AIニュース

Glyph-ByT5-v2は、Microsoft Research Asia、清華大学、北京大学、リバプール大学が共同開発した多言語対応のビジュアルテキストレンダリングプロジェクトです。Glyph-ByT5-v2は、10種類の言語で正確なビジュアルテキストレンダリングをサポートしています。

Llama-3.1-Minitronは、NVIDIAとMetaが共同開発したAIモデルです。これは、Llama 3.1の8Bモデルを枝刈りと知識蒸留技術によって改良した、より小型の4Bパラメータモデルです。この最適化により、モデルのサイズと複雑さが軽減されます。

CrewAIは、複数のAIエージェント間の効率的なコラボレーション構築に特化したオープンソースプラットフォームです。AIエージェントフレームワークの利用を簡素化することで、企業はインテリジェントな自動化ソリューションを迅速に構築・展開できます。CrewAIプラットフォームの主な利点は、以下の点にあります。

HybridRAGは、BlackstoneがNVIDIAと共同開発した、検索と生成を統合したハイブリッドアーキテクチャです。機械学習アーキテクチャと検索と生成を統合したモデルを組み合わせています。このモデルは、次のような検索を行います。

DeepSeek-Prover-V1.5は、DeepSeekチームが開発したオープンソースの数理モデルで、70億個のパラメータを誇ります。このモデルは、強化学習（RLPAF）とモンテカルロ木探索（特にRMaxTSの変種）を数学的に組み合わせたものです。

SadTalkerは、西安交通大学、テンセントAIラボ、アントグループが共同で立ち上げたオープンソースのAIデジタルヒューマンプロジェクトです。SadTalkerは、単一の顔画像と音声録音から得られる3Dモーション係数を用いて、リアルな話し声のキャラクターを生成することに重点を置いています。

xGen-MMは、Salesforceが開発したオープンソースのマルチモーダルAIモデルです。テキストや画像など、複数のデータタイプを同時に理解・生成し、インターリーブされたデータを処理する能力を備えています。xGen-MMは、大量の画像データとテキストデータから学習します。

Phi-3.5は、マイクロソフトの次世代AIモデルシリーズで、軽量推論、ハイブリッドAI、AIなどを対象としたPhi-3.5-mini-instruct、Phi-3.5-MoE-instruct、Phi-3.5-vision-instructの3つのバージョンで構成されています。

Seed-ASRは、ByteDanceが大規模言語モデル（LLM）に基づいて開発したASR（自動音声認識）モデルです。2,000万時間以上の音声データと約90万時間のペアASRデータで学習されており、中国語（北京語）と13言語に対応しています。

Moffeeは、Markdown構文を使用してプロフェッショナルなプレゼンテーションを素早く作成できるオープンソースのMarkdownからPowerPointへの変換ツールです。Moffeeはレイアウト、ページネーション、スタイルを自動的に処理し、リアルタイムプレビューとPDFまたはHTML形式へのエクスポートをサポートしています。

Puyu Lingbi IXC-2.5は、上海人工知能研究所が開発した新世代のマルチモーダル大規模モデルです。7バイトの大規模言語モデルバックエンドを搭載し、最大96KBの長文コンテキストを処理でき、超高解像度画像や高精細ビデオにも対応しています。

NewOne VideoのBig Modelは、NewOne Technologyが開発したAI動画制作ビッグモデルです。独自開発のAIアルゴリズムとディープラーニング技術を活用し、スクリプト作成から完成品までワンクリックで制作できます。スクリプト生成、感情豊かな音声合成、3D要素作成などの機能を備えています。

Shusheng Puyuは、上海人工知能研究所が開発したオープンソースのAIモデルで、卓越した推論能力と非常に長いテキストを処理する能力を誇ります。Shusheng Puyuは最大100万語のテキスト入力をサポートし、自律的にウェブ検索を実行できます。

MetaHuman-Streamは、ERNerf、MuseTalk、Wav2lipなどの複数の高度なモデルを統合した、最先端のリアルタイムインタラクティブストリーミングAIデジタルヒューマン技術です。音声クローニングとディープラーニングアルゴリズムをサポートし、スムーズで自然な対話を実現します。

ProPainterは、南洋理工大学のS-Labチームが開発したAIビデオ復元プロジェクトです。デュアルドメイン伝播とマスク誘導型スパースビデオトランスフォーマーを組み合わせることで、ビデオ復元の性能を効果的に向上させます。ProPainterは自動的に...

RoopはオープンソースのAI動画顔交換ツールです。Roopを使えば、複雑なデータセットやトレーニングプロセスを必要とせずに、動画内の顔を一枚の画像に置き換えることができます。インストールと使用にはある程度の技術スキルが必要となるため、基本的な知識を持つユーザーに適しています。

TurboEditは、Adobe Researchが開発したAI搭載のリアルタイム画像編集モデルです。反復エンコーダ反転と詳細なテキストベースの制御により、わずか数ステップで正確な画像編集を実現します。詳細なテキストプロンプトを活用し、...

Wav2Lipは、音声ファイルを口の動きと同期した動画に変換できるオープンソースのリップシンクツールです。ビデオ編集やゲーム開発で広く利用されています。Wav2Lipはリアルタイムのリップシンクを可能にするだけでなく、...

AuraFlow v0.1は、Falチームが開発したオープンソースのAIテキスト画像生成モデルで、68億個のパラメータを誇ります。MMDiTアーキテクチャを最適化し、計算効率とスケーラビリティを向上させています。AuraFlowは、特に物体の画像生成において、高精度な画像生成に優れています。

LongWriterは、清華大学とZhipu AIが共同開発した長文テキスト生成モデルです。1万文字を超える一貫性のあるテキストを生成でき、オープンソースプロジェクトです。既存の大規模言語モデルの出力限界を分析し、「LongWriter-...」が作成されました。

Source 2.0-M32は、Inspur Informationが開発したハイブリッドエキスパートモデル（MoE）で、32人の専門家を擁しています。革新的な「アテンションルーター」技術を採用することで、専門家選定の効率と精度を向上させています。このモデルは、合計40億個のパラメータを持っています。

Zionは、視覚的な設定とドラッグ＆ドロップ操作によってアプリケーション開発の技術的な障壁を大幅に低減する、ノーコードAIアプリケーション開発プラットフォームです。ユーザーはプログラミングの知識がなくても、ミニプログラム、ウェブサイト、その他のアプリケーションを迅速に構築できます。Zionは、以下の機能を統合しています。

Difyは、大規模な言語モデルに基づいてアプリケーションを迅速に構築・展開できるオープンソースの生成型AIアプリケーション開発プラットフォームです。DeepSeekやOllamaなど、複数の主要なモデルをサポートしており、ユーザーはニーズに応じて柔軟に選択できます。

Insee AIGCは、Inseeグループが開発したAIマーケティングツールです。InsightGPTは、AI技術とマーケティング戦略に関する洞察、コンテンツの作成と制作、配信と提供、そしてパフォーマンスコンバージョンを組み合わせることで、マーケティング業界の生産性を向上させます。InsightGPTは、単に…