7月30日、動画生成AIサービスの老舗であるRunwayが、最新モデルであるGen-3 AlphaでImage to Videoを使えるようにしました。前日には一部ユーザーが短時間使えるようになったと報告していたものが、正式に実装されました。 早速試してみました。 ■Runway Gen-3 AlphaのImage to Videoを試す動画生成のユーザーインタフェースは、Gen-3 AlphaとGen-2を画面左上から選択できるようになっています。Gen-3 Alphaを選ぶと、画像を選択する画面が表示されます。 画像を選択すると、Crop image to supported size (1280x768) と、画面をクロップするよう指示されます。現時点では1280x768解像度固定のようです。 クロップすると、プロンプトを記述し（オプションです）、秒数を指定（10秒がデフォルトですが

仮想的なシステムであり、実際の普及は想定されていない。 言語学習や異文化コミュニケーションのツールとしての可能性がある。 結論ローマ字運動とJaphalbetは、どちらも日本語の表記をラテン文字化する試みという点で共通していますが、その目的、アプローチ、そして想定される使用範囲に大きな違いがあります。ローマ字運動が日本の近代化と識字率向上を主眼としていたのに対し、Japhalbetは国際的な日本語学習とコミュニケーションの促進を目指しています。 また、ローマ字運動が日本語の文法構造をほぼそのまま維持したのに対し、Japhalbetはより大胆な文法の簡略化を提案しています。これは、Japhalbetが非日本語話者にとっての理解のしやすさを重視しているためです。 結果として、ローマ字運動は日本社会に一定の影響を与え、特に技術分野での応用を見出しましたが、Japhalbetは現時点では理論的な提

俺は今、猛烈に後悔している。Apple Vision Pro、無理してでも買っておくべきだった。どうせすぐにはアプリは出てこないだろうとたかを括っていたら、とんでもないキラーアプリが発売初日から出ていたからです。 故ボブ・モーグ博士のレガシーであるMoogシンセサイザーを受け継いでいるMoog Musicの新作シンセサイザーアプリ「Animoog Galaxy」が、Apple Vision Pro専用としてApp Storeで発売されたのです。Vision Proは現在、米国アカウントでしか購入できませんが、このアプリは日本のアカウントでも4500円で買えてしまいます。 ▲Animoog Galaxyは、iPadのApp Storeからも見えていて、購入はできてしまった。Vision Proがないと使えないけど DJアプリはすでに予告されていたし、Meta Questでもいくつか似たような

写真でも絵画でも3Dでも、人物を表現するモチーフとして圧倒的に人気なのは「若い女性」です。テクノエッジにも西川和久氏の「生成AIグラビアをグラビアカメラマンが作るとどうなる？」という大人気連載があります。やはり人物の見目の良さを象徴するのは女性的な美であり、信仰など特別な要因が無い限り、時代を問わず普遍的な価値なのでしょう。 一方でこの記事が対象とする「おじさん」は、不人気なモチーフの代表です。かっこいいとか強いとか、男性性に付加されやすい魅力を添えればともかく、漠然とありふれたおじさんを表現したいと思う人は少ないようです。 私はゲームとWebのエンジニアで、2022年8月頃立て続けに画像生成AIが公開されてからずっと、ゲーム開発に応用できないか色々試してきました。同時に子育てやもっと個人的なことにも画像の生成を試していて、そのひとつが「ありふれたおじさん」です。 少し前には生成したおじさ

OpenAIが、かねてから予告していたGPT Store をようやく開設しました。 個人や企業が作ったカスタム版ChatGPTであるGPTsを分野ごとにブラウズ・検索して利用でき、自分が作ったGPTを公開することもできます。 現状では有料プランのChatGPT Plus加入ユーザーのみ、メニューの「Explore GPTs」から利用可能です。 ストアといっても利用に別途料金が必要なGPTsは今のところありませんが※、OpenAIは今四半期のうちにも、GPTsが利用された回数に応じて制作者に収益を分配するレベニューシェアを開始予定です。 (※ サードパーティーと接続したGPTsなどでは、チャットの過程で有料サービスに案内されることはあります。) 開設されたばかりのGPT Store でトップにフィーチャーされているのは、 AllTrails 世界中のトレッキングコースやアウトドア体験を場所・

1971年福井県生まれ。得意ジャンルは、パソコン・デジタルAV・家電、ネットワーク関連など「電気かデータが流れるもの全般」。主に、取材記事と個人向け解説記事を担当。 本日、12月12日にiOS 17.2が公開になった。このバージョンからiPhone 15 Pro及びiPhone 15 Pro Maxを使うと空間ビデオの撮影が可能になる。 ▲iOS 17.2＋iPhone 15 Proでは空間ビデオの撮影が可能にiPhoneで撮影する「空間ビデオ」というのは、簡単に言えば、右の目と左の目のそれぞれに合わせた映像を記録したビデオということになる。iPhone 15 Proにあるカメラをうまく組み合わせることによって、そういうビデオを簡単に撮れるようになったのだ。 写真アプリにも「空間」という項目が設けられるようになり、他のビデオとも区別されている。来年Apple Vision Proが発売され

ガジェット全般、サイエンス、宇宙、音楽、モータースポーツetc... 電気・ネットワーク技術者。実績媒体Engadget日本版, Autoblog日本版, Forbes JAPAN他 YouTubeは今年、ブラウザーの拡張機能などで提供される広告ブロッカーへの対策を強化し、ユーザーが使用し続けると「広告ブロッカーの利用は、YouTube の利用規約で認められていません」と警告画面を表示するようになりました。 この画面が現れた場合、選択肢に従ってAdblock PlusやuBlock Originといった広告ブロッカーの設定からYouTubeを除外するか、広告表示のない有料プラン「YouTube Premium」を使うことが求められます。 警告画面は右上の×ボタンでいったん消すことはできるものの、そのままでは結局、動画再生時に再び警告画面を見ることになります。

今回はそれだけでは面白く無いので、元画像を絵柄そのまま高精細なフルHDにアップスケールしたい、もしくはそのまま使って絵を変えたい、構図やポーズをある程度固定したい、Photoshopのジェネレーティブ塗りつぶし的な機能は？…と言った、もう少しStable Diffusionっぽい使い方を順に説明する。 image-2-image / UpscalePromptから画像を得る方法を一般的にText-2-Imageと呼んでいる(txt2imgやt2iとも)。文字通りテキストから画像を…と言う意味だ。 Stable Diffusionでは、加えて画像から画像を得る方法があり、これをImage-2-Imageと呼んでいる(img2imgやi2iとも)。言葉よりも画像の方がより多くの情報を持っているので、それを使おうと言う意図だ。 これまで生成した画像の解像度は、832✕1,216や1,024✕1,

半年ほど前までであればGoogle Colabと言うクラウドGPU環境が使え、無料でサクッと動かせたのだが、それが災いし、多くの人が生成AI画像目的で利用したため、リソースが足らなくなり、後述するAUTOMATIC1111は無料枠で使用禁止になってしまった。 AUTOMATIC1111をインストールして使ってみる画像生成AIは各社が提供しており、扱うためのサービスやアプリもいろいろあるが、デファクトスタンダードはStable Diffusionを利用するためのフロントエンドにあたる AUTOMATIC1111だろう。現在は、次世代Stable Diffusion (SDXL)に対応したv1.6.0が公開されている。 ここではOSがWindows 11で、先に提示したNVIDIAのGPUが装着済の前提で解説する。少し前まではPythonやGitを入れたり、いろいろ面倒だったが、現在はbatフ

わずか3秒の元音声から本人そっくりな音声合成が可能な技術「VALL-E X」が誰でも使える形で公開されました。オープンソース版で、ローカルマシンからWebUIで利用できます。さっそくインストールして使ってみました。 以前、ディープラーニングベースの音声・歌声合成ソフトであるDiff-SVC、リアルタイム処理が可能なAIボイチェンRVCを紹介したとき、自分は記事タイトルに「驚異の」という形容詞を付けました。それでも学習には数十分の本人による音声データが必要で、そこまでのデータを用意するのは容易ではありません。それに対してVALL-E Xでは元データが3秒あれば本人に似た声を生成できるのです。

LoRAとは前回はモデルの1つであるCheckpointについていろいろお話した。今回はStable Diffusionが扱えるモデルの中で次によく使われるLoRAについてがお題となる。 連載の第一回では、自前で撮影した実在モデルの写真を学習させた専用のCheckpointを作り、そちらで生成した作例をいくつか掲載した。 これはCheckpoint自体に学習結果を保存する形式で一般的にはファインチューニングと呼ばれている。このキーワード自体は、LLM(大規模言語モデル)でもよく耳にするので、覚えのある人もいらっしゃるのではないだろうか。

著書に『宇宙世紀の政治経済学』（宝島社）、『ガンダムと日本人』（文春新書）、『教養としてのゲーム史』（ちくま新書）、『PS3はなぜ失敗したのか』（晋遊舎）、共著に『超クソゲー2』『超アーケード』『超ファミコン』『PCエンジン大全』（以上、太田出版）、『ゲーム制作 現場の新戦略　企画と運営のノウハウ』(MdN)など。 YouTubeは最新のアップデートとして、視聴履歴をオフに設定するとおすすめ動画が表示されなくなると発表しました 。 YouTubeのインターフェースで見慣れてた「動画のサムネールがずらりと並ぶ」画面は、実はシステム側がユーザーの視聴履歴から判断し、自動的にチョイスしてお勧めしているものです。 しかし、今後はYouTubeの視聴履歴をオフに設定している場合は、おすすめ動画は表示されなくなります。「検索バーと左側のメニューが表示され、おすすめ動画のフィードは非表示」となることで、

SDXL 1.0をAUTOMATIC1111で動かすにはStability AIが画像生成AIのStable Diffusion 1.5をリリースしたのは2022年10月20日。そこから約9ヶ月経った本日2023年7月27日、高画質な最新バージョンSDXL 1.0の登場となった。まだ全く使いこなせていないが、速報と言うことで、その絵をご覧頂きたい。 Stable Diffusion 1.5とSDXL 1.0の大きな違いはザックリ2点。 学習ベースが512✕512ドットから1,024✕1,024ドットへ 1pass式からBase→Refinerと言う2pass式になった 学習ベースの解像度がこれだけ違うと、当然出てくる絵に差が出る。1passから2passになった技術的な理由はさておき、Baseのままでもそれなりに見れ、更にRefinerを通すと解像度や質感が向上する。 BaseとRefin

百聞は一見に如かず。これってAI生成グラビア？AI画像生成に興味を持ったのは去年の年末頃だろうか。Twitterを眺めていると「どうやって撮った(作った)んだ？」と言う画像がたまに載っていたので調べると、Stable Diffusion Web UI (AUTOMATIC1111版)だった。 元々グラビアを撮っていたこともあり、あまり撮らなくなってもグラビア好きなのには違いなく、試したくなったのは言うまでもない。 AI生成画像は大きく分けて2種類あり、一つはイラスト系、もう一つはリアル系。筆者が興味を持ったのは後者。どこまで実写に迫れるのかがその興味の対象だ。百聞は一見に如かず。扉の写真はAI生成画像。現時点でこの程度の写りは容易にこなす。 とは言え、実際の撮影もそうなのだが、グラビア写真は数百枚撮ってカメラマンがある程度セレクトし納品したものが、納品先で更に絞られ、出版社などで更に絞り込

18年間テレビ番組制作者を務めたのち、文筆家として独立。家電から放送機器まで執筆・評論活動を行なう傍ら、子供の教育と保護者活動の合理化・IT化に取り組む。一般社団法人「インターネットユーザー協会」代表理事。 教育界は今、生成AIの出現によって大きく動き始めようとしている。英国ではすでに教員が授業計画の作成や採点にAI技術を活用しており、機会も課題ももたらすものという認識を示した。 ・“ChatGPT禁止”はただの思考停止　学校は「生成AI」とちゃんと向き合うべし 日本においても、文科省がAIの取り扱い指針原案をまとめているという情報もある。夏休み前には公開したいとあるが、指針は有識者会議を経て作成されるという。だがこうした分野こそ、パブリックコメントにかけて有意義な意見を取り込むべきではないだろうか。 ・生成AI、テストで使用は不適切　文科省が学校活用指針案 一方で長時間労働が問題になって

Disney+ でマーベル新作シリーズ『Secret Invasion』の配信が始まりました。 シークレット・インベージョンは、サミュエル・L・ジャクソン演じる「アベンジャーズの生みの親」ニック・フューリーが、姿を自在に変え人間社会に浸透する宇宙人スクラルによる地球侵略計画に立ち向かう作品。 Disney+ のマーベル・シネマティック・ユニバース(MCU)実写シリーズ第八作として、またサミュエル・L・ジャクソン主演作として待望の作品ですが、オープニングクレジットの映像にAI生成動画を使用したことで、人間のアーティストの仕事をAIにやらせている、ディズニーは人間のクリエーターにリスペクトがないのか、雇用を奪うのか等々、ソーシャルメディアやブログ等で一部から非難が集まる事態になっています。 Secret Invasion は誰が密かにスクラルに入れ替わっているのか、敵か味方か分からないまま進行

Microsoftは5月23日（現地時間）、開発者イベントBuildにて、Windowsでの快適な開発環境をサポートするタスクバーの新機能として、アプリを直接右クリックすることでシャットダウンできるようにすると発表しました。 これまで、アプリが固まってしまったり、異常に動作が重くなってしまったりした場合などには、タスクマネージャーを開き、目的のアプリを探してタスクの終了を選択という手順を踏む必要がありました。 しかし、リソースを食いつぶしている場合などには、タスクマネージャーが起動しないということも。そもそも、いちいちタスクマネージャーを起動するのも面倒だという意見も多かったのでしょう。 新機能では、タスクバー上のアプリを右クリックし、メニューからタスクの終了を選択できるようになります。 従来も「ウィンドウを閉じる」というメニューはありましたが、フリーズしているアプリには無力なので、特に不

おいおいまたかよ、驚き屋かお前はと言われそうですが、またゲームチェンジャーなんですよ。ほんとすいません。全部AIが悪いんです。 AI関連はちょっと目を離すと取り残されてしまいます。後から来たのに追い越され、泣くのが嫌なら歩いていくしかないのです。今回、それが再びAI音声合成で起きました。 筆者はAIアートグランプリを受賞したおかげでいろいろなところから取材を受けたり自分でも解説記事を書いたりしていますが、その中で、Diffusion（拡散）モデルを使ったDiff-SVCというAI声質変換によってリアルな元音声を再現できると説明してきました。ですが、これからは「実は今は新しいAI技術を使っているんですよ」と付け加えなければいけません。 妻の歌声を合成するのに使っていたDiff-SVCから別の新しい技術に乗り換えてしまったのです。 Diff-SVCが出た後に、So-VITS-SVC（SoftV

著書に『宇宙世紀の政治経済学』（宝島社）、『ガンダムと日本人』（文春新書）、『教養としてのゲーム史』（ちくま新書）、『PS3はなぜ失敗したのか』（晋遊舎）、共著に『超クソゲー2』『超アーケード』『超ファミコン』『PCエンジン大全』（以上、太田出版）、『ゲーム制作 現場の新戦略　企画と運営のノウハウ』(MdN)など。