テンセントは、音声と顔写真を使って高品質なアニメーションを生成するAniPortraitプロジェクトをオープンソース化しました。
このプロジェクトは、音声データを取り込み、それを2次元的な顔の輪郭に変換し、拡散モデルを使ってリアルで滑らかな顔のアニメーションを生成します。
実験結果によると、AniPortraitは顔の表現力、ポーズの多様性、視覚効果において優れた性能を示しています。
ユーザーは必要に応じて顔の動きを調整でき、実用性と面白さを高めることができます。
このプロジェクトは直接オープンソース化されており、ユーザーにとって非常に便利です。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
小米の大規模モデルチームは、最新のマルチモーダル大規模モデル Xiaomi MiMo-VL-7B-2508 をオープンソース化したと発表しました。このモデルには RL および SFT の2つのバージョンが含まれています。公式データによると、新しいモデルは学問的推論、ドキュメントの理解、グラフィックインターフェースの位置特定、ビデオの理解の4つの核心的な能力において記録を更新しました。特に MMMU ベンチマークでは初めて70点を突破し、ChartQA は94.4に上昇し、ScreenSpot-v2 は92.5、VideoMME は70.8に改善されました。
PyTorch 2.8が正式リリースされ、Intel CPU上での量子化大規模言語モデルの推論性能が向上。A16W8などの量子化モードをサポートし、レイテンシが20%以上削減。Intel GPU分散バックエンドの実験的サポートも追加。その他、SYCLサポート強化、XPUデバイスにA16W4モード追加、libtorch ABI安定化など。....
Lava Paymentsが580万ドルのシード資金を調達、AIエージェント向け汎用ポイント決済システムを開発。Lerer Hippeauがリードし、チーム拡大と製品開発に活用。創業者は金融科技ベテランで、AI決済の民主化を目指す。....
本文では、現在のAIによるユーザーインターフェース生成において広く見られるパープルテーマの現象を分析し、その原因や技術的な要因、そして今後のUIデザインへの潜在的な影響について考察する。研究によると、この現象はTailwind CSSフレームワークのデフォルトカラースキーマがAIのトレーニングデータで過剰に表現されていることにより生じており、人間のデザインの決定が機械学習モデルのトレーニングプロセスを通じて予期せぬ長期的な影響を及ぼすことを明らかにしている。
CursorはGPT-5の無料提供を開始、有料ユーザーには利用枠を提供。GPT-5はコーディングや数学タスクでClaude Sonnet4を上回り、特にソフトウェア開発に強み。CLIツールも追加され、コマンドラインからAI機能を利用可能。LMArenaランキング1位の高性能モデルで、開発者コミュニティで話題に。....
1.GPT-5発表：多モーダルモデル、階層価格戦略。2.知網AIKBase V2.0：高速検索可能。3.Ideogram：キャラクタースタイル統一機能。4.Cursor CLI：クロスプラットフォーム開発支援。5.百度新推論モデル発表予定。6.dots.ocr：軽量文書解析ツール。7.テスラDojoチップ中止。8.Google Pixel 10 AIカメラ機能追加。9.Augment CodeがGPT-5対応。10.Amazon Bedrockが最大AIプラットフォームに。....
dots.ocrは1.7Bパラメータの軽量多言語文書解析モデル。OCR分野で優れた性能を発揮し、1）軽量で効率的、2）100言語対応、3）レイアウト要素の正確な認識、4）表・数式の解析可能。文書デジタル化に適するが、複雑な表や画像処理に課題あり。....
OpenAIの最新GPT-5モデルがClineで公開され、推論やコード品質、UXが大幅に向上。複雑なタスク処理に優れ、Claude4Sonnetを上回る。多機能な3バージョンを提供し、開発・研究・企業自動化に最適。....
カーソルがコマンドラインインターフェース（CLI）バージョンを提供し、開発者にターミナル環境でのAIプログラミングのサポートを提供します。新バージョンは自動スクリプト作成、ドキュメントの更新、セキュリティレビューの起動などの機能をサポートしており、開発者はターミナルでリアルタイムにAIの動作を調整できます。特徴にはAIが生成したコードをワンクリックでチェックする機能や、Linux/macOS/Windowsのターミナル環境との互換性があり、特にグラフィックインターフェースのないサーバー開発に適しています。CLIバージョンによりカーソルはエディタから包括的な開発ツールへと進化し、開発者コミュニティからの評価を得ており、その姿を見せています。
テスラの創業者エロン・マスクは最近、ソーシャルメディアでDojoスーパーコンピューターチームの解散に関する噂に対して公然とコメントし、会社が2種類の異なるアーキテクチャを持つAIチップを同時に開発する戦略を終了すると明確に述べた。彼は、リソースを分散してDojoと次世代のAIチップを並行して開発する行為は効率が悪く、テスラはAI5、AI6などの後続の核心的なチップに集中して開発を行うと語った。