智譜AIが最新のオープンソース画像生成モデルCogView4を発表しました。CogView4は、6億のパラメータ数を誇り、中国語入力と中国語テキストから画像への生成を全面的にサポートしており、画像の中に漢字を生成できる最初のオープンソースモデルとして注目されています。CogView4は、中国語と英語の両言語プロンプトに対応できる点が最大の特徴であり、特に複雑な中国語指示の理解と遵守に優れており、中国語コンテンツ制作者にとって朗報です。画像の中に漢字を生成できる最初のオープンソース画像生成モデルとして、オープンソース分野における大きな空白を埋めるものです。

カナダのAI画像生成企業Ideogramは本日、新しい画像モデルIdeogram2aを正式にリリースし、Ideogramのウェブサイト、API、およびパートナーシッププラットフォームで全面的に利用可能になったと発表しました。この発表はXプラットフォームで瞬く間に話題となり、AIによるテキストから画像生成分野における重要なアップグレードと見なされています。Ideogram2aは、より高速な生成速度、より低いコスト、および最適化されたグラフィックデザインと写真機能により、世界中のクリエイターや開発者の注目を集めています。

最近、通義は最新の通義万相大規模モデルWan2.1のオープンソース化を発表しました。Wan2.1は、高品質な動画生成に特化したAIモデルであり、複雑な動き処理、現実的な物理法則の再現、映画のような質感の向上、指示への遵守の最適化において優れた性能を発揮し、クリエイター、開発者、企業ユーザーにとってAI時代を切り開くための最適なツールとなっています。

2月25日、京東零售技術チームは、独自開発の京点点AIGCコンテンツ生成プラットフォームが正式にローンチされ、全面的に公開されたことを発表しました。これは、AI技術を通じてEC事業者に対し、効率的で低コストなコンテンツ生成ソリューションを提供することを目的としています。現在、このプラットフォームは20以上の主要なシナリオを網羅しており、1日あたりのAI機能呼び出し回数は1000万回を超え、35万を超える京東事業者による高品質な商品画像、マーケティングコピー、まもなく公開されるメイン画像ビデオのワンクリック生成を支援し、コンテンツ制作効率の向上と制作コストの削減に大きく貢献しています。

著名なAI画像生成ツールMidjourneyは本日、ウェブサイトプラットフォームに一連の重要な組織機能アップデートを発表しました。これは、ユーザーによる画像の管理と整理の効率を大幅に向上させることを目的としています。今回のアップデートの中心は、より洗練されたフォルダシステムの導入です。ユーザーは、より優れたフォルダグループ化機能を利用できるようになり、フォルダ内で直接新しいコンテンツを作成することもできます。この改善により、画像の分類とアーカイブがより直感的で便利になります。さらに、Midjourneyは、異なるページ間での画像操作プロセスを最適化しました。

百度（バイドゥ）の文心一言が4月1日0時より料金制限を撤廃し、最新モデルと全ての高度機能を全ユーザーに開放すると発表しました。この決定は、国産大規模言語モデルサービスが正式に普恵化段階に入ったことを意味します。今回の開放内容は非常に充実しており、ユーザーは文心シリーズの最新モデルを無料で利用できるだけでなく、超長文書処理、専門検索強化、高度AI画像生成、多言語対応など、一連の高度機能も体験できます。これらの機能の無料開放により、ユーザーエクスペリエンスが大幅に向上するでしょう。特筆すべき点は、文心一言が同時に…

Googleは先日、人工知能ベースの画像合成ツールGoogle Whiskが世界100カ国以上で正式にリリースされたことを発表しました。このツールは昨年米国で最初に公開され、革新的な画像合成技術を通じて、ユーザーによりシンプルで創造的な画像生成体験を提供することを目的としています。従来の画像生成ツールとは異なり、Google Whiskではユーザーがテーマ、シーン、スタイルを表す3枚の画像をアップロードできます。その後、このツールはこれら3つを再合成し、Google Imagenによって生成された1枚の画像を作成します。

先日、OpenAIは注目すべきニュースを発表しました。内部テスト中のプロジェクトSoraにおいて、既に公開されている動画生成機能に加え、画像生成機能の開発が急ピッチで進められているとのことです。この新機能により、ユーザーは動画と画像の生成機能を迅速に切り替え、創作の柔軟性を高めることができます。内部情報によると、Soraには隠れた切り替えボタンが追加され、ユーザーはプロンプト欄で選択するだけで、2つのモード間を切り替えることができるようになります。画像生成を選択すると、システムは自動的にユーザーに画像の説明を促します。

Googleは先日、最新の画像生成モデルであるImagen 3をGemini APIを通じて開発者に公開すると発表しました。このモデルは強力な画像生成能力を備えているだけでなく、入力されたテキストプロンプトに基づいて、超現実主義からアニメキャラクターまで幅広いスタイルの画像を生成できます。Imagen 3の使用は非常に簡単で、開発者はAPIにテキスト記述を送信するだけで、モデルは迅速に高品質な画像を生成します。画像1枚あたりの生成コストはわずか0.03ドルです。

Googleは先日、最新の画像生成モデルImagen 3を正式に発表し、Gemini APIで開発者向けに利用可能になりました。このモデルは、超現実主義の作品、印象派の風景画、抽象画、アニメキャラクターなど、様々なスタイルの高品質な画像を生成できる優れた視覚効果を備えています。Imagen 3は、画像の鮮明さと構成能力を向上させただけでなく、簡素化されたテキストプロンプトにより、ユーザーがアイデアを画像に変換しやすくなりました。当初、Imagen 3は有料ユーザーのみに提供されます。

先日、美图公司は画像生成ツールWHEEの新機能を発表しました。このツールは現在、中国語ポスターの生成に対応しています。高品質な素材生成で知られるWHEEは、今回のアップデートによりユーザーエクスペリエンスと機能の多様性がさらに向上しました。WHEEのAIポスター生成機能により、ユーザーはテキストレイアウトを柔軟に処理できます。従来のAIテキストレイアウトはランダム性とフォントスタイルの制御不能という問題がありましたが、美图は文字を編集可能な独立レイヤーとして作成するという革新的なアプローチを採用しました。ユーザーは自由に移動させることができます。

AIメディアテクノロジー企業Runwayは、最新のテキストから画像生成モデル「Frames」を発表しました。AIビデオモデルで知られるRunwayが、画像創作分野における影響力の拡大を目指した取り組みです。Framesは、特に映画のような視覚効果の生成において高い評価を得ており、ユーザーから広く好評を得ています。このモデルは2024年11月に初めて発表され、過去数週間はRunwayクリエイタープログラムのユーザーに先行体験版が提供されていました。

2021年以降、マイクロソフトのAIセキュリティチームは100種類以上の生成AI製品をテストし、弱点と倫理的問題を調査しました。その発見は、AIセキュリティに関する一般的な仮説に異議を唱え、人間の専門知識の継続的な重要性を強調しています。最も効果的な攻撃は常に最も複雑な攻撃とは限らないことが証明されました。マイクロソフトのレポートでは、ある研究が引用されており、「真のハッカーは勾配を計算するのではなく、プロンプトエンジニアリングを使用する」と述べています。この研究は、人工知能セキュリティ研究と現実世界の実際を比較しています

AI画像生成技術は急速に発展していますが、モデルのサイズが大きくなり、一般ユーザーにとっての学習や使用コストが高くなっています。今、"Sana"と呼ばれる新しいテキストから画像へのフレームワークが登場し、最大4096×4096ピクセルの超高解像度画像を効率的に、そして驚くべき速度で生成します。ノートPCのGPUでも動作可能です。Sanaの中核設計には、深層圧縮自己符号化器が含まれています。従来の自己符号化器が画像を8倍に圧縮するのに対し、Sanaが使用する自己符号化器は…

先日、NVIDIAは「Sana」という画像生成モデルをオープンソース化しました。このモデルのパラメータ数はわずか6000万個で、動作に必要なハードルが大幅に低くなっています。Sanaは4096×4096ピクセルの画像生成が可能で、16GBのGPUでも動作し、1024×1024ピクセルの高画質画像を1秒未満で生成できます。この速度は同種のモデルの中でも際立っています。SanaはDC-AE（デュアルチャネルオートエンコーダ）技術に基づいており、32倍の潜在…

イーロン・マスクの人工知能企業xAIが推進するGrokチャットボットが、ついに独立したiOSアプリケーションとして登場しました。このニュースは、Grokが以前はソーシャルプラットフォームXのユーザーのみに公開されていたため、大きな注目を集めています。現在、米国、オーストラリア、インドなど複数の国でテスト段階にあり、より多くのユーザーがその強力な機能を体験できるようになっています。Grokは、リアルタイムでインターネットとX上のデータを取得できるだけでなく、強力な生成AI機能も備えています。ユーザーは…

Microsoftは最近、AI駆動のBing画像生成器のモデルアップグレードをロールバックする決定を下しました。この決定は、新バージョンのパフォーマンスに対するユーザーからの不満を受けて行われたものです。12月18日にBing画像生成器を新バージョンのDALL-E3モデルにアップグレードした後、ユーザーはツールのパフォーマンスが大幅に低下したことに気づいたと報告されています。ユーザーは、生成された画像の品質が以前より劣っており、特にディテール処理やプロンプトの正確な反映において問題があると不満を述べています。ソーシャルメディアや関連フォーラムでは、多くのユーザーが失望を表明しています。