DALL·E

Generative Image-to-Text Transformer

AI GitHub リポジトリ

GIT (Generative Image-to-text Transformer) は、Microsoft が開発したビジョンと言語タスク向けの AI モデルです。画像からテキストの説明を生成し、ビジュアル質問応答を実行できます。このモデルは、多様なアプリケーションに対応するために、さまざまな事前学習済みおよびファインチューニング済みのバージョンを提供して…

Craiyon

AI アプリ

#232

テキストの説明を数秒で画像に変換する無料のAI画像生成ツールで、以前はDALL-E miniとして知られていました。写真、アニメ、イラスト、ベクターなどのスタイルで、無料と有料のプランがあります。Craiyonは、テキストの説明を数秒で画像に変換する無料のAI画像生成ツールで、以前はDALL-E miniとして知られていました。写真、アニメ、イラスト、ベクターなどのスタイルで、無料と有料のプランがあります。

Flamingo

AI モデル

Google DeepMindが開発した単一のビジュアル言語モデル（VLM）であり、多様なマルチモーダルタスクにおける少数の例からの学習（few-shot learning）に優れています。画像、動画、テキストが混在した入力を処理し、関連する言語出力を生成します。追加のトレーニングなしで、タスク固有の例を最小限で済ませることができます。Flamingoは、Google DeepMindが開発した単一のビジュアル言語モデル（VLM）であり、多様なマルチモーダルタスクにおける少数の例からの学習（few-shot learning）に優れています。画像、動画、テキストが混在した入力を処理し、関連する言語出力を生成します。追加のトレーニングなしで、タスク固有の例を最小限で済ませることができます。

Flux 1 AI 画像生成モデル

AI アプリ

Black Forest Labsが提供するオープンソースの画像生成モデルです。詳細なプロンプトに基づき、競合他社を凌駕する速度、視覚的精度、プロンプト追従性で高品質な画像を生成します。多様な用途に対応するため、様々なアスペクト比と解像度をサポートしています。Flux 1 AIは、Black Forest Labsが提供するオープンソースの画像生成モデルです。詳細なプロンプトに基づき、競合他社を凌駕する速度、視覚的精度、プロンプト追従性で高品質な画像を生成します。多様な用途に対応するため、様々なアスペクト比と解像度をサポートしています。

凍結されたビジュアルエンコーダーと大規模言語モデルを連携させることで、視覚と言語の理解を強化するAIモデルです。詳細な画像説明の生成、ドラフトからのウェブサイト作成、画像に触発された物語の執筆、視覚的な問題の解決など、高度なマルチモーダル能力を発揮します。MiniGPT-4は、凍結されたビジュアルエンコーダーと大規模言語モデルを連携させることで、視覚と言語の理解を強化するAIモデルです。詳細な画像説明の生成、ドラフトからのウェブサイト作成、画像に触発された物語の執筆、視覚的な問題の解決など、高度なマルチモーダル能力を発揮します。

HunyuanImage 3.0 — 画像生成のためのAIモデル

AI モデル

画像生成のために設計された強力なネイティブマルチモーダルモデルです。テキストから画像、画像から画像へのタスクの両方に優れた能力を発揮し、創造的な編集やインテリジェントなプロンプトの強化に向けた高度な機能を提供します。HunyuanImage 3.0は、画像生成のために設計された強力なネイティブマルチモーダルモデルです。テキストから画像、画像から画像へのタスクの両方に優れた能力を発揮し、創造的な編集やインテリジェントなプロンプトの強化に向けた高度な機能を提供します。

IDEFICS Visual Language Model

AI モデル

最先端の機能を再現するオープンアクセス可能なビジュアル言語モデルです。画像とテキストのインターリーブ入力を受け付け、テキスト出力を生成し、Flamingoのようなプロプライエタリモデルに匹敵します。9Bおよび80Bのパラメータサイズで利用可能で、マルチモーダルAIの研究開発をサポートします。IDEFICSは、最先端の機能を再現するオープンアクセス可能なビジュアル言語モデルです。画像とテキストのインターリーブ入力を受け付け、テキスト出力を生成し、Flamingoのようなプロプライエタリモデルに匹敵します。9Bおよび80Bのパラメータサイズで利用可能で、マルチモーダルAIの研究開発をサポートします。

Parti: Pathways Autoregressive Text-to-Image Model

AI モデル

高忠実度でフォトリアルな画像を生成する自己回帰型テキスト画像生成モデルです。画像生成をシーケンス・ツー・シーケンスの問題として扱い、大規模言語モデルの進歩を活用して複雑な構図と世界の知識合成を実現します。Partiは、詳細なディテールとインタラクションを伴うコンテンツリッチな合成をサポートします。Partiは、高忠実度でフォトリアルな画像を生成する自己回帰型テキスト画像生成モデルです。画像生成をシーケンス・ツー・シーケンスの問題として扱い、大規模言語モデルの進歩を活用して複雑な構図と世界の知識合成を実現します。Partiは、詳細なディテールとインタラクションを伴うコンテンツリッチな合成をサポートします。