KaniTTSは高速で高忠実度のテキスト音声変換モデルで、リアルタイム対話型人工知能アプリケーション向けに最適化されています。このモデルは2段階の処理フローを採用し、大規模言語モデルと効率的なオーディオコーデックを組み合わせています。Nvidia RTX 5080で15秒の音声を生成する際の遅延は約1秒だけで、MOS自然度評価は4.3/5で、英語、中国語、日本語などの多言語をサポートしています。

音声処理Transformers多言語

MolmoActは、アレン人工知能研究所によって開発された完全なオープンソースのロボット操作アクション推論モデルで、Qwen2.5 - 7BとSigLip2の視覚バックボーンネットワークに基づいて構築され、家庭やデスクトップ環境でのロボット操作タスクに特化しています。

マルチモーダルTransformers英語

Llama-3-3Bアーキテクチャをベースにした命令ファインチューニングモデルで、対話、推論、ロールプレイなどのタスクをサポートし、汎用人工知能アシスタントシナリオに適しています。

自然言語処理Gguf英語

OLMo 2 32Bはアレン人工知能研究所(AI2)が公開したオープン言語モデルシリーズで最大規模の32Bパラメータモデルで、Apache 2.0ライセンスでオープンソース化されており、英語言語処理をサポートしています。

自然言語処理Transformers英語

VicunaはLlama 2をベースに微調整されたチャットアシスタントモデルで、ShareGPTで収集されたユーザー共有対話データを使って教師付き指令微調整トレーニングを行って得られました。このモデルは主に大規模言語モデルとチャットボットの研究に使用され、16kのコンテキスト長をサポートし、対象ユーザーは自然言語処理、機械学習、人工知能分野の研究者や愛好者です。

自然言語処理Transformers

Vicunaは、LLaMAをベースに微調整されたチャットアシスタントモデルで、ShareGPTで収集されたユーザー共有対話データを用いて監督指令微調整を行って訓練されました。このモデルは主に大規模言語モデルとチャットボットの研究に使用され、自然言語処理、機械学習、人工知能の分野の研究者や愛好家に強力な研究ツールを提供します。

自然言語処理Transformers