AI日報：Google Gemini 1.5 アップグレード；OpenAI、ChatGPT高度音声モード発表；阿里巴巴、画像から動画生成ツールMIMO発表

【AI日報】へようこそ！ここは、あなたが毎日人工知能の世界を探求するためのガイドです。毎日、AI分野のホットなコンテンツをご紹介し、開発者に焦点を当て、技術トレンドの把握や革新的なAI製品の応用を理解するお手伝いをします。

最新のAI製品詳細はこちら:https://top.aibase.com/

1、OpenAIがChatGPTの高機能音声モードを発表、5つの音声スタイルを追加

OpenAIは、ChatGPT PlusとTeamユーザーにパーソナライズされたコミュニケーション体験を提供する、全く新しい高機能音声モードを発表しました。ユーザーは5つの音声スタイルと話し速度を選択でき、最大50言語に対応し、音声コミュニケーションの円滑さとパーソナライズを向上させます。この新機能により、ChatGPTは教育、法律、ビジネス、医療など幅広い分野での活用が可能になり、ユーザーにより良い体験を提供します。

【AiBase要約:】
🎤 高機能音声モードの開放:最大50言語に対応し、パーソナライズされたコミュニケーション体験を提供。
🎶 カスタマイズ可能なインタラクション:ユーザーは5つの音声スタイルと話し速度を選択でき、より柔軟なパーソナライズされたコミュニケーションが可能。
🌍 幅広い適用シーン:音声モードは教育、法律、ビジネス、医療分野で幅広く活用され、ユーザー体験を向上。

2、Google Gemini 1.5がアップグレード:性能が大幅に向上し、価格は半額に

Googleは本日、Gemini-1.5-Pro-002とGemini-1.5-Flash-002を含む、新しくアップグレードされたGeminiモデルシリーズを発表しました。今回のアップデートは、性能を大幅に向上させただけでなく、驚くべき価格の値下げも実現し、AI開発界に大きな波を起こすことは間違いありません。Gemini 1.5のアップグレードにより、開発者はより高い性能とより低いコストを実現し、さらに多くの選択肢と柔軟性を手に入れることができます。

【AiBase要約:】
✨ 価格の大幅な値下げと性能の大幅な向上により、開発効率が大幅に向上
⚙️ 新しいGeminiモデルは、数学、長文処理、ビジョンタスクにおいて全面的に向上
💡 Gemini 1.5 Proの長文処理能力とマルチモーダル能力は、全く新しいアプリケーションシナリオを開拓
詳細リンク:https://developers.googleblog.com/en/updated-production-ready-gemini-models-reduced-15-pro-pricing-increased-rate-limits-and-more/

3、アリババの新技術MIMO:一枚の写真と動画で、紙の人形が瞬く間にアニメのイケメンに

アリババグループの知能計算研究院が発表したMIMO技術は、アニメーションキャラクターの作成方法を根本的に変えました。静止画一枚と簡単な動作指示だけで、操作可能な仮想キャラクターに変換できます。真人、漫画、擬人化キャラクターを問わず対応可能です。MIMOは操作が簡単で効率的であり、多角的な撮影やキャラクターの個別トレーニングは不要で、2D動画情報と3D空間モデリングを融合しています。適用範囲は広く、複雑な動作を抽出したり、現実的なシーンとのインタラクションを実現したりすることができ、アニメーション制作のハードルを下げ、アニメーションのリアリティと没入感を高めます。

【AiBase要約:】
🎨 革新的なツールMIMOはアニメーションキャラクターの作成方法を根本的に変え、簡単な静止画と動作指示だけで操作可能な仮想キャラクターに変換できます。
🔄 MIMOは操作が簡単で効率的であり、多角的な撮影やキャラクターの個別トレーニングは不要で、2D動画情報と3D空間モデリングを融合しています。
🌐 適用範囲は広く、複雑な動作を抽出したり、現実的なシーンとのインタラクションを実現したりすることができ、アニメーション制作のハードルを下げ、アニメーションのリアリティと没入感を高めます。
詳細リンク:https://top.aibase.com/tool/mimo

4、iflytek星火APIが大幅にアップグレード:Lite版は永久無料、Max版は1億トークンを無料で入手可能

科大訊飛の訊飛開放平台は、訊飛星火APIプラットフォームの大幅なアップグレードを発表しました。Spark Maxモデルと4.0 Ultraモデルが含まれ、生成速度、論理的推論、創造力、オンライン検索などの重要な性能が向上しました。アップグレードされたモデルは、論理的推論においてより高速で正確になり、論理的で実用的な記事を生成し、長文タスクの処理に対応します。価格は据え置きで、無料のLite版と割引キャンペーンを提供しています。性能が全面的に向上し、国際的にトップクラスのGPT-4 Turboを凌駕しています。

【AiBase要約:】
🚀 生成速度と重要な性能（論理的推論、創造力、オンライン検索など）が向上。
💡 モデルは論理的推論においてより高速で正確になり、詳細な推論プロセスを提供できます。
📝 新しいモデルは論理的で実用的な記事を生成し、長文タスクの処理に対応します。価格は据え置きで、無料のLite版と割引キャンペーンを提供しています。
詳細リンク:https://xinghuo.xfyun.cn/sparkapi

5、Googleの新音声クローン技術:数秒の音声サンプルだけで、音声クローンを実現

急速に発展するテクノロジーの中で、Googleの研究者たちはゼロショット音声変換技術を発表し、声を失った人々が音声の記憶を取り戻すのを支援します。この技術はゼロショット能力を持ち、多言語の音声変換に対応し、強力な適応性と実用性を示しています。短い音声サンプルから、特定の発音者の声を合成することに成功し、音声コミュニケーションの可能性を大幅に広げます。

【AiBase要約:】
🎤 ゼロショット音声変換技術:大量のサンプルが不要で、声を失った人々の音声を取り戻すのを支援。
🌍 言語能力:異なる言語間の音声変換を実現し、音声コミュニケーションの可能性を広げる。
🗣️ 特殊発音者の適用:短い音声サンプルから、特殊発音者の声を合成することに成功し、技術の適応性と柔軟性を示している。
詳細リンク:https://google.github.io/tacotron/publications/zero_shot_voice_transfer/

6、生数科技の動画生成モデルViduがAPIを公開

百度雲智大会で、生数科技は、同社の動画大規模モデルViduが正式にAPIを公開し、百度スマートクラウド千帆大規模モデルプラットフォームに統合されたことを発表しました。これは、初の動画大規模モデルとなります。Viduは、高い動的性、多様なスタイル、極めて高い推論能力などの優れた特長を備え、動画モデルの一貫性のある生成という課題を解決し、映画、アニメーション、広告などの業界における動画制作の加速化が期待されます。

【AiBase要約:】
🚀 ViduはAPIを公開し、百度スマートクラウド千帆大規模モデルプラットフォームに統合され、初の動画大規模モデルとなった。
💡 Viduは高い動的性、多様なスタイル、極めて高い推論能力などの優れた特長を備え、動画モデルの一貫性のある生成という課題を解決している。
💼 Viduは、映画、アニメーション、広告などの業界における動画制作の加速化が期待され、コスト削減、効率向上、革新的な発想の促進につながる。

7、異分野コラボ！『タイタニック』のジェームズ・キャメロン監督がStability AIの取締役会に加わる

ジェームズ・キャメロン監督がStability AIの取締役会に加わったことで、映画業界に衝撃が走りました。AI技術と映画芸術を融合させ、革新的なストーリーテリングの方法を開拓します。キャメロン監督とStability AIチームは協力して、視覚メディアの未来を再構築し、期待が高まっています。

【AiBase要約:】
📽️ **キャメロン監督がStability AIに参加**:ハリウッドの伝説的監督がAI企業の取締役会に加わり、企業にとって大きな勝利。
🤖 **AIとCGIの融合**:キャメロン監督は、生成AIとCGIの融合がストーリーテリングの革新を推進すると考えている。
🌟 **業界巨人の強力な連携**:Stability AIは元Facebookの社長を迎え入れ、企業の業界影響力を強化。

8、報道によると、Anthropicは今年の収益が10億ドルを突破する見込みで、年間成長率はなんと1000％！

Anthropicは人工知能のスタートアップ企業であり、今年の収益は10億ドルに達すると予想されており、成長率は1000％にも上り、AI技術に対する強い需要を示しています。同社の収益の60～75％はサードパーティAPIの使用によるもので、市場は同社の技術に大きく依存しています。競合他社のOpenAIは65億ドルの資金調達を計画しており、評価額は1500億ドルに達し、AI競争は激化しています。AI技術は、様々な業界の未来を不断に作り変えています。

【AiBase要約:】
🌟 Anthropicは今年の収益が10億ドルを突破する見込みで、年間成長率は1000％。
🤖 収益の60～75％はサードパーティAPIによるもので、市場は同社の技術に大きく依存している。
💰 OpenAIは65億ドルの資金調達を計画しており、評価額は1500億ドルに達し、AI競争は激化している。

9、Hugging FaceがHuggingChatのネイティブmacOSクライアントをリリース

Hugging Face社が新しくリリースしたHuggingChatのネイティブmacOSクライアントは、macOSユーザーにシームレスで直感的な高度なAI対話体験を提供します。ローカルで言語モデルを使用でき、Markdown、ウェブブラウジング、コード構文の強調表示などの便利な機能が統合されています。ユーザーは簡単なインストール手順でアプリケーションをすばやく起動し、いつでも強力なAIチャット機能を楽しむことができます。

【AiBase要約:】
🚀 HuggingChatのmacOSクライアントは、macOSユーザーにシームレスで直感的な高度なAI対話体験を提供します。
💻 ユーザーはGitHubリポジトリのReleasesセクションにアクセスして、最新のHuggingChat-macOS.zipファイルをダウンロードし、解凍するだけでHuggingChatを簡単にインストールできます。
🔑 ユーザーはアプリケーションフォルダから、または⌘ + Shift + Returnのショートカットキーを使用して、アプリケーションをすばやく起動できます。
詳細リンク:https://github.com/huggingface/chat-macOS

10、警告！ハッカーがChatGPTの脆弱性を利用して偽の記憶を注入し、ユーザー情報を窃取

最近、セキュリティ研究者のジョン・レイベック氏がChatGPTの脆弱性を発見しました。この脆弱性により、ハッカーがユーザーの長期記憶に偽の情報や悪意のある指示を注入する可能性があります。OpenAIは一部の修正策を発表しましたが、ユーザーは信頼できないコンテンツによるプロンプトインジェクション攻撃の可能性に依然として注意する必要があります。

【AiBase要約:】
🛡️ ChatGPTの脆弱性により、ハッカーがユーザーの記憶に偽の情報を注入できる可能性がある。
💻 脆弱性は長期記憶機能を利用して、ユーザーが入力したデータを永久的に窃取する。
🔍 ユーザーは定期的に保存されている記憶を確認し、偽の情報が注入されていないかを確認する必要がある。
詳細リンク:https://embracethered.com/blog/posts/2024/chatgpt-hacking-memories/

11、百度百舸4.0がアップグレード:秒速展開、95％のトレーニング効率、99.5％の効果的なトレーニング時間

百度百舸計算プラットフォーム4.0がアップグレードされ、マルチチップ混合トレーニング能力が向上し、効果的なトレーニング時間は99.5％を超え、計算能力の使用効率が大幅に向上しました。アップグレード後、秒速展開、95％のトレーニング効率、99.5％の効果的なトレーニング時間を実現し、展開効率の大幅な向上とビジネスの開始期間の短縮を実現しました。モデル推論速度とコストを最適化し、長文推論における効率は2倍以上向上し、市場のニーズを満たしています。