GLM-TTSは完全オープンソースで、感情を制御可能な工業グレードの音声合成による3秒間のボイスクローン化を実現しています
1. 抽象 GLM-TTSは、産業用音声生成のためのオープンソースTTSシステムであり、音声サンプルの音色クローン作成をわずか3秒で行い、感情表現を制御可能です。 そのアーキテクチャは2段階の生成プロセスを採用し、文字誤り率(CER)とセンチメントの面でオープンソースとしてトップレベルのレベルを実現...
Admin •
288
Zhipu AI オープンソース Open-AutoGLM および AutoGLM-Phone-9B:モバイルエージェントの新たな出発点
1. 抽象 的 Open-AutoGLMはZhipu AI向けのオープンソースの携帯電話エージェントフレームワークであり、コアモデルはAutoGLM-Phone-9Bです。 携帯電話の画面内容を理解し、実際のユーザーの操作をシミュレートして「インターフェースの理解、指示の理解、携帯電話のクリック」を...
Admin •
699
LongCat-Imageオープンソース解析:6B DiTが20B+ MoEレベルの中国語・英語バイリンガル画像間モデルを達成
1. Abstract LongCat-Imageは、MeituanのLongCatチームによる中国語と英語のオープンソースのバイリンガル画像生成・編集モデルで、パラメータは約6B、ハイブリッドDiTアーキテクチャを採用しています。これは多くの公開ベンチマークで20Bレベルのオープンソースモデルと同...
Admin •
377
Mistral 3 オープンソースモデルファミリー:マルチモーダル、多言語、オンプレミス展開のための新たな選択肢
1. Abstract Mistral 3は、Mistral AIが導入した新世代のオープンソースモデルファミリーで、スパースエキスパートアーキテクチャのMistral Large 3や、ローカルおよびエッジシナリオ向けのMinistral 3シリーズ(3B/8B/14B)を含みます。 すべてのウェ...
Admin •
306
DeepSeek-V3.2リリース:効率的な推論と汎用エージェント機能、注意を最小限に抑える
1. Abstract DeepSeek-V3.2は、V3.2-Expを基にした公式リリース版で、推論効率と出力長の最適化、DSAのスパースアテンションメカニズムを用いて長期コンテキスト性能の向上に重点を置いています。 DeepSeek-V3.2-Specialeは、極限の数学的推論、プログラミング...
Admin •
409
ELab-Zero 包括的分析:ローカル展開可能なモバイルGUIエージェントスタック
1. 抽象 GELab-ZeroはStepFunのオープンソースGUIエージェントソリューションで、主にAndroidモバイルアプリケーションの自動化操作とインテリジェントなインタラクションのための「model + engineering infrastructure」の完全なスタックを提供します。...
Admin •
317
Hunyuan 3Dエンジングローバル発売:世界中のクリエイター向けのAI3Dエンジン
1. 要約 Hunyuan 3D Engine Global は、騰訊の Hunyuan チームが世界向けにリリースした AI 3D 作成エンジンで、自主開発の Hunyuan3D 大型モデルファミリーとクラウドAPIサービスを基盤としています。 このプラットフォームは、テキスト、画像、スケッチから...
Admin •
491
FLUX.2 オープンソース:Black Forest Labsの次世代画像生成および編集モデル
1. 概要 FLUX.2はBlack Forest Labsが発売した次世代のビジュアル生成および編集モデルで、単なるシーンのデモンストレーションではなく、実際の制作レベルのクリエイティブワークフローを対象としています。 最大約4MP解像度、マルチリファレンス画像入力、細かいタイポグラフィのテキスト...
Admin •
607