アリババグループの通義实验室が開発した、ビジュアルドキュメントを対象としたRAG（Retrieval Augmented Generation）システムViDoRAGがオープンソース化されました。評価実験の結果、79.4％の高い精度を達成したことが報告されています。

2月25日、アリババはQwen2.5-Maxベースの推論モデルQwQ-Max-Previewを発表し、最新の推論モデルQwQ-MaxとQwen2.5-Maxを全面的にオープンソース化する計画を発表しました。今回発表されたQwQ-Max-Previewはプレビュー版であり、アリババは正式版を近日中にリリースし、Apache2.0ライセンスの下で全面的にオープンソース化するとしています。従来とは異なり、今回のオープンソース化はモデル自体だけでなく、Qなど、より小さなバージョンも含みます。

先日、通義实验室は革新的な音楽生成技術InspireMusicを正式にオープンソース化しました。この技術は、音楽、楽曲、オーディオ生成機能を統合したオープンソースAIGCツールキットを目指しており、研究者、開発者、音楽愛好家に包括的な創作プラットフォームを提供します。InspireMusicは研究者や開発者に対し、豊富な音楽／楽曲／オーディオ生成モデルのトレーニングと調整ツールを提供するだけでなく、生成効果を最適化するための高効率なモデルも備えています。また、このツールキットは…

テクノロジーの進歩に伴い、AIメガネは国内外で急速に注目を集めています。2024年1月7日、雷鳥创新科技はアリババ通義のカスタム意図認識大規模モデルを搭載した初のAI撮影メガネ「雷鳥V3 AI」を発表しました。この製品の発表は、国内で初めて大規模モデルとAIメガネハードウェアのカスタム連携を実現したことを示しており、端側モデルのAIメガネへの応用を加速させることを目指しています。今回の発表会では、Metaやレイバンなどが発表した第2世代の撮影メガネによってAIメガネ市場が急速に成長していることが強調されました。

アリババの通義实验室音声チームは、オープンソースの音声生成大規模モデルCosyVoiceがバージョン2.0にアップグレードされたことを発表しました。このアップグレードは、音声生成技術の正確性、安定性、自然な体験において顕著な進歩を示しています。CosyVoice 2.0は、オフラインとストリーミングを統合したモデリングによる音声生成大規模モデル技術を採用することで、双方向ストリーミング音声合成を実現し、最初の音声合成遅延を150msに短縮、音声合成の応答速度を大幅に向上させました。

アリババ傘下の達摩院（ダモアカデミー）通義实验室は、音声の品質と聞き取りやすさを向上させることを目的とした音声処理技術「ClearerVoice-Studio」を近日オープンソースとして公開しました。音声技術の広範な応用に伴い、音声品質に対する関心が高まっています。特に、環境ノイズ、残響、デバイスの音声拾い上げなどにおいて、音声処理技術の需要はますます高まっています。

アリババグループ傘下の阿里通義インテリジェントコンピューティングラボは、Visual Studio Code拡張機能マーケットプレイスでAIアシスタントツールSmartVscodeをリリースしました。このツールは、同ラボが独自開発したアプリケーションインテリジェントコントロールフレームワークApp-Controllerを活用し、自然言語によるVS Codeの直接制御を実現しています。

11月15日、アリババ通義研究所はコードモードを発表しました。この機能により、ユーザーは簡単な日常語の指示で、ミニゲーム、データチャート、ウェブサイト、履歴書など、様々なアプリケーションを生成できます。通義ウェブ版（tongyi.ai）にアクセスし、入力欄の「コードモード」をクリックするだけで、この新しいインタラクション方式を体験できます。

最近、アリババのAIチャットボット「通義千問」は、広告費に関する外部からの噂について公式に反論しました。以前、通義千問の第3四半期の広告費が450万元に達し、10月前半20日間で90万元の広告費が投下されたとする情報がネット上で拡散されました。これに対し、通義千問は微博で声明を発表し、これらの数値を否定し、実際の広告費はネット上の噂よりもはるかに低いと主張しました。

アリババグループ傘下の通義は、最新開発のAI動画生成大規模モデル「通義万相AI生動画」の正式上线を発表しました。この技術は、強力な画面ビジュアルとダイナミックな生成能力を備え、テキストプロンプトに基づいて、様々な芸術様式と映画のようなクオリティの動画コンテンツを迅速に生成することができます。

通義千問チームは、Qwen2の発表から3ヶ月後、Qwenファミリーの最新メンバーであるQwen2.5シリーズ言語モデルの正式なオープンソースリリースを発表しました。これは、汎用言語モデルQwen2.5、プログラミングと数学分野に特化したQwen2.5-CoderおよびQwen2.5-Mathモデルを含む、おそらく史上最大規模のオープンソースリリースと言えるでしょう。

アリババ集団の達摩院傘下、通義千問チームは2024年8月30日、最新成果であるQwen2-VLモデルの大幅なアップデートを発表しました。Qwen2-VLモデルは、画像認識、動画処理、多言語対応において顕著な性能向上を実現し、主要性能指標において新たな基準を打ち立てました。

通義Appに、革新的なロールプレイング機能が追加されました。ユーザーは動画の人物をワンクリックで簡単に差し替えることができます。この機能は、アリババ通義研究所が今年初めに発表したMotionshopモデルによるもので、発表以来、世界中のクリエイターから大きな注目を集めています。

アリババグループの阿里通義は7月31日、オリンピック向けに開発されたAI大規模モデルを無料で公開すると発表しました。このモデルは、オリンピック専門知識を備えているだけでなく、中仏翻訳機能も搭載しています。ユーザーは通義APPを通じてこのサービスを無料で利用できます。

アリババ通義研究所は最近、FunAudioLLMという音声生成大規模モデルプロジェクトをオープンソース化しました。これは、人間と大規模言語モデル（LLMs）間の自然言語音声対話体験を向上させることを目的としています。このプロジェクトは、SenseVoiceとCosyVoiceという2つのコアモデルで構成されています。

アリババ通義实验室がAIアニメーションプロジェクトAnimate Anyoneを発表しました。人物の静止画1枚と骨格アニメーションがあれば、人物アニメーションビデオを生成できます。ネットで話題の「鉄山靠」を踊る猫も簡単に作れます。

アリババ通義实验室は、AI画像生成微調整フレームワークSCEditをオープンソース化しました。SCEditフレームワークは、画像生成タスクの微調整をサポートします。SCEditフレームワークは、生成タスクにおいて高効率な性能を発揮します。SCEditフレームワークは、制御可能な生成タスクにおいて正確な制御を実現します。SCEditフレームワークは、トレーニングに必要なメモリ消費量を削減します。