#マルチモーダルAI6件
#マルチモーダルAI に関連する記事を横断して確認できます。特定テーマの変化を追う入口です。
Elorian、画像推論特化AIモデルGlimpseを発表
AI分野の新興企業Elorianが、初のAIモデル「Glimpse」を発表しました。このモデルは、画像そのものを用いて高度な推論を行う能力を特徴としています。Elorianの評価によると、Glimpseは科学チャートの理解や短尺動画のキャプション生成において、既存の高性能モデルと比較しても優れた結果を出しています。
TechCrunch AIChatGPTが音声ファイルに対応、文字起こし・要約が可能に
米OpenAIは、対話型AI「ChatGPT」が音声ファイルのアップロードに対応したと発表しました。これにより、ユーザーは音声ファイルをChatGPTに読み込ませて、その内容の文字起こしや要約といった処理を行えるようになります。本機能は有料プランのユーザーが利用可能です。
ITmedia AI+Google、動画生成AI「Gemini Omni 1.1 Flash」公開
Googleは、動画の生成および編集機能を備えた新しいマルチモーダルAI「Gemini Omni 1.1 Flash」を発表しました。このAIは、直前の10秒間の文脈を考慮して最大40秒の動画シーンを延長できるほか、特定フレームの指定生成にも対応しています。APIやツールを通じて利用可能となります。
ITmedia AI+国産マルチモーダルAI基盤「FRONTia」が本格始動
経済産業省とNEDOは、国産マルチモーダルAI基盤モデル「FRONTia」の開発プロジェクトを本格始動させました。これはAIロボットやフィジカルAIへの活用を見据えたもので、都内でキックオフイベントも開催されました。
ITmedia AI+
Thinking Machinesが初のマルチモーダルAIを発表
AIスタートアップのThinking Machines Labが、初の基盤モデル「Inkling」を公開しました。この大規模なオープンソースモデルは、動画と音声の理解能力に特化して訓練されています。
WIRED AIMeta、マルチモーダルAI『Muse Spark 1.1』と低価格API提供
Metaは、改良されたマルチモーダル推論AIモデル「Muse Spark 1.1」を発表しました。このモデルは、ツール操作や複雑なコーディングといったエージェント能力が強化されています。同時に、競合モデルより低価格で利用できる「Meta Model API」を通じて、外部開発者向けに公開されました。
ITmedia AI+