“好きな人の声”のオーディオブックを電子書籍から作るAI、AI画像を超高速生成する「InstaFlow」など重要論文5本を解説（生成AIウィークリー） | テクノエッジ TechnoEdge

2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 1週間分の生成AI関連論文の中から重要なものをピックアップし、解説をする連載です。第12回目は、好きな声でオーディオブック作成するAI、Stable Diffusionの40倍高速な画像生成AIなど5つの論文をまとめました。 生成AI論文ピックアップテキスト、画像、動画、オーディオのいずれでも入出力できるマルチモーダル生成AI「NExT-GPT」 電子書籍を“好きな人の声”のオーディオブックに変換するシステム マイクロソフトなど開発 自律型AIエージェントを改造するためのオープンソースプラットフォーム「Agents」 写真内の被写体を“軽く引っ張る”と揺れ動くモデル Googleらが開発 Stable Diffusionより40倍以上高速にテキスト

[Seamless]

後3つは非技術者でもLLM自律型AIを簡単改造できる「Agents」,0.09秒で文章指示から画像生成するAI「InstaFlow」,写真内の被写体を“軽く引っ張る”と揺れ動くGoogleモデル