TOP ニュース オープンソースの動画生成AIエンジン「LTX-2」リリース！ ネイティブ4K対応、50fps・20秒の音声付きシーンを生成 2025/11/10 オープンソースの動画生成AIエンジン「LTX-2」リリース！ ネイティブ4K対応、50fps・20秒の音声付きシーンを生成 AI Lightricks社は10月23日（木）、オープンソースのAIクリエイティブエンジン「LTX-2」をリリースした。プロダクション向けに設計され、音声と同期したネイティブ4K・50fps、20秒の連続的なシーンの生成を可能とする。公式ワークスペースのLTX Studio API Playground、ComfyUIなどサードパーティ製ツールとの統合を通じて利用できる。コードとウェイトは11月下旬にGitHubで公開予定。 Introducing LTX-2: the most complete ope
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 自分のクローンAIを作ろう 皆さん、こんにちは。 皆さんは自分がもう一人いたらいいなと思ったことはありませんか？ ないですよね、僕もないです。（じゃあタイトルなんなんだ） このの記事はローカルLLMに向き合う会のアドカレネタとして書いています。 https://qiita.com/advent-calendar/2025/large-language-model 今回のテーマはXのポストを学習させて自分だけのオリジナルLLMを作ろう！ というものです。 LLMの学習と聞くと皆さんはどんなイメージを持たれるでしょうか。 「なんか学習コスト
Moonshot AIは11月5日、オープンソースの推論特化型LLM「Kimi K2 Thinking」を公開しました。 K2 Thinkingは特定の推論・エージェント系ベンチでGPT-5やClaude 4.5 Sonnet (Thinking)と同等、または上回る性能を記録しており、オープンソース分野で大きな注目を集めています。 このモデルは総パラメータ1兆規模のMoEアーキテクチャを採用し、推論時には32Bのパラメータが用いられます。 また、コンテキストウィンドウは256Kで、INT4量子化により推論速度とメモリ効率の向上が図られています。 最大の特徴は、人間の介入なしで200～300回の連続ツール呼び出しを実行し、複雑な作業を一貫して維持できること。長尺思考とツールの多段呼び出しの組み合わせで長い推論が得意となっているようです。 また、本モデルはオープンソースのため、Hugging
4. Agentic AIという言葉の登場 最近では「AIエージェント」だけでなく、Agentic AI（エージェント型AI） という言葉も聞かれるようになりました。 「Agentic AI」は「AIエージェント」とどう違うのでしょうか？ どちらも似た概念に見えますが、研究論文 AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges では、次のように整理されています。 つまり、 AI Agent：単体でタスクを実行するAI Agentic AI：複数のエージェントが協調しながら目的達成するAIの体系 先ほど、AIエージェントには「ワークフロー型」「シングルエージェント型」「マルチエージェント型」という段階があることを説明しました。 Agentic AIは、AIが自律的に動くだけでなく、目的を分
前置き はじめまして！株式会社NTTデータグループの技術革新統括本部AI技術部でSmart AI Agent®︎のエンジニアをしている岸川です。 今回は、GPUクラウドサービス「Runpod」について、実際に研究と仕事で活用してきた経験をもとに紹介します。「ちょっとGPU使いたいだけなのに...」という悩みを持つ方に向けて、Runpodの魅力と具体的な使い方を解説していきます！ はじめに 機械学習の実験や開発をしていると、こんな悩みに直面していませんか？ Google Colabユーザーの悩み 特に大学院生の方は、こんな経験があるのではないでしょうか。 Colab Proに課金しているけど、実行時間制限で長時間の学習が中断される... もっと高性能なGPUを使いたいけど、さらに課金するのは躊躇する 研究の締め切り前に限って、リソース制限が厳しくなる気がする... クラウド初心者の壁 Azu
前置き はじめまして！株式会社NTTデータグループの技術革新統括本部AI技術部でSmart AI Agent®︎のエンジニアをしている岸川です。 今回は、GPUクラウドサービス「Runpod」について、実際に研究と仕事で活用してきた経験をもとに紹介します。「ちょっとGPU使いたいだけなのに...」という悩みを持つ方に向けて、Runpodの魅力と具体的な使い方を解説していきます！ はじめに 機械学習の実験や開発をしていると、こんな悩みに直面していませんか？ Google Colabユーザーの悩み 特に大学院生の方は、こんな経験があるのではないでしょうか。 Colab Proに課金しているけど、実行時間制限で長時間の学習が中断される... もっと高性能なGPUを使いたいけど、さらに課金するのは躊躇する 研究の締め切り前に限って、リソース制限が厳しくなる気がする... クラウド初心者の壁 Azu
おとといくらいにDeepSeek-OCRというのが出てました。 https://github.com/deepseek-ai/DeepSeek-OCR ただのOCRじゃなくて、「テキストを画像にしたほうがトークンサイズを小さくできるのでは？」というのをやっていて、テキストを画像にしてトークン化したものをテキストトークンに戻すというのをやってたらOCRになったという感じですね。 LLMの開発効率化に革新？ 中国DeepSeekが「DeepSeek-OCR」発表 “テキストを画像化”でデータ圧縮：Innovative Tech（AI+） - ITmedia AI＋ 中身的には、3Bでアクティブパラメータが0.6BのMoEモデルに0.4Bの画像エンコーダーを載せた画像言語モデルです。 導入や使い方は、モデルのページに書いてあります。 何も考えずに最新のTransformers 4.57.1を入れ
はじめに Qwen3-Omni-30B-A3B-InstructがQwenよりリリースされた。 手元のマシンを使ってローカル環境でも動かせることがわかったので、備忘録的に記事にまとめる。 環境 Mac Studio EVO-X2 導入手順：Mac 執筆時点でまだggufへの変換ができなかったため、transformersを使って推論をする。使用した感じ、おそらくメモリは128GBないと厳しい。 環境構築 git, uvは導入済みとする。 $ git clone https://github.com/QwenLM/Qwen3-Omni.git $ cd Qwen3-Omni $ uv init --python 3.12 $ uv venv $ uv pip install gradio accelerate torch torchvision soundfile qwen-omni-uti
🍌 はじめに Nano-bananaの厳選画像ライブラリへようこそ！🤗 私たちは、Nano-bananaが様々なタスクシーンで生成した素晴らしい画像とプロンプトを収集しました。 Googleによる画像生成と編集の無限の可能性を全面的にご紹介します。これが、あなたがNano-bananaをより深く理解する助けとなることを願っています。さあ、一緒にNano-bananaの複数画像融合とクリエイティブ編集の力を解き放ちましょう！✨ これらの事例は、主にTwitter/X 🐦、小紅書（RED）📕などのソーシャルメディアプラットフォームから収集したものです。 気に入ったら、ぜひ ⭐ Star をクリックしてコレクションに追加してください！ 📰 ニュース 2025年9月9日: 3️⃣ 3回目のリポジトリ更新 2025年9月3日: 2️⃣ 2回目のリポジトリ更新 2025年8月28日: 🎉
こんにちは、あるいは こんばんは。ジロウです♪ 僕の note を開いてくださり、ありがとうございます。 先日ふと、 「生成したキャラクターの表情だけを自在に変えるツールが欲しいなぁ～」 って思ったので、 Google AI Studio の Build機能に作ってもらいました♪ ミッドジャーニーのエディタ機能や Stable Diffusion の Inpaint みたいに、元画像の目や口をカーソル操作で消す必要もないです♪ しかも、高性能な nano-banana のお陰で、ほぼ どんな元キャラでも一貫性を保ってくれます♪ というわけで、早速 本題へ参りましょう！ ◆『キャラクター表情チェンジャー』の共有方法※大前提として、Googleアカウントが必要です。 ① 下記より、Google AI Studio内にあるツール『キャラクター表情チェンジャー』にアクセスしてください。 Googl
こんにちは、リテールアプリ共創部の戸田駿太です。 普段から登壇が多いクラスメソッド社員用にクラスメソッドMarpテーマを作成しました！ その紹介と背景や影響についてブログにします。 Marpとは Marpとは、マークダウンをスライドに変換するツールです。 特徴としては以下のような点があります。 マークダウンで書くだけでスライドができる VSCodeの拡張機能で編集しながらプレビュー可能 PDF、HTML、PPTX形式で出力可能 日本人の方が制作・管理している Marpを使うことでマークダウンでメモした内容からスライドを作成しやすいためすごく便利になります。 最近だと生成AIを使うことでスライドのメモや内容をそのままMarp形式のマークダウンに変換することができるようになりました。 公式サイト↓ 社内用のMarpテーマを作った背景 社内で生成AI活用に大きく乗り出している中で、AIを使ってス
生成AIやLLMの活用は、多くのビジネスパーソンにとって日常の一部となりつつあります。しかし、その使い方が「ChatGPTなどのAIとのチャット」や「リサーチ作業」に留まってしまっているケースは少なくないのではないでしょうか。 もちろん、それだけでも十分に強力ですが、生成AIやLLMの真価は「自動化ワークフローへの組み込み」によってさらに引き出されます。 AIを活用した自動化というと、「Dify」が話題に上がることが多いです。 しかし、DifyはAIアプリ開発者のニーズにも応えられるように作られた多機能なプラットフォームであり、ワークフローの構築やAPI連携には専門的な知識が求められる場面も少なくありません。 実際、「エンジニア向けの解説記事は多いものの、多忙なビジネス職の方がすぐに実践できる、地に足のついたAIワークフロー構築の情報はまだ少ない」と感じている方も多いのではないでしょうか。
本記事では、AIエージェントの性能を高めるための手法について、ざっくり解説します。 株式会社ナレッジセンスは、「エンタープライズ企業の膨大なデータを掘り起こし、活用可能にする」プロダクトを開発しているスタートアップです。 この記事は何 この記事は、AIエージェントに「手続き記憶」を持たせることで性能を向上させる手法「Memp」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもAIエージェントとは？」については、知っている前提で進みます（参考）。 本題 ざっくりサマリー Mempは、AIエージェントの精度・効率を上げるための新しい手法です。浙江大学とアリババの研究者らによって2025年8月に提案されました。 ここで言う「AIエージェント」とは、例えばOpenAIの「Deep Research」や「Claude Code」のようなエージェントです。 「AIエージェント」が
はじめに：コードを書くのをやめた日 先週、3日かけて書いていたTypeScriptのコードを全て捨てました。 代わりに、Claudeと30分話して、同じ機能を2時間で実装しました。しかも、元のコードより品質が高い。 これは「AIでコーディングが速くなった」という話ではありません。我々がソフトウェアを作る方法が、根本から変わったという話です。 Context is King：なぜMarkdownが最強なのか なぜか？ LLMのトークン効率: MarkdownはJSONより平均30%少ないトークンで同じ情報を表現 文脈の保持: 人間の思考プロセスをそのまま保存できる バージョン管理: Git diffが人間にも読みやすい 新しいツールスタック：学習曲線はもう関係ない 1. Effect-TS vs 素のTypeScript ❌ 従来：シンプルだが脆い async function fetchU
【AIでサムネ作れる？！】 Qwen-Image-Edit の"本当の使い方"｜99％が知らない、公式ワークフローがダメな理由と、AIサムネイルを爆速で時短作成する方法をご紹介します。 「AIでサムネイルを作る」が当たり前の時代へ。どうも皆さん！プロテインはタイミングよりも総摂取量の方が大事だと最近知りました。 葉加瀬あい（ハカセアイ） です！ 突然ですが皆さん、今の時代のサムネイル、実は AIの力だけで作れる って信じられますか？ 今回は、以前の記事でもご紹介して、 本当にたくさんの方から「すごい！」「革命的！」と大反響だった画像編集AI『Qwen-Image-Edit』の、 "本当の使い方" を、皆さんにハンズオン形式で伝授したいと思います！ というのも、前回の記事の後、本当に多くの方から、特にComfyUIを使っている皆さんから、こんなお悩みの声をいただいたんです。 「葉加瀬さん！公
オリジナルの公開場所: https://www.nocobase.com/ja/blog/github-open-source-ai-projects. 2025年8月5日、OpenAI は2つのオープンソース大規模言語モデル（LLM）gpt-oss-120b と gpt-oss-20b を正式に公開しました。これは GPT-2 以来、OpenAI にとって初のオープンソース LLM のリリースです。 オープンソースの言語モデルの陣営に、また新たな大型プレイヤーが加わりました。多くの開発者にとって、AIプロジェクトにおいてオープンソースは常に優先事項です。OpenAI の参加により、オープンソースの LLM 界隈はさらに勢いを増しています。 この機会に、注目すべきオープンソースの AI プロジェクトを紹介します。 LLM の統合、エージェント構築、マルチモーダル生成、知識ベースの QA シ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
