謎のAIスタートアップ「オルツ」で何があったのか？｜マスクド・アナライズ
結論：「売上がウソだったのでは？」という疑惑がある。 個人の感想：「疑惑」なので確定ではないが、正直怪しすぎる。 AIスタートアップの「オルツ」って何？会社のホームページには、このような説明があります。 全人類に一人一つのパーソナルAI（P.A.I.）を。 P.A.I.は、個人の記憶の永久保管や意志の代替を可能にし、意識の多元化による人間拡張を実現します。 あなたの知識や経験がデジタル空間で増幅され、個人と社会の新しい進化の可能性が広がります。 https://alt.ai/全人類を再現する、物理的制約を超えた「World Clone」へようこそ。 各P.A.I.は、高次元ベクトル空間で知識と意識をリア
OpenAI の gpt-image-1 を試す｜npaka
OpenAIの「gpt-image-1」を試したので、まとめました。 ・Image generation - OpenAI API 1. OpenAIの画像生成「gpt-image-1」は、OpenAIで最も高度な画像生成モデルで、テキストプロンプトから画像生成および編集できます。高品質な画像生成と、画像作成における世界知識の活用能力を備えています。 現在、「Image API」のみで利用可能です。近日「Responses API」もサポートします。 2. 使用料金2-1. 使用料金テキストトークンと画像トークンには個別の料金が適用されます。 ・テキスト入力トークン (プロンプトテキスト) : 100万トークンあたり5ドル ・画像入力トークン (入力画像) : 100万トークンあたり10ドル ・画像出力トークン (生成画像) : 100万トークンあたり40ドル 実際には、低品質、中品質、高
まるで映画「ブレードランナー」のあのシーン。古い写真の撮影場所をChatGPT o3が12分かけて特定したそのやり方がすごい（CloseBox） | テクノエッジ TechnoEdge
手元に遺された古い写真について教えてくれる人もいない場合、それがいつ、どんなシチュエーションで撮影されたのか知りたいことがあると思います。 筆者は長年疑問に思っていた写真が何枚もあります。 そんなときにはGoogleレンズなどを使うのが定番ですが、人物が写っていると拒否されるという致命的な欠陥があります。ChatGPTのプライバシーポリシーはGoogleと比べると格段に緩いので可能かもしれません。 o3とo4は画像解析、ウェブ検索、コーディングが同時にできるようになったため、期待が持てそうです。 そこで、過去にはまったく撮影場所不明だった、妻の中学・高校時代の写真をアップロードして、「ここはどこ？」と聞いてみました。 もう少し情報があるといいらしいので、「撮影は1970年代末から80年代はじめにかけて」と追記すると、調査を開始。 うまく絞り込めたようで、56秒で結論が出ました。最初の推測通
ChatGPT o3は耳コピもできるってよ。AIで作った曲の分析・改善提案からコードの採譜まで可能に（CloseBox） | テクノエッジ TechnoEdge
OpenAIがChatGPTのLLM（大規模言語モデル）の新モデル、o3とo4-mini、o4-mini、o4-mini-highを公開しました。現在ではPlus、Pro、Teamユーザーが使えます。 新モデルの特徴は、これまでで最高に強力なreasoning機能を持ち、Pythonを駆使してさまざまな解析を行い、Web検索も行い、さらに画像生成もできる。双方向にマルチモーダルな、いわば「全部入り」です。 OpenAIはさらに、「Codex CLI」というターミナルベースのプログラミング環境をオープンソースとして公開しました。OpenAI API Keyが必須のため、完全に無料ではありませんが、2万5000ドル分のAPI利用を提供する取り組みもスタート（最大で100万ドル）するとしています。 ChatGPT o3、音楽の分析はできる？では自分はまず何を試すかというと、Sunoなどを使って自
AI 2027
Daniel Kokotajlo, Scott Alexander, Thomas Larsen, Eli Lifland, Romeo Dean We predict that the impact of superhuman AI over the next decade will be enormous, exceeding that of the Industrial Revolution. We wrote a scenario that represents our best guess about what that might look like.1 It’s informed by trend extrapolations, wargames, expert feedback, experience at OpenAI, and previous forecasting
AIがすべてのプログラミングコードを生成するようになるので「コーディングを学ぶのは時間の無駄」とReplitのCEOが答える
AIが高度なコードを生成するようになったことで、顧客管理ソフトウェアを手がけるSalesforceのCEOが「AI導入が成功したので今年はエンジニアを雇わない」と発言したり、半導体大手・NVIDIAのCEOが「AIがコードを書くのでもうプログラミングを学ぶ必要はない」と発言したりして物議を醸している一方、AIツール自身はユーザーにプログラミングを学ぶよう提言しています。AIによって置き換えられる人間の技能を巡るビジネスリーダーたちの議論に、知識のない人でもプロンプトを入れるだけでアプリを作れるAIを開発したスタートアップ・ReplitのCEOの発言が加わりました。 ‘Don’t study coding now,’ says Replit CEO, ‘instead learn how to…’ - Trending News | The Financial Express https:/
GPT-4oとGemini-2.0の画像生成能力はいかにして作られているのか
はじめに Googleが2025年3月14日に発表したGemini-2.0と、続けてOpenAIが2025年3月26日に発表したGPT-4oの画像生成能力は、これまでの画像生成AIでは到達しえないレベルの制御性・品質での画像生成を実現しました。 ここ1年半ほど画像生成AIいじりを仕事にしてきた者としては、これまで積み上げてきた成果や進捗がすべて無に帰すレベルでの進化が突然起き、巨人にすべてを蹴散らされたという感じです。別のスキルを身につけたほうがいいかな… しかし一方で、この進化は決して1日にして為されたものではなく、これまでの研究成果が地道に蓄積された結果です。本記事では、その驚異的な画像生成能力、ひいてはAny-to-Anyの生成能力の裏にある技術的な背景を、分かる範囲でサクッと解説していきます。 これまでの画像生成AI TL;DR: これまで広く利用されてきた画像生成AIは、拡散モデ
言語モデルの物理学 - ｼﾞｮｲｼﾞｮｲｼﾞｮｲ
言語モデルの物理学 (Physics of Language Models) とは、FAIR (Meta) の Zeyuan Allen-Zhu が提唱した、言語モデルの研究を進めるためのコンセプトです。ざっくり言うと、「あのモデルはこう」とか「そのモデルはこのモデルよりもこう」というような博物学的な知識を深めるのではなく、17世紀にケプラーやニュートンが物理学において行ったような原理に基づいた研究を進め、「言語モデルはなぜこのような振る舞いをするのか」という問いに答えられるようになるべきという考え方です。 言語モデルの物理学の特徴は大きく2つあります。 第一は、ウェブから収集したコーパスを使わず、きっちりコントロールされたデータセットを使って言語モデルを訓練するということ。ウェブは誰も全体像を理解できないほど複雑で、ノイズにまみれています。本物の物理学でも空気抵抗や摩擦があると、「鉄球は
Transformers without Normalization
Normalization layers are ubiquitous in modern neural networks and have long been considered essential. This work demonstrates that Transformers without normalization can achieve the same or better performance using a remarkably simple technique. We introduce Dynamic Tanh (DyT), an element-wise operation $DyT($x$) = \tanh(\alpha $x$)$, as a drop-in replacement for normalization layers in Transforme
RVCより新技術「SBV2」応用のAIボイスチェンジャーアプリ「リアボVC 」💜使用の際は若干早口で活舌よく話してください(ゆかりねっとを高速化&改良した様な仕組みのため) - poipoipoi - BOOTH
【老若男女誰でも現実の20代女性に声変わりしてLINEやVRCで通話できるようになる無料AIボイチェンアプリです】 使用の際はハッキリ活舌よく話してください(ゆかりねっとを高速化した仕組みに近いです) RTX2070以下の場合、steamVRの解像度を0.6くらいに下げ、アバターを表示する数を設定で減らしてください ◈ 商品説明 ◈ マイクに向かってハッキリ活舌よく話すと綺麗に音声認識されて、うまく女子に声変わりできやすいです(高速化したゆかりねっとの様な仕組みです)boothにログインするのが面倒で 本体を直リンクから今すぐダウンロードしたい方へ↓ 改善版v34 https://huggingface.co/ki8dyh45/VC-app-style-bert-vits2-10models-Riabo/resolve/main/RiaboVC-v34.7z?download=true 7
産総研：日本語音声基盤モデル「いざなみ」「くしなだ」を公開
発表・掲載日：2025/03/10 日本語音声基盤モデル「いざなみ」「くしなだ」を公開 －少量の日本語音声データで高性能な音声AIを構築可能に－ ポイント 豊かな感情表現を含む6万時間の日本語音声データから2種類の日本語音声基盤モデルを構築 モデルの改良が容易な「いざなみ」と感情認識や音声認識の能力がより高い「くしなだ」を一般公開 少量データを活用した音声AIの構築・普及に貢献 国立研究開発法人 産業技術総合研究所（以下「産総研」という）人工知能研究センター 深山覚 研究チーム長、緒方淳 客員研究員は、高性能な音声AI構築に利用可能な2種類の日本語音声基盤モデル「いざなみ」「くしなだ」を公開しました。 音声基盤モデルとは、音声データを処理・解析するための汎用的なAIモデルで、音声認識や音声感情認識などに応用が進んでいます。音声基盤モデルの構築には、対象とする言語やそれが使われるシーンを想定
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
GitHub - git-ai-code/FramePack-eichi
https://storage.googleapis.com/deepmind-media/Era-of-Experience%20/The%20Era%20of%20Experience%20Paper.pdf
GitHub - lllyasviel/FramePack: Lets make video diffusion practical!
GitHub - CyberAgentAILab/model-acceleration-tutorial: CyberAgent AI Lab研修： "モデルコードの高速化・最適化チュートリアル"
GitHub - openai/codex: Lightweight coding agent that runs in your terminal
https://www.anthropic.com/research/tracing-thoughts-language-model
自分の画像をChatGPTでどんどん抽象化させていったけど、ちゃんと感性と時間をかけたアウトプットに見える「イラスト業界は本当に厳しいな…」
ChatGPT 4oの画像生成でテキスト能力が上がったらしいので、手書き文字からロゴを生成してみた（CloseBox） | テクノエッジ TechnoEdge
Home | Cartesia
