楊範の記事

Waxwing 2.0は、AIと人間の専門家を組み合わせたタスク・サービス・プラットフォームである。米国デラウェア州ウィルミントンに本社を置くWaxwing AI Ltd.によって開発され、「人間＋AI」モデルに焦点を当てている。このプラットフォームは、500以上の専門家が設計したAIワークフローを提供し、ユーザーは自分でそれを使って...

概論 OpenAvatarChatはHumanAIGC-Engineering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プロジェクトです。モジュール式のデジタルヒューマン対話ツールで、1台のPCで全機能を実行することができます。このプロジェクトは、リアルタイムのビデオ、音声認識、デジタルヒューマン技術を組み合わせています...

包括的な紹介 Supaboardは、ユーザーが複雑なデータを直感的なダッシュボードやチャートに素早く変換できるように設計された、AIベースのデータ分析プラットフォームです。簡単な操作で複数のデータソースを接続し、ユーザーはコードを書くことなく、自然言語で質問するだけで、データの洞察と可視化結果を生成することができます...

一般的な紹介 GitMCPは、GitHub上の公開プロジェクトのために特別に作られた無料のオープンソースツールです。GitHub リポジトリや GitHub Pages ウェブサイトを、プロジェクトのナレッジベースを生成する MCP (Model Context Protocol) サービスに素早く変換することができます。このナレッジベースには ...

はじめに エッグノッグは、AIを使って動画を生成するウェブサイトである。その中核製品であるタイムポータルは、プレイヤーがAIの動画を通して歴史的シナリオに「飛ばされ」、その時代と場所を当てる歴史推理ゲームである。エッグノッグは2024年、サム・プランクとジテッシュ・マイユランによって設立された。

グーグルのAIリサーチ・ノート作成ツールNotebookLMは最近、ユーザーの情報収集・集約方法を変えることを目的とした新機能「Discover Sources」を発表した。これまでは、NotebookLMのユーザーは、学術論文であろうとなかろうと、すべてのリサーチ情報を手作業でアップロードする必要があった。

人工知能画像生成の分野で人気のツールMidjourney（ミッドジャーニー）はこのほど、最新モデルMidjourney V7のアルファテスト版をリリースした。このアップデートは、前回のメジャーバージョンV6のリリースからほぼ1年後に行われ、画質、ユーザーエクスペリエンス、...を向上させるために設計された数多くの重要な改善と新機能をもたらします。

マイクロソフト傘下のギットハブは最近、人気のAIプログラミング・アシスタント「ギットハブ・コパイロット」のサービス戦略に手を加え、高度なAIモデリング機能の一部に新たな利用制限と有料の仕組みを導入した。この変更は、より強力なAI機能を求める人々にとって...

概要 Augment Codeは、プロのソフトウェアエンジニアのために設計されたAIコーディングツールです。SWE-Bench Verifiedベンチマークで65.4%で1位を獲得し、Claude Sonnet 3.7とOpenAI O1モデルを組み合わせています。高...

一般的な紹介 DeepSiteはAIベースのウェブサイト生成ツールであり、ユーザーは簡単なテキスト説明を入力することで、ライブで実行可能なフロントエンドのウェブページを素早く生成することができます。Hugging Faceのコミュニティメンバーであるenzostvsによって開発され、強力なDeepSeek V3 (0324)モデルに依存しています。

以前、Gemini 2.0（無料）で音声を多言語字幕に変換しようとしたことがある。今回もGimine 2.5 proで試してみた。 まず、参考ベンチマークとして、標準的なSRT字幕のサンプルを見つけました（事前に音声からテキストへの変換を行い、市場で主流のモデルを使用しました）：00...

概論 uniOCRはmediar-aiチームによって開発されたオープンソースのテキスト認識ツールです。macOS、Windows、Linuxをサポートしています。macOS、Windows、Linuxをサポートしており、画像からテキストを抽出することができます。

一般的な紹介 Serenaは、Oraios AIチームによって開発され、GitHubでホストされているフリーでオープンソースのプログラミングツールです。Serenaは言語サーバープロトコル(LSP)を介して実装されています。

概要 AudioXはZeyue TianらによってGitHubで公開されているオープンソースプロジェクトで、公式論文はarXivで公開されています(No.2503.10522)。拡散変換（Diffusion Transformer）技術に基づいており、テキスト、ビデオ、画像、音声、その他の入力から高品質な...

概要 EasyControlは、Diffusion Transformer (DiT)アーキテクチャに基づいた効率的で柔軟な画像生成制御を提供するオープンソースプロジェクトです。その中でも、ジブリコントロールLoRAは、100人のアジア人の顔とそのGPT-4oによって生成されたジブリ風の画像のみを使用することで、その特別な機能の1つです...

数式導出、論理連鎖の構築、抽象的思考を含む数学的能力は、人工知能（AI）、特に大規模言語モデル（LLM）の能力をテストするための重要な分野と長い間考えられてきた。これは、計算能力をテストするだけでなく、複雑な問題を推論し、理解し、解決するモデルの能力をより深く掘り下げるためである。

はじめに Gensparkは人工知能ベースの検索ツールである。バイドゥの元幹部によって2023年に設立され、カリフォルニア州パロアルトを拠点としている。従来の検索エンジンとは異なり、Gensparkは複数のAI知能を使用して、「Sparkpage」と呼ばれるカスタマイズされた検索結果ページをリアルタイムで生成する。

最近、MCP（モデル・コンテキスト・プロトコル）が技術愛好家や開発者のコミュニティで注目を集めている。この技術は、大規模言語モデル（LLM）が様々な外部ツールやサービスと相互作用する方法を簡素化することを目的としており、AIを使用して情報を処理しタスクを完了する方法を再構築することが期待されている...

楽しくて便利なgpt-4oマッピングのプロンプトをミニマルな3Dイラストスタイルで。 いくつかテストして安定した結果が得られたので、最後の画像はオリジナルの一押しから。 適切に使用すれば、資料（記事、ウェブサイト、販促資料）に多くのポイントを加えることができるはずだ。 promptはjsonの構造化フォーマット...