Googleが開発する大規模言語モデルである「Gemini」には、実はあまり知られていない使い道として、無料で使える超高精度の文字起こしツールとしての顔がある。 2024年4月に登場したフラグシップモデル「Gemini 1.5 Pro」と、2024年5月にGoogle I/Oで発表されたばかりの軽量...

2024年5月13日、ChatGPTを開発しているOpenAIが、新たなAIモデル「GPT-4o」を発表した。 これは従来最も高性能だったGPT-4 Turboの後継モデルであり、「全て（omni-）」を意味する「o」が名前に加わっている。名前だけを見ると、小さなアップデートのように見えるが、非常に...

Llama 3モデルのリリースでオープンソースの大規模言語モデル（LLM）界隈が盛り上がりを見せる中、立て続けに、今度はMicrosoftが新しいモデルを公開した。 2024年4月23日に公開された「Phi-3 Mini」は、わずか38億パラメーターと、Llama 3 8Bモデルの半分以下のパラメー...

自分のPCのローカル環境で大規模言語モデル（LLM）を動かしてみたい、と思ったことはないだろうか。 そんな願いを叶える無料アプリが「Open WebUI」である。 「Open WebUI」は、ChatGPTライクな使いやすいUIで、Llama 3やMistral、GemmaなどのオープンソースLLM...

Meta（Facebook）が開発・公開しているオープンソースの生成AIモデル「Llama」シリーズに、新たな「Llama 3」が2024年4月19日に公開された。 Llamaは、OpenAIのGPT-4や、AnthropicのClaude 3などと異なり、モデルが一般に公開されており、誰でもモデル...

「Claude」という業界を代表する大規模言語モデルの1つを開発するスタートアップ、Anthropic社が、3月4日に次世代の「Claude 3」モデルファミリーを発表した。 新しいモデルラインアップには、「Opus」、「Sonnet」、「Haiku」という異なるレベルの能力、速度、コストを提供する...

Googleが開発する最新のAIである「Gemini Pro」 。OpenAIが開発するGPT-3.5を上回る性能とも謳われている。 リリースされたばかりながら、既にGoogle AI StudioというWebインターフェースや、APIを通...

23年11月にMidjourneyに新たに導入されたばかりのStyle Tunerを、さらに便利に使うためのツールが、Discordのコミュニティ内で早速開発された。 Style Tunerは、画像生成プロンプトに基づいて、16〜128ペア...

画像生成AIのMidjourneyにおいて、狙ったアートスタイル通りの画像を、異なる被写体で安定的に生成するのは中々に難しい。例えば、女性の写真、車の写真、犬の写真などを、全て同じ80年代の洋画風のスタイルで生成する、などの用途だ。 23年...

OpenAI CEOのサム・アルトマンは、Financial Timesのインタビューで、同社の将来計画、財務戦略、人工知能（AI）の進歩について語った。 その中で、現行のGPT-4の次のモデルである「GPT-5」を開発中であることも明言さ...

多くの画像生成AIサービスは、ChatGPT有料版で使えるDALL-E 3や、Discordで使えるMidjourneyなど、クラウドベースであり、生成するたびにサーバーにアクセスして処理を行う。オンラインで簡単に利用できるというメリットの...