیل رو دقیق‌تر کنید، شواهد نتایج رو ببینید و داشبورد رو ویرایش یا به‌روزرسانی کنید.

نصبِ Data Agent در ChatGPT Work⁠

انسان‌ها بهتر از ماشین‌ها می‌تونن دنیای واقعی رو تشخیص بدن، اما با پیشرفت سریع هوش مصنوعی در بینایی رایانه‌ای، استدلال و درک تصویر، این فرض دیگه به اندازه گذشته قابل اتکا نیست.

البته درباره همین ویدئو، نباید ادعای «۴۸ مرحله رو با موفقیت کامل پشت سر گذاشته» رو بدون تأیید مستقل به‌عنوان یک واقعیت قطعی مطرح کنیم.

اگر هوش مصنوعی بتونه آزمون‌هایی رو که برای تشخیص انسان از ماشین طراحی شده ان رو حل کنه، آیا کپچاها در حال منسوخ شدن هستن؟

گوگل می‌گه فناوری‌های زبانی این شرکت حالا بیش از ۳۰۰ زبان رو پوشش می‌دن و در مجموع برای بیش از ۷ میلیارد نفر در دسترس هستن؛ یعنی حدود ۸۶٪ جمعیت جهان.

هدف جدید اینه که مدل‌هایی مثل Gemini فقط متن رو ترجمه نکنن و بتونن چیزهایی مثل لحن، احساس، مکث، لهجه و حتی ترکیب چند زبان در یک مکالمه رو هم درک کنن.

برای همین گوگل بیشتر به سمت پردازش مستقیم صدا رفته، نه فقط تبدیل صدا به متن.

یکی از نمونه‌ها، Gemini 3.5 Live Translateـه که ترجمه زنده گفتاری رو در ۷۰ زبان و بیش از ۲۰۰۰ جفت‌زبان پشتیبانی می‌کنه. گوگل همچنین می‌گه Google Translate حالا بیش از ۲۵۰ زبان رو پوشش می‌ده.

با این تغییر، دیگه لازم نیست برای استفاده از قابلیت‌های مختلف Claude بین محیط‌های جداگانه جابه‌جا بشید. می‌تونید از همون محیط Claude، هم با چت و گفت‌وگو با AI کار کنید و هم سراغ قابلیت‌های Cowork برید.

قابلیت Cowork بیشتر برای انجام کارهای چندمرحله‌ای طراحی شده؛ یعنی به‌جای اینکه فقط یک سؤال بپرسید و جواب بگیرید، می‌تونید یک کار مشخص رو به Claude بسپارید تا مراحل مختلف اون رو انجام بده.

قابلیت‌های جدید ساخت و ویرایش اسلاید و سند هم اضافه شدن؛ حتی می‌تونید ارائه‌ها رو به صورت PDF یا PowerPoint دریافت کنید.

این قابلیت‌ها در حال حاضر برای کاربران Claude Pro و Max عرضه شده‌ و فعلاً در دسترس این دو پلن هست.

این ایجنت می‌تونه به ایمیل‌ها، تقویم‌ها و وظایف خانوادگی دسترسی داشته باشه و برای هماهنگی کارها از اون‌ها استفاده کنه.

از تنظیم برنامه‌ها و پر کردن فرم‌ها گرفته تا ساخت لیست خرید و برنامه‌ریزی وعده‌های غذایی، CC می‌تونه بخشی از کارهای روزمره خانه رو مدیریت کنه.

ایده اصلی اینه که به‌جای اینکه هر عضو خانواده جداگانه کارها رو پیگیری کنه، یک دستیار مشترک خانوادگی این وظایف رو هماهنگ کنه.

گوگل چند قابلیت جدید برای Gemini Notebook، همون NotebookLM، معرفی کرده تا جزوه‌ها و منابع درسی رو به یک فضای مطالعه تعاملی‌تر تبدیل کنه.

🎙 گفت‌وگوی صوتی با منابع
به‌زودی می‌تونید در اَپ موبایل، درباره محتوای Notebook خودتون با هوش مصنوعی صحبت کنید، وسط پاسخ سؤال بپرسید و توضیح مرحله‌به‌مرحله بگیرید. این قابلیت از نزدیک به ۱۰۰ زبان پشتیبانی می‌کنه و پاسخ‌ها رو براساس منابعی که خودتون اضافه کرده‌اید ارائه می‌ده.

🎤 ضبط مستقیم کلاس و یادداشت‌ها
ضبط‌کننده صوتی جدید اجازه می‌ده کلاس، جلسه یا ایده‌های خودتون رو داخل اپ ضبط کنید.
فایل ضبط‌شده کنار سایر منابع قرار می‌گیره تا بعداً درباره‌اش سؤال بپرسید، به بخش‌های مختلف ارجاع بدید یا ازش محتوای تازه بسازید.

🧠 گزارش‌های آموزشی تعاملی
در بخش Reports می‌تونید یک مرور آموزشی شامل خلاصه، اینفوگرافیک، آزمون و فلش‌کارت بسازید؛ بدون اینکه لازم باشه هرکدوم رو جداگانه باز کنید.

📝 آزمون‌های متنوع‌تر
علاوه‌بر سؤالات فعلی، قالب‌هایی مثل پاسخ کوتاه، چندگزینه‌ای با چند پاسخ صحیح و جای خالی هم اضافه می‌شن. بعد از آزمون هم می‌تونید درباره عملکردتون سؤال کنید تا Gemini Notebook بخش‌هایی رو که نیاز به مرور بیشتری دارن، مشخص کنه.

🎬 ویدیوهای آموزشی یک‌دقیقه‌ای
قابلیت Short Video Overviews می‌تونه از منابع شما ویدیوهای حدوداً ۶۰ثانیه‌ای همراه با توضیح و انیمیشن آموزشی بسازه. این ویژگی از بیش از ۸۰ زبان پشتیبانی می‌کنه و برای توضیح فرمول‌ها، نمودارها و مفاهیم علمی طراحی شده.

توضیحاتِ رسمیِ Google

قیمت API هم پایین‌تر اومده و به ۴ دلار برای هر میلیون توکن ورودی و ۲۰ دلار برای هر میلیون توکن خروجی رسیده.

محدودیت‌های پنج‌ساعته هم افزایش پیدا کرده و قابلیت جدید Banked Reset برای مدیریت بهتر محدودیت استفاده اضافه شده.