西湖心辰は、開発したWestlake-Omniモデルのオープンソース化を発表しました。世界初のオープンソースの中国語感情エンドツーエンド音声対話大規模モデルであるWestlake-Omniは、離散表現法を用いてテキストと音声のモダリティを統一し、リアルタイム性を重視することで、迅速な応答とほぼゼロ遅延の体験を提供します。
このモデルは、優れた感情理解と表現能力を備え、クリアで自然で表現力豊かな中国語の音声を生成できます。この能力は、高品質な中国語感情音声データセットでの深層学習によるもので、中国語の文脈における複雑な感情を理解するだけでなく、より人間味のあるインタラクションを可能にします。
西湖心辰は、Westlake-Omniモデルのオープンソース化を通じて、より多くの開発者が中国語感情音声対話技術の開発に参加し、この分野の技術発展と応用を共に推進することを期待しています。
プロジェクトアドレス:https://github.com/xinchen-ai/Westlake-Omni
バイトダンス傘下の豆包大規模言語モデルチームは先日、混合専門家モデル（MoE）アーキテクチャにおける主要なボトルネックを克服し、COMETという名称の重要な最適化技術をオープンソース化したと発表しました。この技術は、大規模言語モデルのトレーニング効率を大幅に向上させ、最大1.7倍の効率向上を実現し、トレーニングコストを40％削減することに成功しました。画像注記：画像はAIによって生成され、画像ライセンス提供サービスMidjourneyを使用しています。COMET技術は、バイトダンスの万規模GPUクラスタトレーニングで実際に適用されており、数百万GPU時間の節約に貢献しています。
最近、テック界と開発者コミュニティは、Browser Useというオープンソースプロジェクトで沸騰しています！このツールは、まるでAIに羽が生えたかのよう。人間のように自由にブラウザを操作し、自然言語でAIに様々なウェブタスクを自動実行させることができます。その強力な自動化能力と柔軟な展開方法は、瞬く間に世界中のテクノロジー愛好家の心を掴み、X（旧Twitter）では大きな話題を呼んでいます。Browser Useは、まさに燎原の火のごとく、AIによるブラウザ自動化分野を牽引しています。
先日、魔楽コミュニティ（Modelers）で、階躍星辰が開発したオープンソースのマルチモーダル大規模モデルであるStep-VideoとStep-Audioが正式に公開されました。これらのモデルは、それぞれ動画生成と音声対話に使用され、開発者と企業ユーザーにより強力なAIツールを提供することを目指しています。Step-Videoモデルの正式名称はStep-Video-T2Vで、300億パラメーターという世界最大のオープンソース動画生成モデルです。このモデルは、20秒の動画を直接生成できます。
