Amazon Web Services（AWS）は、火曜日のre:Inventカンファレンスで、新しいマルチモーダル生成AIモデルシリーズであるNovaを発表しました。今回の発表には、4つのテキスト生成モデル（Micro、Lite、Pro、Premier）に加え、画像生成モデルNova Canvasと動画生成モデルNova Reelが含まれています。AmazonのCEOであるAndy Jassy氏は、Micro、Lite、Proモデルは同日中に…

動画編集プラットフォームInVideoは最近、AIを活用したテキストから動画を生成する機能を搭載したメジャーアップデート版v3.0を発表しました。ユーザーはテキストプロンプトを入力するだけで、実写、アニメーション、または二次元スタイルの動画コンテンツを作成でき、YouTube、Instagram Reels、LinkedInなどのさまざまなプラットフォームに合わせて調整できます。この新機能はサードパーティのAIモデルを基盤としていますが、ユーザーはテキストプロンプトを追加することで動画をリアルタイムに動的に調整できます。

百度世界2024大会で、百度創業者である李彦宏氏は『アプリケーションが登場』と題した講演を行い、検索強化型テキスト生成画像技術（iRAG）とノーコードツール「秒哒」という2つの新技術を発表しました。李彦宏氏は、過去24ヶ月間でAI業界に大きな変化があり、特に大規模モデルがコンテンツ生成において幻覚現象を大幅に減少させたことを指摘しました。文心iRAG技術は、大規模モデルにおける画像生成時の幻覚問題の解決を目指し、AI生成コンテンツの実用性を向上させることを目的としています。従来の生成モデルとは異なり、文…

画像AIスタートアップのRecraftが、最新のテキスト生成画像モデルRecraft v3を発表しました。このモデルは独立テストで優れた性能を示し、画像生成のパフォーマンス基準を塗り替えました。Recraftによると、v3モデルは、画像内のテキストの生成、解剖学的正確性の維持、プロンプトの理解、高品質なビジュアルコンテンツの作成において優れた性能を発揮します。最大の進歩は、一度の生成で長いテキストを正確に表示できる点です。他の多くのモデルでは、数単語を超えるテキストを処理するとしばしば問題が発生します。

妙刷はAIビジョン技術に基づいた創造的なアプリケーションで、ユーザーにシンプルで使いやすい創作ツールを提供することにより、誰もが簡単にアイデアを現実のものにすることを目指しています。妙刷は強力なAI機能を一つのプラットフォームに統合し、画像処理、テキスト生成画像、音声視覚化、動画制作など、多様な機能を提供します。妙刷最大の特長は、芸術創作のハードルを下げることです。創作経験のない一般ユーザーでも、AI技術を利用して、日常生活の些細な素材をユニークな芸術作品に変換できます。例えば、ユーザーは…

情報が溢れる現代において、効率的に知識を得ることが、多くの学習者や専門家にとって課題となっています。最近、PDF2Audioというオープンソースツールが登場し、人工知能技術と従来の読書方法を巧みに組み合わせることで、ユーザーに全く新しい情報取得方法を提供しています。PDF2Audioの主要機能は、PDFドキュメントをオーディオコンテンツに変換することです。このツールはOpenAIのGPTモデルを利用してテキスト生成と音声合成を行い、あらゆる種類のPDFファイルをポッドキャスト、講義、または要約に変換できます。

8月30日、晋江文学城は声明を発表し、最近小紅書プラットフォームで発生したAI著作権侵害事件に断固反対し、オリジナルコンテンツの著作権保護を強調しました。事件では、あるブロガーがプラットフォームのオリジナル作品を使用してAIモデルをトレーニングし、テキストを生成するだけでなく、チュートリアルを共有するグループまで作成してトラフィックを集めていました。晋江文学城は、この行為が著作者の権利を著しく侵害していると主張し、小紅書プラットフォームに権利侵害申し立てを送付し、侵害コンテンツとアカウントの削除を要求しました。プラットフォームは、このような著作権侵害行為に引き続き注目し、著作者の合法的な権利を断固として守り、作品を盗用する行為を一切容認しないと明確に表明しました。

テンセント渾元大モデルは、中国語マルチモーダル大規模言語モデルSuperCLUE-V評価基準8月ランキングで卓越した性能を示し、国内大規模言語モデルランキングで第1位、優れたリーダー象限を獲得しました。マルチモーダル理解とは、モデルが画像要素を正確に認識し、その関係を理解し、自然言語による説明を生成する必要があり、画像認識の精度と複雑な現実世界に対する理解力を試されるものです。

アリババ国際站社長の張闊氏はパリでB2B AI調達検索エンジンの発表を行い、同時にAIビジネスアシスタントの最新アップデートを発表しました。アップデートには、商品掲載時間を60秒に短縮できる極めてシンプルな商品掲載機能と、AIによる自動対応機能が含まれており、海外顧客への24時間対応を実現し、返信率を約40％向上させました。AI技術によって輸出入業界の参入障壁が大幅に低減され、現在3万社を超える中小企業がAIビジネスアシスタントを利用しており、商品露出量は37％向上、決済転換率は50％向上しています。AIビジネスアシスタントは…

Googleが革命的なAIモデルEurekaを間もなく発表するというニュースがAI業界で波紋を広げています。Eurekaは、ベンチマークプラットフォームLMSYS Arenaで卓越したテキスト生成能力を示し、生成された自然言語はシームレスで人間らしい表現に近く、指示を正確に守りながら、様々なタスクで優れたパフォーマンスを発揮します。主な特徴として、強化された自然言語生成、優れた指示遵守能力、幅広いAI駆動タスクにおけるパフォーマンス向上などが挙げられます。このニュースは、元Google社員Logan Kilpatrickの「Eur」

Kuaishouは本日、独自の画像生成モデル「可图Kolors」をオープンソースとして公開しました。これは単なるモデルではなく、数十億のテキストと画像のペアでトレーニングされており、汎用言語モデル（GLM）をテキストエンコーダーとして採用し、中国語と英語の両方のプロンプトに対応、最大256トークンのコンテキストを処理できます。

先日、AI研究機関Artificial Analysisは、これらのモデルのパフォーマンスを包括的に評価することを目的とした、Artificial Analysis Text to Image Leaderboard & Arena（テキストから画像へのランキングとアリーナ）という新しい取り組みを発表しました。

ChatGPTのブームにより、国産大規模言語モデルの爆発的な成長傾向が加速しています。AI技術の飛躍的な発展に伴い、AI製品はテキスト生成からAIチャットボットまで、幅広い分野で活用されています。七麦データが発表したAIアプリランキングでは、AI製品の割合が26％に達し、その中でも総合AI製品や音声生成AI製品が大きな割合を占めています。各メーカーは様々な機能を備えたAI製品を続々と投入しており、AIは複数の分野で活用されています。2023年以降、新製品が次々と登場しており、AI製品市場は徐々に形成されつつあり、依然として大きな潜在力を持っています。

Mistral AIは、新たな最上位テキスト生成モデルMistral Largeを発表しました。Mistral Largeは複数のベンチマークテストで優れた性能を示しました。Mistral AIは、遅延とコストを最適化するための新しいモデルMistral Smallも発表しました。Mistral AIとマイクロソフトはパートナーシップを締結しましたが、マイクロソフトによる市場独占戦略への懸念の声が上がっています。Mistral AIは、オープンソースへのコミットメントと商業化のバランスを取ろうとしています。

テキストベースの画像生成技術は大きな注目を集めており、テキストの説明からリアルな画像を作成できるモデルが開発されています。本研究では、画像生成モデルの制御能力を大幅に向上させる直交微調整（OFT）手法を紹介しています。OFTはモデルのセマンティックな生成能力を維持しつつ、生成品質と効率性を向上させます。OFT手法は、芸術創作、広告マーケティングなど幅広い分野で応用可能であり、新たな創作の可能性を提供します。

讯飛星火V3.5が間もなく発表されます。全国産化算力プラットフォームでトレーニングされ、テキスト生成、コード生成など多くのコア機能が大幅に向上しました。新バージョンのテキスト生成はニーズをより深く理解し、ユーザーが迅速かつ効率的に専門的なテキストと創造的なソリューションを生成するのに役立ちます。コード生成、解釈、修正機能が強化され、開発者が日常の開発上の問題を迅速に解決するのに役立ちます。法律、感情、医療、ウェブ小説の執筆など、特殊なニーズを満たす豊富なアシスタントセンターも提供します。讯飛星火V3.5のパフォーマンスは大幅に向上し、OpenAIのGPT-4に匹敵し、Cなどの有名製品を凌駕しています。

Midjourney V6がリリースされました。画像処理はよりリアルになり、細部まで緻密に描写されるようになりました。新バージョンでは基本的なテキスト描画機能が提供され、創設者のDavid Holz氏はこれを第3世代モデルと呼んでいます。V6の5つの主なアップグレードには、より長いプロンプトへの対応、モデル知識の向上、画像生成の最適化などが含まれます。速度、画質、プロンプトへの対応などは今後数週間でさらに向上する予定です。V6のテキスト生成機能により、ユーザーはモデルによる創作をより柔軟に導くことができます。

智譜AIが、高品質で低コストな評価モデルCritiqueLLMを発表しました。従来のBLEUやROUGEなどの評価指標は、全体的な意味を捉えることが苦手でしたが、CritiqueLLMは解釈可能で拡張性の高いテキスト品質評価モデルです。8種類の一般的なタスクにおいて、CritiqueLLMは他のモデルを上回りました。CritiqueLLMは、ユーザーからの質問拡張、参照テキストを含む評価データ収集、参照テキストのない評価データの書き換え、そしてモデルのトレーニングによって実現しました。

スタンフォード大学の研究者らが、GPT-4によるNature、ICLR論文の査読意見が、人間によるものと50％以上の合致率を示すことを発見。研究者らはGPT-4に論文のPDFを入力し、得られた査読意見を人間によるものと比較。GPT-4による査読意見の類似度は82％を超え、著者はその意見が有益であると評価。人間と比べて、GPT-4は論文のインパクトファクターに注目する傾向があり、アブレーションスタディにはあまり注目しない傾向が見られた。ユーザーからは、GPT-4によるフィードバックが正確性を向上させ、人手による査読量を削減できるとの意見が多い。

{1:北京で最初の5つのAI大規模モデル製品が备案を経て、正式に一般公開されます。2:これは、中国のテクノロジー企業が音声、画像、テキスト生成などの分野で大きな進歩を遂げたことを示しています。3:百度の文心一言、抖音の雲雀、百川智能の百川大模型、質譜清言、紫東太初などが含まれます。}