全ての記事
-
長時間ビデオ生成の新境地!? ~TTTとトランスフォーマーの統合アーキテクチャ~
従来のアプローチとその限界 長時間のビデオ生成タスクにおいて、現在の深層学習モデルは根本的な制約に直面していま…
-
AIエージェントの現状と今後の展望
AIエージェント 近年、ウェブ検索やオンラインタスクの自動化の分野で、AIエージェントが急速に発展しています。…
-
J-Moshiとは? Moshiから理解する
先日、J-Moshiという、日本語におけるfull-duplex音声対話システムされ、大きな話題を呼びました。…
-
AIで動画編集!? “AI Video Composer” (huggingface_demo)
PinokioやHuggingFaceで発見し、気になっている人もいるかと思います。いったい何ができるの? 状…
-
Seed-VCのセットアップとGPU活用ガイド
はじめに 音声変換モデルであるSeed-VCをローカル環境で実行し、GPUを活用して高速に処理を行うためのセッ…
-
【LightRAG】より優れたGraphRAG
概要 https://github.com/HKUDS/LightRAG LightRAGは、香港大学のデータ…
-
【Llama3 】日本語モデル導入方法
はじめに https://huggingface.co/mmnga/rinna-llama-3-youko-8…
-
【Sora】アーティストらによるFirst Impressionsはじめに
はじめに OpenAIのSoraが一部のアーティストや映像制作系の方々に限定公開され、彼らがSoraで作成した…
-
【Fish Speech】Bert-Vits2の派生系らしいので試してみた
はじめに 最近日本語TTSといえばStyleBertVits2がブイブイ言わせていますが、実は元となったBer…
-
【Suno】生成する曲の性別指定はできるのか？
はじめに 今回はSuno AIでボーカルの性別指定が可能かどうか検証します！ 自分で考えた歌詞や、ChatGP…