最近、LensGo AIは新しい機能「FaceSync」をリリースしました。FaceSyncの核心は、ユーザーの演技動画を選択した画像や動画と同期させ、全く新しい視覚体験を生み出すことです。ユーザーは自分の演技を録画し、画像や動画を選択すると、FaceSyncは高度なAI技術を用いて、ユーザーの表情、音声、口の動きを目標の画像や動画と完璧に融合させます。
FaceSyncを使用する際、ユーザーは表情、音声、口元など、自由に表現できます。それらは正確に捉えられ、選択した画像や動画にマッピングされます。つまり、どんな役にもなれ、どんな物語でも語ることができ、創造性が容姿に制限されなくなります。
現在、FaceSync機能はテスト段階にあり、LensGo AIは技術の安定性と表現力を確保するために、継続的に最適化と調整を行っています。このテスト段階は、最終製品がユーザーの期待と専門的な基準を満たすために非常に重要です。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
アップル社が最近発表したAIニュース要約機能が、速報ニュースの要約において重大な誤りを繰り返し、ユーザーに大量の虚偽情報が伝わる事態を引き起こしている。この機能の発表以来、多くの報道機関やユーザーから、アップルの技術が未成熟であり、正確な情報を効果的に提供できないとして強い反発を受けている。ワシントンポスト紙のテクノロジーコラムニスト、ジェフリー・ファウラー氏がソーシャルメディアで、アップルのAIがニュース要約において事実を歪めたと投稿したと報じられている。
現在のメディア業界がAIに対して慎重な姿勢をとる中、ParticleというAIニュース閲覧アプリがその状況を変えようとしています。元Twitterのエンジニアが開発したこのアプリは、ユーザーがニュースをより深く理解するのを支援するとともに、従来のメディア機関とのウィンウィン関係を模索しています。Particleは、元Twitterプロダクトマネジメント上級ディレクターのSara Beykpour氏と、元Twitterおよびテスラの上級エンジニアであるMarcel Molina氏によって共同設立されました。同社は、
ElevenLabsが開発したモバイルリーダーアプリがAndroidプラットフォームに登場。テキスト読み上げ、PDF/ePubファイルの閲覧、高品質なAI音声合成技術を一体化し、場所を選ばずに文章を音声で楽しめる画期的なアプリです。テキストの読みやすさに関わらず、快適な読書体験を提供します。アメリカ、イギリス、カナダの3ヶ国語と、今後32言語への対応を予定しており、グローバル展開を間近に控えています。Judy GarlandやJames Deanなど、伝説的著名人の声を模倣するAI技術も搭載し、パーソナライズされた読書体験を提供します。
日本のイオン系のスーパーマーケットが、AIシステム「Smile-Kun」を使って従業員の笑顔を監視していることが明らかになった。従業員の笑顔や声の分析を通じて接客スキル向上を目指しているという。システムは特定のあいさつ方法を要求し、450個の微表情のポイントで100点満点で採点、リアルタイムでフィードバックする。さらに、音量や滑らかさ、トーンについても分析し、改善点を提案する。従業員の反応では笑顔の割合が大幅に増加したという。しかし、この取り組みは物議を醸しており、一部のネットユーザーからは従業員の個性や感情を過度に数値化しており、真心のこもったサービスとは程遠いとの批判が出ている。批判意見では、上下関係や
マイクロソフト研究所と北京航空航天大学の研究チームは、マルチモーダル大規模言語モデル（MLM）開発における課題解決を目指し、高効率なマルチモーダル埋め込みフレームワークE5-Vを発表しました。この革新的なフレームワークは、単一モーダル学習によってマルチモーダル学習プロセスを簡素化し、従来のモデルに見られた独立したエンコーダーへの依存と、それに伴う入力統合の非効率性を克服します。E5-Vはテキストと画像情報を統合することでトレーニングコストを削減し、テキスト-画像検索、画像検索など、複数の複雑なタスクにおいて優れた性能を示しました。特にゼロショット学習において…
サンフランシスコに拠点を置くAI企業Luma AIが、Dream Machineプラットフォームの新機能「Loops」を発表しました。この機能により、テキスト、画像、またはキーフレームからワンクリックでシームレスで連続的なビデオループを作成できるようになり、動画制作プロセスが簡素化され、効率が大幅に向上します。特にコンテンツクリエイターやデジタルマーケティング担当者にとって、無限ループビデオが容易に作成できるようになり、制作時間とコストを大幅に削減できます。Luma AIの公式発表では...
Stability AIは最近、オープンソースのオーディオ生成モデル「Stable Audio Open」を発表しました。最大47秒間、サンプリングレート44.1kHzのステレオオーディオを生成できます。オープンウェイト設計を採用し、ユーザーはモデルの参照、修正、拡張が可能になり、研究開発とイノベーションを促進します。Creative Commonsライセンスのオーディオデータを使用してトレーニングされているため、データの合法性と倫理性が確保されています。高度なモデルアーキテクチャにより、高品質なステレオオーディオ生成が可能になり、多様性と高忠実度が実証されており、最先端モデルと同等の性能を発揮します。このツールは研究者にとって...
デジタル時代において、3Dモデリングはゲーム、映画、デザイン業界などで重要な役割を果たしていますが、従来のモデリング手法は複雑で時間がかかり、コストも高額です。この問題を解決するため、あるウェブサイト（Aiuni AI）がAI技術を用いて、任意のRGB画像から高精度な3Dモデルをわずか30秒以内で生成することに成功しました。Unique3Dオープンソースプロジェクトをベースにしたこのウェブサイトは、深層学習と拡散モデル技術を用いて効率を大幅に向上させ、入力画像から直交多視点画像とその法線マップを生成します。ユーザーは画像をアップロードし、3Dモデルを選択するだけで済みます。
見逃せないニュースです。大規模言語モデルプラットフォームのCohereが、シリーズDで5億5000万ドルの資金調達を行い、評価額は55億ドルに達しました。カナダ・トロントに拠点を置くスタートアップ企業Cohereは、グーグルブレインとCortexで経験を積んだAidan Gomez、Ivan Zhang、Nick Frosstの3名によって設立されました。CEOのAidanはトロント大学で...