AIシェアリングサークル

MiMo-VLはシャオミのオープンソースのマルチモーダルグランドモデルで、視覚コーダー、クロスモーダル投影レイヤー、言語モデルで構成されている。視覚コーダーはQwen2.5-ViTに基づいており、ネイティブ解像度の入力をサポートし、より詳細な情報を保持する。言語モデルはシャオミが独自に開発したMiMo-7Bで、複雑な投影のために設計されている。

Olovka AIは、学生のためのAIアカデミックライティング支援プラットフォームで、学生の学術レベル、専門分野、論文の種類に基づいた的確なライティングアドバイスと支援を提供します。インテリジェントなアルゴリズムに基づき、Olovka AIは学生が高品質な学術論文を素早く執筆できるようサポートします。

Fish Audioは、テキスト音声合成(TTS)と音声クローンをサポートする強力な生成AI音声合成ツールです。ユーザーはテキストを入力するだけで、自然で滑らかな音声に変換することができ、プラットフォームはさまざまな言語と音声スタイルを提供し、さまざまなシナリオやユーザー...

SignGemmaは、Google DeepMindが提供する世界で最も強力な手話通訳AIモデルであり、アメリカ手話（ASL）の英語テキストへの正確な翻訳をサポートする。このモデルはマルチモーダルトレーニングに基づいており、視覚データとテキストデータを組み合わせることで、手話の動作をリアルタイムで捉え、素早くテキストに翻訳する。

FLUX.1 Kontextは、Black Forest Labs社の画像生成・編集モデルで、コンテキストを意識した画像処理技術を提供する。このモデルは、テキストや画像の合図に対する反応を理解し、オブジェクトの修正、スタイルの変換、背景の置換などのタスクを実行しながら、コーナー...

WebAgentは、Alibaba Tongyi Labsが開発したオープンソースの自律型検索AIエージェントで、強力なエンドツーエンドの自律型情報検索と多段階の推論機能を備えています。WebAgentは、人間のようにネットワーク環境を能動的に認識、判断、行動することができ、学術研究やビジネスの意思決定に広く利用されています。

Spirit Code IDEは、同義Spirit Codeが発売したAIネイティブ統合開発環境（IDE）で、千題の3大モデルに深く適応し、強力なプログラミング知能体モードを持っており、プロジェクトの認識、コードの検索、端末操作の実行などのタスクを自律的に完了することをサポートします。MCPツールをサポートし、Magic Hitch MCP Squareの3...

BAGELは、ByteDanceによってオープンソース化されたマルチモーダルベースモデルで、140億のパラメータを持ち、そのうち70億がアクティブである。このモデルベースとMixed Transformer Expert Architecture (MoT)は、それぞれ独立した2つのエンコーダで画像のピクセルレベルとセマンティックレベルの特徴をキャプチャし、画像、テキスト、ビデオの効率的な処理をサポートします。

DeepSeek-R1は、杭州を拠点とするDeepSeekが発表した高性能AI推論モデルで、OpenAIのo1正式版に対するベンチマークである。このモデルは、大規模な強化学習技術に基づいて事後学習されており、数学、コード、自然言語で推論を行うために必要なラベル付きデータはごくわずかである。

Phantom Boat AIは、CM、プロモ、アニメーションなど、様々なタイプの映像コンテンツの効率的な一括生成をサポートする、ワンストップの強力なAIショートフィルム作成プラットフォームです。Midjourney、Runwayをはじめとする世界最先端のAIモデルをベースとしたこのプラットフォームは、脚本作成から...