最新のAIリソース

Tizzy.aiはBaiduが発表したAIインテリジェント検索アプリケーションです。Tizzy.aiはBaiduのビッグモデル技術に基づいており、強力なインテリジェント検索機能を備え、質問に素早く答え、深く考え、意思決定を支援することができます。Tizzy.aiはシンプルなインターフェイスで、広告やポップアップがなく、ガイドの下部に...

概論 PMエージェントは、OpenGig社がプロダクトマネージャーや開発チームのために開発した人工知能ツールです。自動的にミーティングを記録し、詳細な要件ドキュメントに変換し、ユーザが手作業で整理する時間を節約できるよう支援します。このツールは、迅速な要件定義が必要な方に適しています。

概要 LineAvatarsは、Notionスタイルのラインアバターを生成するためにデザインされた、無料で使いやすいオンラインツールです。ユーザーは写真をアップロードするか、ウェブカメラで写真を撮ると、システムが自動的にAIを使ってラインアバターを生成します。このツールは...

Molmo 2は、Allen Institute for AI (Ai2)によって公開されたオープンソースのマルチモーダルモデルで、ビデオやマルチイメージの理解を向上させる。Molmo 2 (8B)、Molmo 2 (4B)、Molmo 2-O...の3種類があります。

InteriorGSは、Qunar Technologyによって導入された高品質の3Dガウス意味データセットである。このデータセットには、住宅、コンビニエンスストア、結婚式場、美術館など80以上の屋内環境をカバーする1,000の3Dシーンが含まれている。このデータセットには、755のカテゴリに分類された554,000以上のオブジェクトインスタンスが含まれている。

Qwen3-TTS-FlashはAli Tongyiによって導入された先進的な音声合成モデルで、北京語、英語、方言などをカバーする17の声調と10の言語をサポートする。

包括的な紹介 ReSearchは、強化学習（RL）によって大規模言語モデル（LLM）の検索と推論を改善するために、Agent-RLチームによって開発されたオープンソースの研究ツールです。プロジェクト...

MagicTryOnは、浙江大学コンピューター科学技術学院がvivoや他の組織と共同で立ち上げた先進的なビデオバーチャルトライオン・フレームワークである。このフレームワークは、従来のU-Netアーキテクチャを革新的なDiffusion Transformer (DiT)アーキテクチャに置き換え、完全なセルフアテンションマシンと組み合わせたものである。

AudioGen-Omniは、Racerのマルチモーダルオーディオ生成モデルで、ビデオやテキストなどの入力に基づいて高品質のオーディオ、スピーチ、歌を生成します。AudioGen-Omniは、マルチモーダル拡散トランスフォーマーや位相整合トランスフォーマーなどの高度な技術に基づいています。

ハイブリッド3D 3.0は、3D-DiT階層造形技術に基づくテンセントの先進的な3D生成モデルで、最大1536³の幾何学的解像度を持ち、超高精細でディテールに富んだ3Dモデルを生成でき、五感や体型を正確に造形できるなど、キャラクターモデリングに優れている。

概要 ThinkAnyは、RAG(Retrieval Augmented Generation)テクノロジーと、ユーザーに高品質なコンテンツと効率的な回答を提供するために設計されたスマートアンサー機能を組み合わせた先進的なAI検索エンジンです。このプラットフォームは、トップコンテンツを集約して検索することで、包括的な要約と洞察を提供します。

概要 Extract.funは、Cloudflareのブラウザレンダリング機能を使用して、あらゆるWebサイトから画像を抽出する最新のWebアプリケーションです。Remix上に構築され、Cloudflare Pages上に配置されたこのアプリケーションは、高速な画像抽出を提供します。

VoxCPM 1.5は、Facade Intelligence社がリリースしたオープンソースの音声生成モデルで、スプリッターを必要としないテキスト音声合成（TTS）技術をベースに、いくつかの革新的な改良が加えられています。エンド・ツー・エンドの拡散自己回帰アーキテクチャを採用し、テキストから直接連続音声波形を生成することで、従来のセグメンテーション手法の制限を回避...

包括的な紹介 DeepResearcherは、上海交通大学のGAIR-NLPチームによって開発されたオープンソースプロジェクトです。強化学習(RL)によって実際のウェブ環境でエンドツーエンドで学習された大規模言語モデル(LLM)に基づくインテリジェントな研究ツールです。プロジェクト...

概要 Qwilrは、営業チームがプロフェッショナルな提案書や見積書を作成するためのオンラインツールです。従来の静的なドキュメントに代わり、コンテンツ、見積書、案件を美しくインタラクティブなウェブページに統合します。営業資料の迅速な作成、顧客とのやり取りの追跡、一般的な見積書との連携が可能です。

Sparkifyは、Googleが発表したAIアニメーション動画生成プラットフォームである。このプラットフォームはGemini 2.5とVeo2モデルに基づいており、ユーザーは質問や複雑な概念を入力すると、Sparkifyは関連する知識ポイントを説明する直感的なアニメーションショートビデオを2分で生成する。このプラットフォームは、テキスト、画像、...

概要 Sima Huapeng.AIは、人工知能のインタラクティブな学習とコミュニケーションに焦点を当てたプラットフォームです。世界初のAI最高経営責任者（CEO）である司馬華鵬が設立したこのサイトは、AI技術による多様な学習とコミュニケーション体験をユーザーに提供することを目的としている。ユーザーは、このプラットフォーム上でAIと英会話の練習をすることができる。

総合紹介 QuickPiperAudiobookは、様々なテキスト形式（epub、mobi、txt、PDF、HTMLなど）を、簡単なコマンド1つで自然な音声のオーディオブックに変換するために設計されたオープンソースプロジェクトです。このツールはPi...

MoFlowは心理学とAI技術を組み合わせた感情管理アプリだ。ユーザーが自分の感情を文章やチャットで表現できるプライベートな空間を提供し、AIパートナーが辛抱強く話を聞いてフィードバックしてくれる。

MirageLSDは、Decart AIチームによる世界初のリアルタイムストリーミング拡散AIビデオモデルであり、40ミリ秒という低レイテンシーと24フレーム/秒のスムーズな出力で、無制限のリアルタイムビデオ生成を可能にする。

Step-GUIはStep-StarのオープンソースAIエージェントシリーズで、クラウドモデルStep-GUI、GUIエージェントのための最初のMCPプロトコル、携帯電話の展開をサポートする業界初のオープンソースエンドサイドモデルStep-GUI Edgeを含みます。

概論 Wanchiウェブサイトは、AI文書の閲覧、コンテンツ作成、共有のためのワンストッププラットフォームを提供する。ワンクリックチャット、文書分析、AIコンテンツ作成、様々なテンプレートを使用したプレゼンテーション作成をサポートするフル機能のパーソナルAIワークステーションをユーザーに提供します。ユーザーは、このサイトのツールを使用することができます...

Ming-Omni-tts 是蚂蚁集团与Inclusion AI联合开源的多模态音频生成模型，包含0.5B和16.8B-A3B两个版本。模型首次实现了语音、环境音和音乐的统一自回归生成，支持语速、音量...

MiniMax Speech 2.5は、MiniMaxチームによって開発された高度な音声生成モデルです。音声合成の分野において、特に多言語の表現力、音色の再現精度、言語カバー率の点で大きな進歩を遂げています。このモデルは40の言語をサポートしています。

総合紹介 オンライン画像翻訳サービスは、OCR技術とテキスト翻訳技術により、画像内のテキストを認識し、翻訳します。このサービスはYoudao Zhiyunによって提供され、複数の画像フォーマットと複数の言語をサポートしています。ユーザーは、ウェブサイトで直接使用したり、APIやSDKを介してアプリケーションに統合することができます...

AIチュートリアルの黎明期に最もホットな金儲けのアイデアは、童話図鑑の作成を教えることで、後に童話アニメが生まれたが、これらの動画はとても見やすく、操作するとすぐに行き詰ってしまう。 その理由は、やはり敷居がやや高く、内容や生成される画像の質が心配だからだ。までは． gptとクラウド生成...

TuriX-CUA 是开源的 AI 桌面自动化工具，能通过截屏、多模态模型决策和自动化操作实现电脑交互。让 AI 模型直接操作电脑桌面环境。支持 macOS 和 Windows 系统，通过先进的计算机...

Matrix-Game 2.0は、Kunlun SkyWork AIがリリースした自社開発のインタラクティブワールドモデルです。Matrix-Game 2.0は、業界初のオープンソース、リアルタイム、長シーケンスの汎用シナリオ用インタラクティブ生成モデルであり、複数のシナリオを25FPSで動作させることができる。

JoyAgent-JDGenieは、オープンソースの軽量汎用マルチインテリジェンスシステムです。

ChatGPT Studyは、ソクラテスのような質問、足場となる回答、パーソナライズされた質問を通して、ユーザーが能動的に考え、段階的に問題を解決できるようガイドします。

総合紹介 Infini-Megrezは、ハードウェアとソフトウェアの共同設計により、効率的なマルチモーダル理解と解析の実現を目指し、不問の中核ドーム（Infinigence AI）が開発したエッジ・インテリジェンス・ソリューションである。プロジェクトの中核となるのは、グラフをサポートするMegrez-3Bモデルである。

概要 II-Researcherは、Intelligent-Internetチームによって開発され、GitHubでホストされているオープンソースのAI研究ツールです。インテリジェントなウェブページやマルチステップサブ...

UnifoLM-VLA-0 是宇树科技 UnifoLM 系列的首款操作型大模型，突破传统视觉语言模型（VLM）仅能理解图像文字的局限，通过在机器人操作数据上的持续预训练，实现从"图文理解"向具备物理常...

概要 OpenDeepResearcherは、人工知能技術によって研究効率を向上させるために設計されたオープンソースの自動ディープリサーチツールです。プロジェクトはmshumerによって開発され、GitHubでホストされています。OpenDeepResear...

概要 LensGo は、AI 技術を使用して簡単にスタイルを変更するビデオを作成するためのプラットフォームで、スタイル変更、画像生成、テキストからビデオへの変換、トレーニング、モデリングのためのツールを提供します。ユーザーは、モデルや画像を使用してビデオのスタイルを変更したり、テキストや画像を手掛かりに画像を生成したり、独自の...

概論 Outerspanは、スタンドアロン・メールボックスを持つAIインテリジェンスのための迅速なデプロイメント・プラットフォームである。ユーザーは、シンプルなAPIやダッシュボードを通じて、メールボックス付きのインテリジェンスを数秒で作成し、Eメールコミュニケーション、カスタマーサポート、データ照合などのタスクを処理することができる。このプラットフォームは、ユーザーが自分で...

AI Jitterbugは、より効率的でインテリジェントなコンテンツ取得体験をユーザーに提供するために、Jitterbugが立ち上げたインテリジェントなディープシンキングと検索アプリケーションです。Jitterbugの強力なコンテンツエコシステムとAI技術に基づき、接続された検索と推論機能を通じて、より包括的で詳細な回答をユーザーに提供します。

Xiaomi-Robotics-0 是小米开源的首代具身智能大模型，拥有47亿参数，采用"大脑+小脑"混合架构设计。视觉语言大脑基于多模态大模型，负责理解人类模糊指令与空间推理；动作执行小脑则通过Di...

Wan2.2-S2VはAli Tongyiのオープンソースのマルチモーダルビデオ生成モデルであり、静止画像と音声のみで、高品質のデジタルヒューマンビデオを生成することができ、様々な画像タイプとフレームをサポートしています。

VibeVoice-ASR是微软开源的统一语音转文本（ASR）模型，专为处理长音频设计，可一次性处理长达60分钟的连续音频，确保语义连贯性和说话人追踪的一致性。支持自定义热词功能，用户可输入特定词汇或...

XVERSE-Ent是元象科技推出的专注于泛娱乐领域的开源大模型，包含中英文双版本，支持社交互动、游戏叙事和文化创作等场景。模型通过角色一致性强化、长剧情理解等技术优化，能在虚拟角色人设稳定性、复杂故...

Chatterbox-Turbo 是 Resemble AI 推出的开源文本到语音（TTS）模型，专为高效、低延迟的语音合成而设计。基于350M参数的精简架构，单步推理生成音频，时间延迟极低，在150...

FlowAct-R1是字节跳动开源的实时交互数字人视频生成框架，能通过单张参考图和音频流式生成无限时长的高保真全身动态视频。核心创新在于分块流式生成技术，将视频拆解为0.5秒一小段接力处理，配合结构化...

Xunlei MCPは、Xunleiが開始した、AI技術に基づく自動ダウンロードサービスです。このサービスをサポートするAIアプリケーションのユーザーは、音声またはテキスト入力でダウンロードを要求すると、AIが自動的にネットワークリソースを検索し、ダウンロードを開始することができます。Xunlei MCPはPC版XunleiとNAS版Xunleiをサポートし、従来のダウンロードモードを打破する。

AutoMVは、M-A-Pチームが複数の大学と共同で開発したオープンソースのミュージックビデオ生成システムで、トレーニングなしで完成した楽曲をもとに首尾一貫したミュージックビデオを自動生成することができる。音楽分析、脚本作成、演出、品質管理モジュールを含むマルチインテリジェンス協調モデルを採用しており、歌詞、ビート、...

一般的な紹介 CloudflareはWorkers AI LLM Playgroundを提供する。この先進的なオンライン・プラットフォームでは、ユーザーがメッセージを書いたり応答を微調整したりすることで、さまざまなAIテキスト生成モデルを探求することができる。このプラットフォームでは、qwen1...

Youdao Little Pは、NetEase Youdaoが発表したAI全教科学習アシスタントで、K12の学生向けに設計され、Youdao Ziyi教育ビッグモデルを搭載し、小学校、中学校、高校の全教科のQ&Aをカバーし、個人的な学習アドバイスを提供する。AI単語検索とAI翻訳機能で、Youdao Little Pは生徒が言語の問題を素早く解決できるようサポートします...

KreadoAI 概要 KreadoAIは、テキストやキーワードを入力するだけで、実在の人物や仮想の人物の話し言葉動画を生成できる、革新的な多言語AI動画・モデリング作成プラットフォームです。本プラットフォームは、スタジオ撮影や実写を必要とせず、コンテンツクリエイターにAIサポートを提供します。

Gemini CLIは、強力なAI機能を開発者に提供するために、開発者のエンドポイントにGemini Big Modelを組み込むことに基づいたGoogleのオープンソースAIプログラミングツールである。このツールは、コードを理解し、ファイルを操作し、コマンドを実行し、問題を動的にトラブルシュートし、開発者が効率的にジェネレーションを書けるように支援する。

AIMangaStudioは、プロット生成、サブシーンデザイン、キャラクター設定などの機能を含む完全なマンガ制作パイプラインをクリエイターに提供し、脚本からマンガページまでの制作プロセスを簡素化できる無料のAIマンガ制作ツールです。プロット、セリフ、キャラクター設定など、マンガ原稿の自然言語生成をサポート。

Skywork UniPicは、KunlunWanweiによるオープンソースのマルチモーダル事前学習モデルで、画像理解、テキスト生成画像、画像編集の3つのコア機能を持つ。このモデルは、MARエンコーダとSigLIP2バックボーンを組み込んだ自己回帰アーキテクチャに基づいており、1.5Bのパラメータゲージを持つ。

ArkClaw是火山引擎推出的云端智能助手平台，基于OpenClaw架构构建，让用户无需繁琐配置可快速部署专属AI Agent。

Colour Swirlは、AIのインテリジェントな作成、複数人でのコラボレーション、安全な共有を統合したワンストップPPT生成プラットフォームです。ユーザーは、テーマを入力したり、テキストをインポートし、プラットフォームは、ワンクリックで高品質のプレゼンテーションを生成することができ、インテリジェントなグラフィックス、テキストの最適化、およびコンテンツのレイアウト調整をサポートしています。カラースワールは、さまざまなシナリオのニーズを満たすために、テンプレートの豊富なライブラリを提供します...

Alpamayo-R1は、NVIDIAが開発した推論機能付きVLA（Vision-Language-Action）モデルであり、複雑なシナリオにおける自律走行の意思決定能力を強化するために設計されている。因果連鎖の推論メカニズムを導入することで、シナリオの因果関係（例えば、「前...

Comate AI IDEは、百度文信Express Codeが発表した業界初のマルチモーダル、マルチインテリジェンス体コラボレーションAIネイティブIDEです。強力なマルチモーダル機能を備え、コードへのキー（F2C）、コードへのイメージ、コードへの自然言語の設計案をサポートし、フロントエンドの開発シナリオでは、卓越したパフォーマンス...

概要説明 GrammarPawはMacユーザーのためのAIライティングアシスタントで、Macのメニューバーで直接動作します。ショートカットキー（デフォルトではControl+Option+Space）を使えば、Mail...などのあらゆるアプリケーションで文章作成の手助けをしてくれます。

Magnific 一般的な紹介 Magnificは革新的な画像拡大・補正ツールです。高度なディープラーニングアルゴリズムを使用し、画像をより高解像度のバージョンに変換すると同時に、驚くほどのディテールとクオリティを追加します。

概要 gpt-prompt-engineerはGitHub上のオープンソースプロジェクトであり、GPTモデルのプロンプトエンジニアリングに焦点を当てている。ユーザはタスクの説明とテストケースを入力することができ、このツールは様々なプロンプトを生成、テスト、ランク付けし、ベストパフォーマーを見つけることができる。

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。

暁星秀は京東保健が発表したAI感情漫画生成製品で、現在テスト段階にある。同製品は感情漫画ストーリー生成を核心機能としており、ユーザーは音声やテキスト入力で感情を表現したり、ストーリーを語ったりすることができ、AIは入力に基づき、マッチした4コマ漫画やストーリー解釈を生成する。

PersonaPlex是英伟达开源的全双工语音对话模型，拥有70亿参数。摒弃了传统的语音识别→语言模型→文本到语音的级联流程，采用统一的Transformer架构，能同步处理语音理解与生成。模型支持全...

OpenScreenは、Screen Studioに代わる使いやすく機能的なオープンソースの無料画面録画ツールです。MacとWindowsの両方をサポートし、完全にフリーで、MITプロトコルに従っています。

ChartAIは、AI技術に基づいてデータを自動的に分析し、複雑な情報を素早く理解できる直感的なチャートを生成する効率的なデータ可視化ツールです。ChartAIは、さまざまなデータ形式（Excel、CSVなど）のインポートをサポートし、最適なチャートをインテリジェントに推薦します。

Chroma 1.0是FlashLabs发布的全球首个开源的实时端到端语音对话模型，兼具低延迟交互、高保真个性化语音克隆和强对话能力。通过紧密耦合语音理解与生成，采用1:2文本-音频token调度策略...

一般的な紹介 GitaGPTは、バガヴァッド・ギーターの知恵に基づいたAIチャットボットで、ユーザーが日常生活で疑問に答えるのを助けるように設計されています。このプラットフォームは、ChatGPTテクノロジーを活用し、ユーザーの精神的な成長、感情管理、リーダーシップの強化に役立つ、簡潔で洞察に満ちた回答を提供します。

総合紹介 D-Humanは、シャオミが投資し、中国科学院の博士が研究開発を主導するデジタル人体映像制作プラットフォームである。SaaS、API、OEMなど複数の協力方式をサポートし、1:1の実人生復元技術を提供し、8分のビデオ素材で自分や他人のクローンを作る。このプラットフォームは、作成時間を大幅に短縮...

概要 Deep Searcherは、強力なビッグ言語モデル（DeepSeekやOpenAIなど）と、プライベートデータに基づいて検索、評価、推論を行うように設計されたベクトルデータベース（Milvusなど）を組み合わせたツールで、精度の高い回答を提供する...

Hunyuan3D-Part（ハイブリッド3D-Part）は、テンセントが公開し、オープンソース化した3D生成モデルである。P3 - SAMとX - Partで構成され、高精度で制御可能なコンポーネントベースの3D生成を初めて実現し、自動生成された50以上のコンポーネントをサポートしています。ユーザーは、まず...

V-JEPA 2は、Meta AIが提供する12億のパラメータを持つビデオデータに基づく世界の大規模モデルである。このモデルは、100万時間以上のビデオと100万枚の画像から自己教師付き学習に基づいて学習され、物理世界の物体、行動、操作を理解する...

ClawWork是香港大学数据科学实验室开发的AI经济压力测试框架，允许AI在模拟经济环境中完成真实工作任务并获得报酬。核心逻辑是让初始资金仅10美元的AI通过完成220个专业任务（覆盖制造、金融、医...

灵珠是上海灵感菇智能科技有限公司打造的零门槛AI应用创作平台，由语生科学AI孵化平台推出。用户无需编写任何代码，只需在网页中输入创意想法，系统即可自动生成可实际运行的产品

InsForge是专为AI编程代理设计的开源后端平台，由PostgreSQL和PostgREST构建，提供身份验证、存储、边缘函数等全栈服务。通过"语义层"将后端操作封装为AI可理解的标准化指令，支持...

Tencent-HY-MT1.5はTencentハイブリッドオープンソース翻訳モデルバージョン1.5であり、1.8Bと7Bの2つのモデルを含み、33の国際言語と5種類の中国語および中国語/方言翻訳をサポートしています。

Youtu-LLM 是腾讯 Youtu 团队开源的轻量级语言模型，参数规模为 19.6 亿。专为智能体任务设计，具备强大的“原生智能体能力”，在多项任务中超越同规模甚至更大模型。

Qwen-Imageは、Alibaba Tongyi Qianqianチームによってリリースされたオープンソースの画像生成ベースモデルです。200億のパラメータを持ち、マルチモーダル理解、高解像度コーディング、拡散モデリングの3つのモジュールを組み込んだマルチモーダル拡散変換アーキテクチャ（MMDiT）を採用しています。

VoxCPMはエンド・ツー・エンドの拡散自己回帰アーキテクチャを採用し、テキストから直接連続音声表現を生成することで、従来の離散的な曖昧性解消の限界を打ち破っている。階層的言語モデリングと有限状態量子化を通して...

Paperpalはアカデミックライティングに特化したAI支援ツールで、研究者、学生、専門家のライティングの質と効率の向上を支援します。文法チェック、スペルチェック、単語の選択候補を提供し、正確で流暢な文章を作成します。

MiniMax-M1はMiniMaxチームによるオープンソースの推論モデルで、Mixed Expert Architecture（MoE）とLightning Attentionメカニズムの組み合わせに基づいており、総パラメータは4,560億である。このモデルは100...

Claudableは、Next.jsをベースにしたオープンソースのウェブアプリビルダーです。Claude CodeとCursor CLIの高度なAIエージェント機能と、Lovableのシンプルで直感的なアプリ構築体験を組み合わせています。

Vace AIは強力なワンストップAI動画制作・編集プラットフォームです。このプラットフォームは、テキスト説明や参照画像に基づいて高品質のビデオコンテンツを生成し、ビデオの拡張、スタイル変換、被写体の除去や再構築などのさまざまな編集機能をサポートしています。

FLUX.2 [klein] 是 Black Forest Labs 推出的开源轻量级图像生成与编辑模型，专为快速推理和低延迟应用场景设计。支持文本生成图像、图像编辑以及多参考图像生成，能在不到1秒内...

Academic Alleyは学術リソースの共有と学術コミュニケーションに焦点を当てたプラットフォームで、学者、研究者、学生が学術リソースにアクセスし、交換するための便利な環境を提供することに専念しています。Academic Alleyを通じて、ユーザーはあらゆる種類の学術論文、研究報告、学術資料を簡単に検索・共有し、学術研究を促進することができます。

Matrix-3Dは、Skywork AIチームによるオープンソースのフレームワークで、探索可能なパノラマ3D世界の生成に特化している。このフレームワークは、パノラマビデオ生成と3D再構成技術を組み合わせて、1枚の画像やテキストプロンプトから高品質で全方位探索可能な3D世界を生成します。

HIRING.STUDIOは、採用チームが職種に特化した面接質問を効率的に作成するためのAI採用面接支援ツールです。AI技術に基づき、面接質問を生成し、フォローアップ質問を提案し、質の異なる回答に対する評価基準を作成します。このツールは、STAR方式をサポートしています...

Shortcutは、AIによる革新的なExcel支援ツールです。インテリジェントなアルゴリズムに基づき、データ入力、編集、計算、整理など、さまざまな複雑なExcelタスクを素早く完了することができます。Shortcutは基本的な操作を処理し、高度なゴールドへの対処をサポートします。

Moltbot（原名Clawdbot）是奥地利开发者 Peter Steinberger 开源的“本地优先”AI 助手，WhatsApp、Telegram、Discord、Slack、iMessage...

Kaleidoは、合肥工業大学、清華大学、Smart Spectrum AIが共同開発したオープンソースの多被写体参照映像生成モデルである。複数の参照画像を通して被写体一貫性のある動画を生成し、多被写体一貫性と背景デカップリングにおける既存モデルの欠陥を解決します。

Muzaicは、動画制作者やコンテンツクリエイター向けに設計されたAI主導のオンライン音楽生成プラットフォームで、AIベースの技術により、動画の内容にマッチしたカスタム音楽を素早く生成し、わずか8秒で1分間のスタジオ品質のトラックを生成することができる。

概要 MacOS LLM Controllerは、GitHubでホストされているオープンソースのデスクトップアプリケーションで、音声やテキストで自然言語のコマンドを入力することで、macOSのシステムコマンドを実行することができます。Llama-3.2-3Bをベースにしています。

Makeは、自動化されたプロセスに基づいて組織の効率性と革新性の向上を支援する、AI主導のコード不要の自動化プラットフォームです。このプラットフォームは、マーケティング、販売、財務など、さまざまなビジネスシナリオをサポートする2,000以上の構築済みアプリを提供しています。Makeの主な機能には、コード不要のビジュアルプロセス作成、AI...

Claude Opus 4.8 是 Anthropic 推出的最新旗舰 AI 模型，在 Opus 4.7 基础上全面升级了编码、Agentic 推理与知识工作能力，新增动态工作流（Dynamic Wo...

RoboOS 2.0は、オントロジーを超えた脳と脳のコラボレーションを実現するオープンソースのフレームワークであり、ロボットの単一知能からグループ協調知能への転換を促進する。このフレームワークでは、クラウドブレインが複雑な意思決定とコラボレーションを担当し、スモールブレインモジュールが特定のスキルの実行に集中するという、効率的な役割分担を実現するために「ビッグブレイン」アーキテクチャを採用している。

Bernini是字节跳动开源的视频生成与编辑统一框架，采用"先理解，再生成"的协同架构：MLLM Planner深度解析文本指令与视觉输入，DiT Renderer将其转化为高质量连续视频。

GLM-4.5はSmart Spectrum社のオープンソースSOTAモデルで、インテリジェント・ボディ・アプリケーション用に設計され、推論、コード生成、インテリジェント・ボディ機能を組み込んでいます。このモデルはMixed Expert（MoE）アーキテクチャに基づいており、3,550億のパラメータを持つGLM-4.5と1,060億のパラメータを持つGLM-4.5の2つのバージョンがあります。

包括的な紹介 GPT Researcher は、Large Language Model (LLM)をベースとした自律型エージェントツールで、ローカルリサーチやウェブリサーチを行い、詳細なリサーチレポートを作成するために設計されています。このツールは、エージェント作業を並列化することにより、安定したパフォーマンスと高速化を実現し、情報の正確性を保証します。

ML-Masterは上海交通大学人工知能学院のエージェントチームによって開発されたAIエキスパート・インテリジェンスです。OpenAIの権威あるベンチマークテストMLE-benchで好成績を収め、平均メダル獲得率29.3%でマイクロソフトのRD-Agentを上回りトップに立った。

総合紹介 Wonderful Dollarは、デジタルペルソナの動画制作とライブストリーミングサービスのプラットフォームで、写真やPPTから動画を生成する機能や、動画をさまざまな言語に翻訳するサービスを提供しています。ユーザーは、報道、教育コンテンツ、企業プロモーションなど様々な分野でデジタルキャラクターをカスタマイズすることができる。また、このプラットフォームは、インタラクティブなデジタルスタッフ...

Hailuo 02はMiniMaxの新しいAIビデオ生成モデルで、Hailuo 01のアップグレード版です。このモデルは、グラフ生成ビデオとテキスト生成ビデオの領域で優れたパフォーマンスを発揮し、ByteのSeedance 1.0に次いで2位、Fast...

一般的な紹介 PromptKnitは、AIプロンプトデザイナーのためのトップAIサンドボックスプラットフォームであり、gpt-4-turbo/vision、claude-3、gemini-1.5-proや他の多くのモデルのためのプロフェッショナルなプロンプトエディタを提供します。ユーザーは、プロンプトをグループ化することができます。