Агент, ты меня слышишь? Создаём голосовых агентов в реальном времени с Gemini
AI Engineer World's Fair 2026
Загружаем страницу…
1–24 из 83
Мультимодальные модели, компьютерное зрение, генерация изображений, видео и 3D, AI в создании контента.
Black Forest Labs рассказывает про FLUX, Krea про обучение генеративных моделей, Google DeepMind про Gemma и аудиостек Gemini. Спикеры разбирают малые vision-модели вроде Moondream, путь от генерации видео к интерактивным 3D-мирам, оценку эстетики и систему, которая создала контент на 200 миллионов просмотров.
AI Engineer World's Fair 2026
Min Zhao, Mingyang Deng, Sida Peng, Tengfei Wang, Yu Cheng, Ailing Zeng
BAAI Conference 2026 · 北京智源大会
Большинство моделей генерации видео диффузионные. Они начинают с шума и шаг за шагом превращают его в последовательность кадров по текстовому описанию или изображению. Сложнее всего сохранить одинаковыми объекты и движение от кадра к кадру.
VLM - языковая модель, которая понимает изображения: описывает их, отвечает на вопросы по картинке, читает текст на скриншоте. Малые VLM работают прямо на устройстве и подходят для массовой обработки изображений.
AI Engineer World's Fair 2025
AI Engineer World's Fair 2026
AI Engineer Europe 2026
AI Engineer Code 2025
AI Engineer Summit 2023
AI Engineer World's Fair 2026
AI Engineer Europe 2026
AI Engineer World's Fair 2025
AI Engineer NYC 2026 Online Talks
Zhiwei Yu, Delong Chen, Yang Liu, Boyuan Chen, Shenyuan Gao, Zhongyuan Wang, Zheng Zhu, Yujun Shen, Hao Wang, Chunchao Guo, Zhenguo Sun
BAAI Conference 2026 · 北京智源大会
AI Engineer World's Fair 2024
AI Engineer World's Fair 2026
AI Engineer Europe 2026
AI Engineer World's Fair 2026
AI Engineer Summit 2023
AI Engineer World's Fair 2025
AI Engineer Europe 2026
AI Engineer World's Fair 2024