ベスト AIモデルとLLM

Lyria — Google DeepMind

AI モデル

Lyria 3.5は、Google DeepMindによる高度な音楽生成モデルで、ユーザーが簡単に曲を作曲できるよう支援します。技術的なコントロールを提供し、さまざまなジャンルのトラックを作成できるため、音楽制作がアクセスしやすく革新的になります。

セサミCSM — スピーチ生成モデル

AI モデル

テキストと音声入力からオーディオコードを生成する会話型スピーチモデルです。Llamaバックボーンを利用しており、研究および教育目的のために設計されており、AI技術の責任ある使用を促進します。セサミCSMは、テキストと音声入力からオーディオコードを生成する会話型スピーチモデルです。Llamaバックボーンを利用しており、研究および教育目的のために設計されており、AI技術の責任ある使用を促進します。

グラニット

AI モデル

IBMグラニットは、ビジネス向けに設計されたオープンで信頼できるAIモデルのファミリーであり、効率的な言語、ビジョン、音声、ガードレールモデルを提供し、企業のニーズに合わせてカスタマイズおよび展開できます。

Llama-2-7b-chat-hf

AI モデル

対話のユースケースに最適化されたファインチューニングされた生成テキストモデルです。Metaによって開発され、自然言語処理タスクに対する高度な機能を提供し、商業および研究アプリケーションの両方に適しています。Llama-2-7b-chat-hfは、対話のユースケースに最適化されたファインチューニングされた生成テキストモデルです。Metaによって開発され、自然言語処理タスクに対する高度な機能を提供し、商業および研究アプリケーションの両方に適しています。

インクリングモデルカード - シンキングマシーンズラボ

AI モデル

インクリングは、開発者向けに設計された975BパラメータのマルチモーダルAIモデルです。テキスト、画像、音声入力を受け付け、チャットボットやコーディングアシスタントなどのさまざまなアプリケーション向けにテキスト出力を生成します。オープンウェイトでリリースされており、研究やサードパーティ製品への統合をサポートします。

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。

Mistral-7B-v0.1

AI モデル

70億のパラメータを持つ事前学習済みの生成テキストモデルで、オープンソースを通じて人工知能を進化させることを目的としています。さまざまなベンチマークでLlama 2 13Bを上回り、自然言語処理タスクにおいて強力なツールとなっています。Mistral-7B-v0.1は、70億のパラメータを持つ事前学習済みの生成テキストモデルで、オープンソースを通じて人工知能を進化させることを目的としています。さまざまなベンチマークでLlama 2 13Bを上回り、自然言語処理タスクにおいて強力なツールとなっています。

Phi-4-reasoning-vision-15B

AI モデル

Microsoftによって開発されたマルチモーダルAIモデルで、視覚と言語の理解および推論能力を必要とするタスクに設計されています。科学的推論やコンピュータ使用エージェントタスクに優れており、さまざまなアプリケーションに適しています。Phi-4-reasoning-vision-15Bは、Microsoftによって開発されたマルチモーダルAIモデルで、視覚と言語の理解および推論能力を必要とするタスクに設計されています。科学的推論やコンピュータ使用エージェントタスクに優れており、さまざまなアプリケーションに適しています。

BAAI/bge-large-en-v1.5 · Hugging Face

AI モデル

検索強化型言語モデルのために設計された最先端の埋め込みモデルです。検索機能を向上させ、さまざまなタスクをサポートし、自然言語処理やAI研究のアプリケーションに適しています。BAAI/bge-large-en-v1.5は、検索強化型言語モデルのために設計された最先端の埋め込みモデルです。検索機能を向上させ、さまざまなタスクをサポートし、自然言語処理やAI研究のアプリケーションに適しています。

Falcon-H1R-7B

LLM

数学、プログラミング、論理タスクにおけるパフォーマンスを向上させるために設計された推論専門のAIモデルです。テクノロジーイノベーション研究所によって開発され、効率的な推論とテスト時のスケーリングのためにハイブリッドアーキテクチャを利用しています。Falcon-H1R-7Bは、数学、プログラミング、論理タスクにおけるパフォーマンスを向上させるために設計された推論専門のAIモデルです。テクノロジーイノベーション研究所によって開発され、効率的な推論とテスト時のスケーリングのためにハイブリッドアーキテクチャを利用しています。

OmniParser: ビジョンベースのGUIエージェント

AI モデル

ユーザーインターフェースのスクリーンショットを構造化された要素に解析するための手法です。GPT-4Vのようなビジョン言語モデルがインターフェース上でアクションを生成する能力を向上させます。OmniParserは、インタラクティブなアイコンを識別し、要素のセマンティクスを理解することで、ベンチマークでのパフォーマンスを向上させます。さま…OmniParserは、ユーザーインターフェースのスクリーンショットを構造化された要素に解析するための手法です。GPT-4Vのようなビジョン言語モデルがインターフェース上でアクションを生成する能力を向上させます。OmniParserは、インタラクティブなアイコンを識別し、要素のセマンティクスを理解することで、ベンチマークでのパフォーマンスを向上させます。さま…

pollinations.ai

AI アプリ

単一のAPIでテキスト、画像、音声、動画のAIアプリケーションを構築。Pollinations.aiがモデルとインフラを管理し、ユーザーは自身のクレジットで利用可能。開発者はアプリ内でのユーザー利用の一部を任意で共有することで報酬を得られます。

DeepSeek-v3 AIモデル

AI アプリ

高度なMoEアーキテクチャと最先端の言語モデルにより、即時のAIソリューションを提供します。この安定した無料かつ無制限のモデルで、効率的な推論と多様なハードウェア展開における多言語サポートを備えた最先端のAI機能を体験してください。DeepSeek-v3は、高度なMoEアーキテクチャと最先端の言語モデルにより、即時のAIソリューションを提供します。この安定した無料かつ無制限のモデルで、効率的な推論と多様なハードウェア展開における多言語サポートを備えた最先端のAI機能を体験してください。

Reflection 70B オンライン

AI アプリ

Llama 70B をベースにしたオープンソース LLM、Reflection 70B をお試しください。革新的な自己修正機能を備え、ベンチマークで GPT-4 および Llama 3.1 405B を上回る性能を発揮します。サインアップ不要で、無料のチャットインターフェースにアクセスし、高度な AI 会話や複雑な問題解決に取り組んでください。

DeepSeek R1 Online

AI アプリ

高度な推論能力を持つオープンソースAIモデルであり、OpenAIのo1を上回る性能を発揮します。370億の活性パラメータと128Kのコンテキスト長を持つMixture of Expertsアーキテクチャを採用し、複雑な問題解決に最適化されています。数学、コーディング、一般的な推論タスクにおいて高い精度を提供し、コスト効…DeepSeek R1 Onlineは、高度な推論能力を持つオープンソースAIモデルであり、OpenAIのo1を上回る性能を発揮します。370億の活性パラメータと128Kのコンテキスト長を持つMixture of Expertsアーキテクチャを採用し、複雑な問題解決に最適化されています。数学、コーディング、一般的な推論タスクにおいて高い精度を提供し、コスト効…

説明的なテキストキャプションに基づいてオーディオサンプルを作成する自己回帰型生成AIモデルです。ソースの分離、実世界のノイズの処理、テキストアノテーションの不足といったオーディオ生成における課題に対処します。このモデルは、高忠実度の出力を実現するために、学習済みの離散オーディオ表現上で動作します。AudioGenは、説明的なテキストキャプションに基づいてオーディオサンプルを作成する自己回帰型生成AIモデルです。ソースの分離、実世界のノイズの処理、テキストアノテーションの不足といったオーディオ生成における課題に対処します。このモデルは、高忠実度の出力を実現するために、学習済みの離散オーディオ表現上で動作します。

Meta Segment Anything Model 2

AI モデル

画像と動画に対応した統合セグメンテーションモデルです。クリック、ボックス、マスクによる高速かつ正確なオブジェクト選択を可能にし、多様なアプリケーションで堅牢なゼロショット性能とリアルタイムインタラクティビティを提供します。Meta Segment Anything Model 2 (SAM 2) は、画像と動画に対応した統合セグメンテーションモデルです。クリック、ボックス、マスクによる高速かつ正確なオブジェクト選択を可能にし、多様なアプリケーションで堅牢なゼロショット性能とリアルタイムインタラクティビティを提供します。

FFMPerative-7B

AI モデル

ビデオ制作ワークフロー向けにファインチューニングされたLlama 2 7B LLMです。ユーザーは自然言語コマンドでビデオ編集タスクを制御でき、FFMPerativeツールと連携します。このモデルは、クロッピング、リサイズ、音声調整などのタスクを、技術的な専門知識を持たないユーザーでも簡単に実行できるようにします。FFMPerative-7Bは、ビデオ制作ワークフロー向けにファインチューニングされたLlama 2 7B LLMです。ユーザーは自然言語コマンドでビデオ編集タスクを制御でき、FFMPerativeツールと連携します。このモデルは、クロッピング、リサイズ、音声調整などのタスクを、技術的な専門知識を持たないユーザーでも簡単に実行できるようにします。

OPT-175B

AI モデル

Meta AIが研究コミュニティ向けに公開した1750億パラメータの大規模言語モデルです。これにより、大規模言語モデルへのアクセスが可能になり、NLP研究の深い理解と進歩を促進します。責任ある開発とバイアスの軽減に重点を置いています。OPT-175Bは、Meta AIが研究コミュニティ向けに公開した1750億パラメータの大規模言語モデルです。これにより、大規模言語モデルへのアクセスが可能になり、NLP研究の深い理解と進歩を促進します。責任ある開発とバイアスの軽減に重点を置いています。

Gato Generalist Agent

AI モデル

Google DeepMindが開発した単一の汎用AIエージェントです。Atariゲームのプレイ、画像へのキャプション付け、チャット、実際のロボットアームの制御など、幅広いタスクを実行できます。このマルチモーダルエージェントは、Transformerニューラルネットワークを使用して多様なデータ入力を処理し、適切な出力を生成します。Gatoは、Google DeepMindが開発した単一の汎用AIエージェントです。Atariゲームのプレイ、画像へのキャプション付け、チャット、実際のロボットアームの制御など、幅広いタスクを実行できます。このマルチモーダルエージェントは、Transformerニューラルネットワークを使用して多様なデータ入力を処理し、適切な出力を生成します。

Densenet – PyTorch

AI モデル

PyTorchで利用可能なディープ畳み込みニューラルネットワークアーキテクチャです。各層をフィードフォワード方式で他のすべての層に接続することで、特徴伝播と再利用を強化します。このモデルはImageNetで事前学習済みであり、画像分類タスク向けにdensenet121、densenet169、densenet201、densenet161…Densenetは、PyTorchで利用可能なディープ畳み込みニューラルネットワークアーキテクチャです。各層をフィードフォワード方式で他のすべての層に接続することで、特徴伝播と再利用を強化します。このモデルはImageNetで事前学習済みであり、画像分類タスク向けにdensenet121、densenet169、densenet201、densenet161…

SqueezeNet – PyTorch

AI モデル

PyTorchで利用可能なディープ畳み込みニューラルネットワークモデルです。AlexNetと同等の精度を、はるかに少ないパラメータ数と小さいモデルサイズで実現しており、様々なコンピュータビジョンタスクに効率的です。このモデルはImageNetで事前学習済みであり、PyTorchプロジェクトに簡単に統合できます。SqueezeNetは、PyTorchで利用可能なディープ畳み込みニューラルネットワークモデルです。AlexNetと同等の精度を、はるかに少ないパラメータ数と小さいモデルサイズで実現しており、様々なコンピュータビジョンタスクに効率的です。このモデルはImageNetで事前学習済みであり、PyTorchプロジェクトに簡単に統合できます。

Xception

AI モデル

Keras 3 APIを通じて利用可能な深層学習モデルです。Keras Applicationsの一部として、様々なコンピュータビジョンタスク向けの事前学習済みモデルを提供します。Xceptionは画像分類および関連アプリケーション向けに設計されており、高度なAIシステムの構築のための堅牢な基盤を提供します。Xceptionは、Keras 3 APIを通じて利用可能な深層学習モデルです。Keras Applicationsの一部として、様々なコンピュータビジョンタスク向けの事前学習済みモデルを提供します。Xceptionは画像分類および関連アプリケーション向けに設計されており、高度なAIシステムの構築のための堅牢な基盤を提供します。

Transfo-XL-WT103

AI モデル

相対位置埋め込みを備えた因果的トランスフォーマーモデルであり、より長いコンテキストのために隠れ状態を再利用できます。Zihang Daiらによって開発され、入出力にアダプティブソフトマックスを使用しています。このモデルはテキスト生成タスクに適しており、Wikitext-103データセットでトレーニングされました。Transfo-XL-WT103は、相対位置埋め込みを備えた因果的トランスフォーマーモデルであり、より長いコンテキストのために隠れ状態を再利用できます。Zihang Daiらによって開発され、入出力にアダプティブソフトマックスを使用しています。このモデルはテキスト生成タスクに適しており、Wikitext-103データセットでトレーニングされました。

Gopher

AI モデル

Google DeepMindによる2800億パラメータのトランスフォーマー言語モデルで、4400万から2800億パラメータまでのモデルファミリーの一部です。2021年の研究発表で紹介され、読解力、ファクトチェック、毒性言語の識別において評価され、一部のタスクではスケールの恩恵を受けましたが、論理的推論などのタスクではそうではありませんでした…Gopherは、Google DeepMindによる2800億パラメータのトランスフォーマー言語モデルで、4400万から2800億パラメータまでのモデルファミリーの一部です。2021年の研究発表で紹介され、読解力、ファクトチェック、毒性言語の識別において評価され、一部のタスクではスケールの恩恵を受けましたが、論理的推論などのタスクではそうではありませんでした…

チンチラ

AI モデル

Google DeepMindによる70億パラメータの言語モデルで、1.3兆トークンで訓練されており、より多くのデータで訓練された小型モデルが大型モデルを上回るかどうかをテストしています。DeepMindの280億パラメータのゴファーと同じトレーニングコンピュートを使用し、ほぼすべてのベンチマークでゴファーや他の大型モデルを上回りました。チンチラは、Google DeepMindによる70億パラメータの言語モデルで、1.3兆トークンで訓練されており、より多くのデータで訓練された小型モデルが大型モデルを上回るかどうかをテストしています。DeepMindの280億パラメータのゴファーと同じトレーニングコンピュートを使用し、ほぼすべてのベンチマークでゴファーや他の大型モデルを上回りました。

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。

LaMDA

AI モデル

Googleが開発した画期的な対話型AIモデルで、幅広いトピックについて自由な対話を行うように設計されています。Transformerアーキテクチャを基盤とし、対話データに特化してトレーニングされているため、妥当性や具体性といったニュアンスを理解し、より自然な人間とコンピューターの対話や新しいアプリケーションカテゴリを可能にします。LaMDAは、Googleが開発した画期的な対話型AIモデルで、幅広いトピックについて自由な対話を行うように設計されています。Transformerアーキテクチャを基盤とし、対話データに特化してトレーニングされているため、妥当性や具体性といったニュアンスを理解し、より自然な人間とコンピューターの対話や新しいアプリケーションカテゴリを可能にします。

InstructGPT

AI モデル

InstructGPTモデルは、GPT-3よりもユーザーの意図をより良く理解するように訓練されたAI言語モデルです。人間からのフィードバックによる強化学習により、より真実味があり、毒性が低く、ユーザーの目標に沿ったものとなっており、現在OpenAIのAPIで利用可能です。

DreamFusion

AI モデル

テキスト記述から3Dオブジェクトを生成するAIモデルです。事前学習済みの2D拡散モデルを活用し、3Dトレーニングデータを必要とせずに、Neural Radiance Fields（NeRF）のような再照明可能な3Dアセットを作成します。これにより、多様なテキストプロンプトに対して、高忠実度の外観、深度、法線を実現できます。DreamFusionは、テキスト記述から3Dオブジェクトを生成するAIモデルです。事前学習済みの2D拡散モデルを活用し、3Dトレーニングデータを必要とせずに、Neural Radiance Fields（NeRF）のような再照明可能な3Dアセットを作成します。これにより、多様なテキストプロンプトに対して、高忠実度の外観、深度、法線を実現できます。

Longformer Base 4096

AI モデル

長文ドキュメントの処理に特化したTransformerモデルです。RoBERTaをベースとし、最大4,096トークンの拡張シーケンスで事前学習されています。このモデルは、スライディングウィンドウとグローバルアテンションを組み合わせたハイブリッドアテンションメカニズムを採用し、効率的な長文理解とタスク固有の表現学習…Longformer Base 4096 は、長文ドキュメントの処理に特化したTransformerモデルです。RoBERTaをベースとし、最大4,096トークンの拡張シーケンスで事前学習されています。このモデルは、スライディングウィンドウとグローバルアテンションを組み合わせたハイブリッドアテンションメカニズムを採用し、効率的な長文理解とタスク固有の表現学習…

google/bigbird-roberta-base

AI モデル

BigBirdベースモデルは、ブロック疎行列アテンションを使用して、はるかに長いシーケンスを処理できるように拡張されたBERTのTransformerです。マスク言語モデリングのために英語テキストで事前学習されており、最大4096トークンのシーケンスを効率的に処理でき、長文タスクで最先端の結果を達成しています。

Phi-2 言語モデル

AI モデル

Microsoft Researchが開発した27億パラメータの言語モデルです。130億パラメータ未満のモデルの中で最先端のパフォーマンスを示し、優れた推論能力と自然言語理解能力を備えています。Phi-2は、最大25倍大きいモデルと同等またはそれ以上の性能を複雑なベンチマークで達成しており、研究や実験に最適です。Phi-2は、Microsoft Researchが開発した27億パラメータの言語モデルです。130億パラメータ未満のモデルの中で最先端のパフォーマンスを示し、優れた推論能力と自然言語理解能力を備えています。Phi-2は、最大25倍大きいモデルと同等またはそれ以上の性能を複雑なベンチマークで達成しており、研究や実験に最適です。

生成器内の信号処理を全面的に見直すことで、エイリアシングのない（alias-free）敵対的生成ネットワークを導入します。この革新により、「テクスチャスティッキング」が解消され、ビデオやアニメーションのより一貫性のある合成が可能になります。このモデルはStyleGAN2のFIDを達成しつつ、サブピクセルスケールでも平行移動と回転に対して…StyleGAN3は、生成器内の信号処理を全面的に見直すことで、エイリアシングのない（alias-free）敵対的生成ネットワークを導入します。この革新により、「テクスチャスティッキング」が解消され、ビデオやアニメーションのより一貫性のある合成が可能になります。このモデルはStyleGAN2のFIDを達成しつつ、サブピクセルスケールでも平行移動と回転に対して…

ユニバーサルセンテンスエンコーダー

AI モデル

Googleのユニバーサルセンテンスエンコーダーは、テキストを高次元ベクトルにエンコードし、テキスト分類、意味的類似性、クラスタリングなどのタスクに使用されます。文、フレーズ、短い段落に最適化されています。

PaLM-E

AI モデル

実世界の連続的なセンサーデータをテキストと統合する、具現化されたマルチモーダル言語モデルです。これにより、ロボットは言語を知覚に結びつけることで複雑なタスクを実行できるようになり、高度な推論と計画のために多様なトレーニングドメインと具現化にわたるポジティブな転移を示します。PaLM-Eは、実世界の連続的なセンサーデータをテキストと統合する、具現化されたマルチモーダル言語モデルです。これにより、ロボットは言語を知覚に結びつけることで複雑なタスクを実行できるようになり、高度な推論と計画のために多様なトレーニングドメインと具現化にわたるポジティブな転移を示します。

DGCNN

AI GitHub リポジトリ

Dynamic Graph CNNを実装した点群学習用AIモデルです。分類やセグメンテーションなどの3D点群データ処理タスクで最先端の性能を達成しています。PyTorch実装が利用可能で、実世界のシナリオにも応用されています。DGCNNは、Dynamic Graph CNNを実装した点群学習用AIモデルです。分類やセグメンテーションなどの3D点群データ処理タスクで最先端の性能を達成しています。PyTorch実装が利用可能で、実世界のシナリオにも応用されています。

Wav2vec 2.0

AI モデル

自動音声認識のための自己教師あり学習アルゴリズムです。生の音声から学習し、高い精度を達成するために最小限の書き起こしデータしか必要としません。これにより、広範なラベル付きデータセットへの依存を減らし、より多くの言語、方言、ドメインでの音声認識が可能になります。Wav2vec 2.0は、自動音声認識のための自己教師あり学習アルゴリズムです。生の音声から学習し、高い精度を達成するために最小限の書き起こしデータしか必要としません。これにより、広範なラベル付きデータセットへの依存を減らし、より多くの言語、方言、ドメインでの音声認識が可能になります。

長期的な一貫性を持つ高品質なオーディオを生成するAIモデルです。オーディオ生成を言語モデリングタスクとして扱い、オーディオを離散トークンにマッピングします。このフレームワークは、未知のスピーカーやスタイルに対しても、音声や音楽の自然で一貫性のある継続を生成することに優れています。AudioLMは、長期的な一貫性を持つ高品質なオーディオを生成するAIモデルです。オーディオ生成を言語モデリングタスクとして扱い、オーディオを離散トークンにマッピングします。このフレームワークは、未知のスピーカーやスタイルに対しても、音声や音楽の自然で一貫性のある継続を生成することに優れています。

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。

BEiT Image Transformer

AI モデル

マスク画像モデリングを用いてビジョントランスフォーマーを事前学習する自己教師あり学習の視覚表現モデルです。画像を視覚トークンにトークン化し、マスクされたパッチを復元することで、画像分類やセマンティックセグメンテーションなどの下流タスクで競争力のある結果を達成します。BEiTは、マスク画像モデリングを用いてビジョントランスフォーマーを事前学習する自己教師あり学習の視覚表現モデルです。画像を視覚トークンにトークン化し、マスクされたパッチを復元することで、画像分類やセマンティックセグメンテーションなどの下流タスクで競争力のある結果を達成します。

ImageBind by Meta AI

AI モデル

Meta AIが開発したマルチモーダルAIモデルであり、画像、動画、音声、テキスト、深度、熱の6つのモダリティからのデータを結合します。明示的な教師なしで単一の埋め込み空間を学習し、AIシステムにおける高度なクロスモーダル理解と生成を可能にします。ImageBindは、Meta AIが開発したマルチモーダルAIモデルであり、画像、動画、音声、テキスト、深度、熱の6つのモダリティからのデータを結合します。明示的な教師なしで単一の埋め込み空間を学習し、AIシステムにおける高度なクロスモーダル理解と生成を可能にします。

HuggingFaceH4/zephyr-7b-beta

AI モデル

Zephyr-7B-βは、Direct Preference Optimization（DPO）を用いてMistral-7B-v0.1からファインチューニングされたオープンソース言語モデルです。MT-BenchおよびAlpacaEvalベンチマークで高い性能を示し、チャットアプリケーションに適した有益なアシスタントとして優れています。

Fuyu-8B Multimodal Architecture

AI モデル

デジタルエージェント向けに設計されたオープンソースのマルチモーダルAIモデルです。そのシンプルなアーキテクチャは、任意の画像解像度をサポートし、グラフ、図、UI要素に関する質問に高速に応答することを可能にします。標準的なベンチマークで高い性能を発揮し、HuggingFaceで利用可能です。Fuyu-8Bは、デジタルエージェント向けに設計されたオープンソースのマルチモーダルAIモデルです。そのシンプルなアーキテクチャは、任意の画像解像度をサポートし、グラフ、図、UI要素に関する質問に高速に応答することを可能にします。標準的なベンチマークで高い性能を発揮し、HuggingFaceで利用可能です。

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。

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。

LLaVA

AI モデル

汎用的な視覚と言語の理解のために、ビジョンエンコーダーと言語モデルを組み合わせた大規模マルチモーダルモデルです。マルチモーダルチャット機能に優れ、GPT-4を模倣し、視覚的指示チューニングを通じてScience QAのようなベンチマークで最先端の精度を達成しています。LLaVAは、汎用的な視覚と言語の理解のために、ビジョンエンコーダーと言語モデルを組み合わせた大規模マルチモーダルモデルです。マルチモーダルチャット機能に優れ、GPT-4を模倣し、視覚的指示チューニングを通じてScience QAのようなベンチマークで最先端の精度を達成しています。

Mamba SSM アーキテクチャ

AI GitHub リポジトリ

特に言語のような情報密度の高いデータに対して効果的な、効率的なシーケンスモデリングのために設計された新しい状態空間モデルアーキテクチャです。ハードウェアを意識した実装を提供し、以前のサブ二次モデルを上回り、Transformerに匹敵することを目指しています。Mambaは、特に言語のような情報密度の高いデータに対して効果的な、効率的なシーケンスモデリングのために設計された新しい状態空間モデルアーキテクチャです。ハードウェアを意識した実装を提供し、以前のサブ二次モデルを上回り、Transformerに匹敵することを目指しています。

RWKV言語モデル

AI モデル

効率的な推論と柔軟なファインチューニング機能を提供する強力な言語モデルです。デスクトップGUI、Webベースの推論、モバイルアプリなど、さまざまなアプリケーションをサポートし、多様なタスクのために複数のプラットフォームやデバイスで高度なAIへのアクセスを可能にします。RWKVは、効率的な推論と柔軟なファインチューニング機能を提供する強力な言語モデルです。デスクトップGUI、Webベースの推論、モバイルアプリなど、さまざまなアプリケーションをサポートし、多様なタスクのために複数のプラットフォームやデバイスで高度なAIへのアクセスを可能にします。

OpenELM言語モデル

AI モデル

Apple Machine Learning Researchが開発した最先端のオープン言語モデルファミリーです。精度向上のためのレイヤーごとのスケーリング戦略を特徴とし、ログやチェックポイントを含む公開データセットでのトレーニングと評価のための完全なフレームワークを提供します。また、AppleデバイスでのMLX統合用のコードも含まれていま…OpenELMは、Apple Machine Learning Researchが開発した最先端のオープン言語モデルファミリーです。精度向上のためのレイヤーごとのスケーリング戦略を特徴とし、ログやチェックポイントを含む公開データセットでのトレーニングと評価のための完全なフレームワークを提供します。また、AppleデバイスでのMLX統合用のコードも含まれていま…

N-BEATS

AI GitHub リポジトリ

単変量時系列予測のためのニューラルネットワークベースのモデルです。ServiceNow Researchによって開発され、再現性のある実験結果を実現するためにN-BEATSアルゴリズムを実装しています。このリポジトリは、高度な時系列分析のためのPyTorch実装、データセットローダー、および実験設定を提供します。N-BEATSは、単変量時系列予測のためのニューラルネットワークベースのモデルです。ServiceNow Researchによって開発され、再現性のある実験結果を実現するためにN-BEATSアルゴリズムを実装しています。このリポジトリは、高度な時系列分析のためのPyTorch実装、データセットローダー、および実験設定を提供します。

DBRX LLM

AI モデル

Databricksが提供する最先端のオープン大規模言語モデル（LLM）であり、言語、プログラミング、数学のベンチマークで優れた性能を発揮します。GPT-3.5を凌駕し、Gemini 1.0 Proに匹敵する効率性と品質の向上を実現し、高度なLLM機能をエンタープライズおよびオープンコミュニティに提供します。DBRXは、Databricksが提供する最先端のオープン大規模言語モデル（LLM）であり、言語、プログラミング、数学のベンチマークで優れた性能を発揮します。GPT-3.5を凌駕し、Gemini 1.0 Proに匹敵する効率性と品質の向上を実現し、高度なLLM機能をエンタープライズおよびオープンコミュニティに提供します。

このAIモデルは、汎用的な画像間変換タスクのためのソリューションを提供します。画像のマッピングと適切な損失関数の両方を学習するため、ラベルからの写真合成、エッジからのオブジェクト再構成、画像の色付けなど、多様なアプリケーションが可能です。このフレームワークは適応性が高く、様々な人気のディープラーニングライブラリに実装されています。

DM-GAN

AI GitHub リポジトリ

テキストから画像への合成のためのDynamic Memory Generative Adversarial NetworksのPyTorch実装です。このリポジトリは、CVPR2019の論文に基づいた、テキスト説明からの画像生成のためのコード、事前学習済みモデル、および評価スクリプトを提供します。DM-GANは、テキストから画像への合成のためのDynamic Memory Generative Adversarial NetworksのPyTorch実装です。このリポジトリは、CVPR2019の論文に基づいた、テキスト説明からの画像生成のためのコード、事前学習済みモデル、および評価スクリプトを提供します。

Google Researchが開発したテキストから画像を生成する拡散モデルです。言語を深く理解し、フォトリアルな画像を生成します。Imagenは画像とテキストの整合性およびサンプルの忠実性に優れており、人間の評価で他のモデルを凌駕し、COCOなどのベンチマークで最先端のFIDスコアを達成しています。ImagenはGoogle Researchが開発したテキストから画像を生成する拡散モデルです。言語を深く理解し、フォトリアルな画像を生成します。Imagenは画像とテキストの整合性およびサンプルの忠実性に優れており、人間の評価で他のモデルを凌駕し、COCOなどのベンチマークで最先端のFIDスコアを達成しています。

OpenLLaMA

AI GitHub リポジトリ

Meta AIのLLaMA 7Bモデルを許可なく利用可能なライセンスで再現したオープンソースモデルです。RedPajamaデータセットで学習され、3B、7B、13Bのパラメータバージョンを提供し、既存のLLaMA実装にシームレスに統合するためのPyTorchおよびJAXウェイトを提供します。OpenLLaMAは、Meta AIのLLaMA 7Bモデルを許可なく利用可能なライセンスで再現したオープンソースモデルです。RedPajamaデータセットで学習され、3B、7B、13Bのパラメータバージョンを提供し、既存のLLaMA実装にシームレスに統合するためのPyTorchおよびJAXウェイトを提供します。

UNITER

AI GitHub リポジトリ

ECCV 2020の論文「UNITER: UNiversal Image-TExt Representation Learning」の研究コードリポジトリです。VQA、VCR、画像-テキスト検索など、様々なビジョンと言語のタスクにおけるファインチューニングと推論のためのコードを提供します。UNITER-baseおよびUNITER-largeの…UNITERは、ECCV 2020の論文「UNITER: UNiversal Image-TExt Representation Learning」の研究コードリポジトリです。VQA、VCR、画像-テキスト検索など、様々なビジョンと言語のタスクにおけるファインチューニングと推論のためのコードを提供します。UNITER-baseおよびUNITER-largeの…

汎用的な拡散モデルであるDiffWaveを搭載した音声合成デモをご覧ください。このリソースは、ニューラルボコーダー、クラス条件付き生成、無条件波形生成、音声ノイズ除去の機能を紹介します。様々なデータセットや条件におけるモデルのパフォーマンスに関する音声サンプルと洞察を提供し、その柔軟性を強調しています。

音声品質とトレーニング速度を向上させるエンドツーエンドのテキスト読み上げモデルです。ピッチやエネルギーなどの音声のバリエーション情報を直接組み込むことで、教師蒸留を排除し、より高速で高品質な音声合成を可能にし、以前の非自己回帰モデルを改善しています。FastSpeech 2は、音声品質とトレーニング速度を向上させるエンドツーエンドのテキスト読み上げモデルです。ピッチやエネルギーなどの音声のバリエーション情報を直接組み込むことで、教師蒸留を排除し、より高速で高品質な音声合成を可能にし、以前の非自己回帰モデルを改善しています。

効率的かつ高忠実度の音声合成を実現する敵対的生成ネットワークです。オーディオ内の周期的なパターンをモデル化してサンプル品質を向上させ、高速で人間のような品質を達成します。このモデルは、単一話者、未知の話者、エンドツーエンド合成をサポートし、CPU向けの小型フットプリント版も提供しています。HiFi-GANは、効率的かつ高忠実度の音声合成を実現する敵対的生成ネットワークです。オーディオ内の周期的なパターンをモデル化してサンプル品質を向上させ、高速で人間のような品質を達成します。このモデルは、単一話者、未知の話者、エンドツーエンド合成をサポートし、CPU向けの小型フットプリント版も提供しています。

エンドツーエンドの音声処理のためのオープンソースツールキットです。自動音声認識（ASR）、音声合成（TTS）、音声強調などのタスクに対応する包括的なレシピとツールを提供します。柔軟なフレームワークにより、ユーザーは簡単に推論を実行したり、既存のモデルをファインチューニングしたり、カスタムソリューションを実装したりできます。ESPnetは、エンドツーエンドの音声処理のためのオープンソースツールキットです。自動音声認識（ASR）、音声合成（TTS）、音声強調などのタスクに対応する包括的なレシピとツールを提供します。柔軟なフレームワークにより、ユーザーは簡単に推論を実行したり、既存のモデルをファインチューニングしたり、カスタムソリューションを実装したりできます。

FNet

AI GitHub リポジトリ

自己注意機構をフーリエ変換に置き換えた効率的なTransformerライクなエンコーダーアーキテクチャです。Google Researchによって開発され、自然言語処理タスクにおいて高性能な代替手段を提供します。このモデルはJax/Flaxで実装されており、事前学習およびファインチューニングのためにGitHubで利用可能です。FNetは、自己注意機構をフーリエ変換に置き換えた効率的なTransformerライクなエンコーダーアーキテクチャです。Google Researchによって開発され、自然言語処理タスクにおいて高性能な代替手段を提供します。このモデルはJax/Flaxで実装されており、事前学習およびファインチューニングのためにGitHubで利用可能です。

SpanBERT

AI GitHub リポジトリ

テキストの範囲（スパン）の表現と予測に焦点を当てることで、事前学習の改善を目指すAIモデルです。HuggingFace BERTフォーマットと互換性のある、事前学習済みのベースモデルとラージモデルを提供します。このリポジトリには、質問応答や関係抽出を含む様々なNLPタスクでSpanBERTを使用および評価するためのコードが含まれています。SpanBERTは、テキストの範囲（スパン）の表現と予測に焦点を当てることで、事前学習の改善を目指すAIモデルです。HuggingFace BERTフォーマットと互換性のある、事前学習済みのベースモデルとラージモデルを提供します。このリポジトリには、質問応答や関係抽出を含む様々なNLPタスクでSpanBERTを使用および評価するためのコードが含まれています。

LayoutLM

AI GitHub リポジトリ

視覚的にリッチなドキュメントの理解と情報抽出のためのマルチモーダル事前学習モデルです。テキスト、レイアウト、画像情報を組み合わせて、フォームやレシートの理解などのタスクで最先端の結果を達成します。このモデルは、多言語サポートを含む、さまざまなサイズとバージョンで利用可能です。LayoutLMは、視覚的にリッチなドキュメントの理解と情報抽出のためのマルチモーダル事前学習モデルです。テキスト、レイアウト、画像情報を組み合わせて、フォームやレシートの理解などのタスクで最先端の結果を達成します。このモデルは、多言語サポートを含む、さまざまなサイズとバージョンで利用可能です。

MASS

AI GitHub リポジトリ

シーケンス・トゥ・シーケンスの言語生成タスクのための事前学習手法です。エンコーダーがデコーダーで予測するために文の断片をマスクし、ニューラル機械翻訳やテキスト要約などのタスクを強化します。このコードベースは、Fairseqに基づいた様々なアプリケーションをサポートしています。MASSは、シーケンス・トゥ・シーケンスの言語生成タスクのための事前学習手法です。エンコーダーがデコーダーで予測するために文の断片をマスクし、ニューラル機械翻訳やテキスト要約などのタスクを強化します。このコードベースは、Fairseqに基づいた様々なアプリケーションをサポートしています。

ProphetNet

AI GitHub リポジトリ

自然言語生成に焦点を当てたMSRA NLCチームの研究プロジェクトです。将来情報、共同生成・ランク学習、拡散ベースのテキスト生成などの事前学習済みモデルの公式実装を提供しています。プロジェクトはGitHubでホストされています。ProphetNetは、自然言語生成に焦点を当てたMSRA NLCチームの研究プロジェクトです。将来情報、共同生成・ランク学習、拡散ベースのテキスト生成などの事前学習済みモデルの公式実装を提供しています。プロジェクトはGitHubでホストされています。

DeBERTa - Microsoft Research

AI モデル

Microsoft Researchによって開発された大規模事前学習済み言語モデルです。T5 11Bモデルを性能で凌駕し、SuperGLUEベンチマークで人間レベルの結果を達成しています。この先進的なモデルは、自然言語理解タスクに顕著な能力を提供します。DeBERTaは、Microsoft Researchによって開発された大規模事前学習済み言語モデルです。T5 11Bモデルを性能で凌駕し、SuperGLUEベンチマークで人間レベルの結果を達成しています。この先進的なモデルは、自然言語理解タスクに顕著な能力を提供します。

Funnel-Transformer

AI GitHub リポジトリ

計算コストを削減するために隠れ状態を圧縮するAIモデルです。同じFLOPsでより深く、またはより広いモデルを構築でき、標準的な事前学習のためにトークンレベルの表現を復元できます。このモデルはTensorFlowとPyTorchの両方の実装で利用可能です。Funnel-Transformerは、計算コストを削減するために隠れ状態を圧縮するAIモデルです。同じFLOPsでより深く、またはより広いモデルを構築でき、標準的な事前学習のためにトークンレベルの表現を復元できます。このモデルはTensorFlowとPyTorchの両方の実装で利用可能です。

ConvBERT

AI GitHub リポジトリ

スパンベースの動的畳み込みを特徴とする新しいアーキテクチャを持つ、言語モデルの事前学習のためのオープンソースAIモデルです。このGitHubリポジトリには、V100 GPUでテストされたConvBERTモデルの事前学習およびファインチューニング用のコードが含まれており、TensorFlowでの使用方法も記載されています。ConvBERTは、スパンベースの動的畳み込みを特徴とする新しいアーキテクチャを持つ、言語モデルの事前学習のためのオープンソースAIモデルです。このGitHubリポジトリには、V100 GPUでテストされたConvBERTモデルの事前学習およびファインチューニング用のコードが含まれており、TensorFlowでの使用方法も記載されています。

MPNet

AI GitHub リポジトリ

BERTやXLNetを改良した言語理解タスク向けの新しい事前学習手法です。様々な事前学習モデルの統一的な実装を提供し、GLUEやSQuADなどの多様な言語理解タスクにおける事前学習およびファインチューニング用のコードをサポートします。MPNetは、BERTやXLNetを改良した言語理解タスク向けの新しい事前学習手法です。様々な事前学習モデルの統一的な実装を提供し、GLUEやSQuADなどの多様な言語理解タスクにおける事前学習およびファインチューニング用のコードをサポートします。

node2vec

AI モデル

グラフ内のノードの連続的な特徴表現を学習するためのスケーラブルなフレームワークです。バイアス付きランダムウォークにより近傍の保存を最適化し、多様な機械学習タスクを可能にします。このアルゴリズムは、探索と活用をバランスさせ、リッチなノード埋め込みを実現します。node2vecは、グラフ内のノードの連続的な特徴表現を学習するためのスケーラブルなフレームワークです。バイアス付きランダムウォークにより近傍の保存を最適化し、多様な機械学習タスクを可能にします。このアルゴリズムは、探索と活用をバランスさせ、リッチなノード埋め込みを実現します。

SEAL リンク予測

AI GitHub リポジトリ

リンク予測問題を部分グラフ分類タスクに変換する新しいフレームワークです。h-ホップ包囲部分グラフとノード情報行列を抽出し、それらをグラフニューラルネットワークに入力します。SEALは、グラフ構造と潜在的/明示的なノード特徴の両方から同時に学習し、正確なリンク予測を行います。SEALは、リンク予測問題を部分グラフ分類タスクに変換する新しいフレームワークです。h-ホップ包囲部分グラフとノード情報行列を抽出し、それらをグラフニューラルネットワークに入力します。SEALは、グラフ構造と潜在的/明示的なノード特徴の両方から同時に学習し、正確なリンク予測を行います。

StyleSwin: Transformer-based GAN

AI GitHub リポジトリ

高解像度画像生成のために設計されたTransformerベースの敵対的生成ネットワーク（GAN）です。Swin Transformerと新しいダブルアテンションメカニズムを活用し、計算効率とモデリング能力のバランスを取り、最大1024x1024の解像度で優れた結果を達成します。StyleSwinは、高解像度画像生成のために設計されたTransformerベースの敵対的生成ネットワーク（GAN）です。Swin Transformerと新しいダブルアテンションメカニズムを活用し、計算効率とモデリング能力のバランスを取り、最大1024x1024の解像度で優れた結果を達成します。

潜在拡散モデルを活用したテキストからオーディオへの生成フレームワークです。様々なモダリティを統一された「オーディオ言語（LOA）」に変換し、音声、音楽、効果音を生成します。このアプローチにより、インコンテキスト学習が可能になり、自己教師あり事前学習済みモデルを活用して多様なオーディオ作成を実現します。AudioLDMは、潜在拡散モデルを活用したテキストからオーディオへの生成フレームワークです。様々なモダリティを統一された「オーディオ言語（LOA）」に変換し、音声、音楽、効果音を生成します。このアプローチにより、インコンテキスト学習が可能になり、自己教師あり事前学習済みモデルを活用して多様なオーディオ作成を実現します。

プロンプト拡張拡散モデルを採用したテキストから音声への生成システムです。疑似プロンプト拡張とスペクトログラムオートエンコーダーを使用して、データの希少性と音声の複雑性に対処します。このシステムは最先端の結果を達成し、様々な入力から高解像度で忠実度の高い音声を生成するための制御性を提供します。Make-An-Audioは、プロンプト拡張拡散モデルを採用したテキストから音声への生成システムです。疑似プロンプト拡張とスペクトログラムオートエンコーダーを使用して、データの希少性と音声の複雑性に対処します。このシステムは最先端の結果を達成し、様々な入力から高解像度で忠実度の高い音声を生成するための制御性を提供します。

Voicebox

AI GitHub リポジトリ

ユーザーが音声プロジェクトをクローン、音声入力、作成できるオープンソースのAI音声スタジオです。音声合成と操作のためのプラットフォームを提供し、開発者や音響エンジニアに最適です。Voiceboxは、ユーザーが音声プロジェクトをクローン、音声入力、作成できるオープンソースのAI音声スタジオです。音声合成と操作のためのプラットフォームを提供し、開発者や音響エンジニアに最適です。

Decision Transformer

AI モデル

強化学習をシーケンスモデリング問題として再定式化し、GPT-x や BERT のような Transformer アーキテクチャを活用します。望ましいリターン、過去の状態、および行動を条件付けることで最適な行動を生成し、Atari、OpenAI Gym、Key-to-Door…Decision Transformer は、強化学習をシーケンスモデリング問題として再定式化し、GPT-x や BERT のような Transformer アーキテクチャを活用します。望ましいリターン、過去の状態、および行動を条件付けることで最適な行動を生成し、Atari、OpenAI Gym、Key-to-Door…

SciBERT

AI アプリ

Allen Institute for AI (AI2) は、インパクトの高いAI研究とエンジニアリングに特化した非営利の研究機関です。共通善のためのAIの進歩、基盤モデルの開発、研究者や開発者を支援するツールの作成に注力しています。その活動は様々なAI分野に及び、AIをよりアクセスしやすく、有益にすることを目指しています。

表形式データのためのディープラーニングモデル

AI GitHub リポジトリ

このGitHubリポジトリは、NeurIPS 2021の論文「Revisiting Deep Learning Models for Tabular Data」の公式実装を提供します。表形式データのためのディープラーニングアーキテクチャを探求し、MLPライクなモデルを強力なベースラインとして強調し、Transformerアーキテクチャの強力な適応であるFT-…

SPP_net

AI GitHub リポジトリ

視覚認識におけるディープ畳み込みネットワークのためのSpatial Pyramid Poolingアルゴリズムの再実装です。2014年のECCV論文の物体検出結果を再現することを目指し、コード公開の容易さからCaffeを利用しています。本プロジェクトは、モデルのトレーニングとファインチューニングのためのコードを提供します。SPP_netは、視覚認識におけるディープ畳み込みネットワークのためのSpatial Pyramid Poolingアルゴリズムの再実装です。2014年のECCV論文の物体検出結果を再現することを目指し、コード公開の容易さからCaffeを利用しています。本プロジェクトは、モデルのトレーニングとファインチューニングのためのコードを提供します。

ShuffleNet シリーズ

AI GitHub リポジトリ

ShuffleNet シリーズリポジトリは、モバイルデバイスやリソースが制約された環境向けに設計された、非常に効率的な畳み込みニューラルネットワークモデルのコレクションを提供します。これには、ニューラルアーキテクチャ検索や物体検出バックボーン用のツールと共に、ShuffleNetV1、ShuffleNetV2、および特殊なバリアントなどの様々なバージョンが含…

ConvMixer

AI GitHub リポジトリ

このリポジトリは、画像認識タスク用の畳み込みニューラルネットワークアーキテクチャであるConvMixerの実装を提供します。論文「Patches Are All You Need? 🤷」に基づいており、評価用の事前学習済みモデルの重みと、ImageNet-1kやCIFAR-10などのデータセットでのトレーニング用コードが含まれています。

RepVGG

AI GitHub リポジトリ

ImageNetで高い精度を達成する、強力かつシンプルなConvNetアーキテクチャです。VGGスタイルの設計に再パラメータ化技術を採用し、効率的な推論を可能にします。このプロジェクトでは、事前学習済みモデル、トレーニングコード、および様々なコンピュータビジョンタスクのためのサンプルを提供しています。RepVGGは、ImageNetで高い精度を達成する、強力かつシンプルなConvNetアーキテクチャです。VGGスタイルの設計に再パラメータ化技術を採用し、効率的な推論を可能にします。このプロジェクトでは、事前学習済みモデル、トレーニングコード、および様々なコンピュータビジョンタスクのためのサンプルを提供しています。

MobileOne

AI モデル

モバイルデバイス向けに設計された効率的なニューラルネットワークバックボーンです。推論速度を最適化し、高い精度を維持しながらiPhone12で1ms未満を実現します。このモデルは、画像分類、物体検出、セマンティックセグメンテーションのタスク全体で汎用性を示し、レイテンシと精度の両方で大幅な改善を提供します。MobileOneは、モバイルデバイス向けに設計された効率的なニューラルネットワークバックボーンです。推論速度を最適化し、高い精度を維持しながらiPhone12で1ms未満を実現します。このモデルは、画像分類、物体検出、セマンティックセグメンテーションのタスク全体で汎用性を示し、レイテンシと精度の両方で大幅な改善を提供します。

Vision GNN (ViG)

AI GitHub リポジトリ

Huawei Noah's Ark Lab によって開発された Vision Graph Neural Networks の PyTorch 実装です。ViG および Pyramid ViG アーキテクチャの両方について、事前学習済みモデルとトレーニングスクリプトを含み、画像処理タスク向けの効率的な AI…Vision GNN (ViG) は、Huawei Noah's Ark Lab によって開発された Vision Graph Neural Networks の PyTorch 実装です。ViG および Pyramid ViG アーキテクチャの両方について、事前学習済みモデルとトレーニングスクリプトを含み、画像処理タスク向けの効率的な AI…

Deformable ConvNets

AI GitHub リポジトリ

Deformable Convolutional Networks (DCN) は、畳み込みカーネルのサンプリングオフセットを適応的に学習することで、ディープラーニングモデルを強化します。これにより、ネットワークは幾何学的変換やオブジェクトの変形をより良く捉えることができ、オブジェクト検出やセマンティックセグメンテーションなどのタスクでパフォーマンスが向上し…

RETRO 言語モデル

AI モデル

RETRO（Retrieval Enhanced Transformers）は、検索機能をトランスフォーマーアーキテクチャに組み込んだAIモデルです。ウェブページ、書籍、ニュース、コードなど、膨大なテキストデータベースにアクセスし、言語生成の精度と事実の一貫性を向上させます。この手法は、標準的なトランスフォーマーと比較して大幅なパフォーマンス向上をもたらしま…

LS-GAN

AI モデル

LS-GAN、またはLoss-Sensitive Generative Adversarial Networksは、GANの進化に焦点を当てたプロジェクトです。損失関数の革新的なアプローチを導入し、生成品質と安定性の向上を目指しています。このプロジェクトは、LS-GANとそのバリアントを実装および実験するためのソースコードを提供します。

SNGAN Projection

AI GitHub リポジトリ

この GitHub リポジトリは、条件付き画像生成のための公式 Chainer 実装を提供します。敵対的生成ネットワーク（GAN）にスペクトル正規化とプロジェクション識別器を活用しています。ImageNet、犬、猫の画像などのデータセットでの学習、評価、画像生成のためのコードを含みます。

PyTorch MADE

AI GitHub リポジトリ

このリポジトリは、MADE (Masked Autoencoder Density Estimation) の PyTorch 実装を提供します。MLP の接続をマスキングすることで、オートエンコーダーを自己回帰型密度モデルに変換できます。このコードは、二値化 MNIST の例とともに、効率的な尤度評価とサンプリングを可能にします。

StyleGAN-XL

AI GitHub リポジトリ

大規模で多様なデータセットから高解像度画像を生成するためのAIモデルです。StyleGANアーキテクチャを拡張し、画像合成の品質と多様性を向上させます。このプロジェクトでは、トレーニング、サンプル生成、画像反転および編集のためのコードを提供します。StyleGAN-XLは、大規模で多様なデータセットから高解像度画像を生成するためのAIモデルです。StyleGANアーキテクチャを拡張し、画像合成の品質と多様性を向上させます。このプロジェクトでは、トレーニング、サンプル生成、画像反転および編集のためのコードを提供します。

StyleGAN3は、信号処理を全面的に見直すことで「テクスチャースティッキング」を排除した敵対的生成ネットワークです。これにより、並進および回転の等変性を実現し、ビデオやアニメーションのより一貫性のある合成を可能にします。このモデルは、動的なビジュアルコンテンツの詳細の一貫性を向上させます。

効率的で非自己回帰的なオーディオ生成のためのAIモデルです。高品質なオーディオを従来の数百分の一の速度で生成し、音声と音響条件の一貫性を維持します。話される内容、話者の声、話者のターンを制御して、自然な対話セグメントを合成できます。SoundStormは、効率的で非自己回帰的なオーディオ生成のためのAIモデルです。高品質なオーディオを従来の数百分の一の速度で生成し、音声と音響条件の一貫性を維持します。話される内容、話者の声、話者のターンを制御して、自然な対話セグメントを合成できます。

DimeNet and DimeNet++

AI GitHub リポジトリ

DimeNetおよびDimeNet++は、分子グラフ向けの高度なニューラルネットワークモデルであり、方向性メッセージパッシングに焦点を当てています。ICLR 2020およびNeurIPS-W 2020で提案されたこれらのモデルは、分子特性の効率的かつ正確な予測を提供し、DimeNet++は前身モデルよりも大幅に高速かつ高精度です。

GluonTS

AI フレームワーク

PyTorchおよびMXNet上に構築されたディープラーニングモデルを活用する、確率的時系列モデリングのためのPythonパッケージです。予測を確率分布の形式で生成し、予測区間を含めることで、複雑な時系列分析に適した正確な予測を可能にします。GluonTSは、PyTorchおよびMXNet上に構築されたディープラーニングモデルを活用する、確率的時系列モデリングのためのPythonパッケージです。予測を確率分布の形式で生成し、予測区間を含めることで、複雑な時系列分析に適した正確な予測を可能にします。

LSTNet

AI GitHub リポジトリ

時系列予測のために設計されたディープラーニングモデルです。リカレントニューラルネットワークと畳み込みニューラルネットワークを組み合わせることで、長期および短期の時間的パターンを効果的にモデル化します。このモデルは、特に複雑な時系列データに有用です。LSTNetは、時系列予測のために設計されたディープラーニングモデルです。リカレントニューラルネットワークと畳み込みニューラルネットワークを組み合わせることで、長期および短期の時間的パターンを効果的にモデル化します。このモデルは、特に複雑な時系列データに有用です。

Autoformer

AI GitHub リポジトリ

分解トランスフォーマーと自己相関メカニズムを活用した長期時系列予測のためのAIモデルです。様々なベンチマークで最先端の結果を達成し、実用的なアプリケーションにおける予測精度の向上に向けたシリーズ間の接続に関する新しいアプローチを提供します。Autoformerは、分解トランスフォーマーと自己相関メカニズムを活用した長期時系列予測のためのAIモデルです。様々なベンチマークで最先端の結果を達成し、実用的なアプリケーションにおける予測精度の向上に向けたシリーズ間の接続に関する新しいアプローチを提供します。

Informer2020

AI GitHub リポジトリ

Informer2020 GitHubリポジトリは、効率的な長系列時系列予測のために設計されたInformerモデルのPyTorch実装を提供します。ProbSparse Attentionを特徴とし、自己注意スコアのロングテール分布を処理することで、複雑な予測タスクに対する高度なソリューションを提供します。

FEDformer

AI GitHub リポジトリ

効率的な長期時系列予測のために設計されたFrequency Enhanced Decomposed Transformerです。系列長に対して線形計算量で動作し、多変量および単変量データセットの両方で予測誤差を大幅に削減することで、最先端の手法を上回ります。このモデルはオープンソースコードとして利用可能です。FEDformerは、効率的な長期時系列予測のために設計されたFrequency Enhanced Decomposed Transformerです。系列長に対して線形計算量で動作し、多変量および単変量データセットの両方で予測誤差を大幅に削減することで、最先端の手法を上回ります。このモデルはオープンソースコードとして利用可能です。

PatchTST

AI モデル

Transformerベースのモデルの公式実装であり、長期時系列予測に特化しています。時系列データをパッチに分割し、それらを独立して処理することで、効率的かつ効果的な予測を実現します。本プロジェクトは、教師あり学習と自己教師あり学習の両方のアプローチに対応したコードを提供し、堅牢な予測能力を可能にします。PatchTSTは、Transformerベースのモデルの公式実装であり、長期時系列予測に特化しています。時系列データをパッチに分割し、それらを独立して処理することで、効率的かつ効果的な予測を実現します。本プロジェクトは、教師あり学習と自己教師あり学習の両方のアプローチに対応したコードを提供し、堅牢な予測能力を可能にします。

LTSF-Linear

AI GitHub リポジトリ

「Are Transformers Effective for Time Series Forecasting?」の公式PyTorch実装です。長期時系列予測タスクにおいてトランスフォーマーを上回る性能を発揮する線形モデルファミリー（Linear, DLinear, NLinear）を導入し、高い効率性と解釈可能性を提供します。LTSF-Linearは、「Are Transformers Effective for Time Series Forecasting?」の公式PyTorch実装です。長期時系列予測タスクにおいてトランスフォーマーを上回る性能を発揮する線形モデルファミリー（Linear, DLinear, NLinear）を導入し、高い効率性と解釈可能性を提供します。

TimesNet

AI モデル

1D時系列データを2D空間に変換してモデリングを強化する、汎用時系列分析のための基盤モデルです。予測、補間、異常検知、分類において最先端の結果を達成し、多様な時間パターンにわたる堅牢な表現学習のためにビジョンバックボーンを活用しています。TimesNetは、1D時系列データを2D空間に変換してモデリングを強化する、汎用時系列分析のための基盤モデルです。予測、補間、異常検知、分類において最先端の結果を達成し、多様な時間パターンにわたる堅牢な表現学習のためにビジョンバックボーンを活用しています。

maml_rl

AI GitHub リポジトリ

このリポジトリは、「Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks」論文で詳述されている強化学習実験のためのコードを提供します。これにより、研究者や開発者は、RLコンテキストにおける深層ニューラルネットワークの高速適応のためのメタ学習技術を探求できます。

プロトタイプネットワーク

AI GitHub リポジトリ

このリポジトリには、NeurIPS 2017 の論文「Few-shot Learningのためのプロトタイプネットワーク」のコードが含まれています。少数の例からモデルを学習可能にする、新しい少数学習アプローチの実装を提供します。

LearningToCompare_FSL

AI GitHub リポジトリ

このリポジトリは、CVPR 2018の論文「Learning to Compare: Relation Network for Few-Shot Learning」のPyTorchコードを提供します。Few-Shot Learningの側面に焦点を当て、Omniglotやmini-Imagenetなどのデータセットでのモデルのトレーニングとテストの実装を提供…

Model-Based Policy Optimization

AI GitHub リポジトリ

このGitHubリポジトリには、「When to Trust Your Model: Model-Based Policy Optimization」論文のコードが含まれています。モデルベースのポリシー最適化アルゴリズムの実装を提供し、研究者や開発者が実験を再現し、強化学習の研究をさらに発展させることを可能にします。

Handful of Trials

AI GitHub リポジトリ

このリポジトリには、「Probabilistic Dynamics Models を用いた少数の試行での深層強化学習」に関する実験コードが含まれています。PETS アルゴリズムを実装しており、不確実性を考慮した深層ネットワークのダイナミクスモデルと、サンプリングベースの不確実性伝播を組み合わせることで、RL タスクにおける効率的なサンプル学習を実現します。

AlphaStar

AI モデル

複雑なリアルタイム戦略ゲームであるStarCraft IIでグランドマスターレベルを達成したAIモデルです。マルチエージェント強化学習と模倣学習を活用し、ゲームの制限なしに人間のような制約下でプレイすることで、動的な環境における高度なAI能力を示しています。AlphaStarは、複雑なリアルタイム戦略ゲームであるStarCraft IIでグランドマスターレベルを達成したAIモデルです。マルチエージェント強化学習と模倣学習を活用し、ゲームの制限なしに人間のような制約下でプレイすることで、動的な環境における高度なAI能力を示しています。

Relational Graph Convolutional Networks

AI GitHub リポジトリ

このプロジェクトは、Relational Graph Convolutional Networks（R-GCN）の Keras ベースの実装を提供します。有向リレーショナルグラフ上での半教師ありノード分類向けに設計されています。論文「Modeling Relational Data with Graph Convolutional…

CompGCN

AI GitHub リポジトリ

Composition-Based Multi-Relational Graph Convolutional NetworksのPyTorch実装です。知識グラフのリンク予測などのタスク向けに高度なグラフ表現学習を可能にし、柔軟な合成演算と様々なスコアリング関数との互換性を提供します。CompGCNは、Composition-Based Multi-Relational Graph Convolutional NetworksのPyTorch実装です。知識グラフのリンク予測などのタスク向けに高度なグラフ表現学習を可能にし、柔軟な合成演算と様々なスコアリング関数との互換性を提供します。

PPNP & APPNP モデル

AI GitHub リポジトリ

このGitHubリポジトリは、"Predict then Propagate: Graph Neural Networks meet Personalized PageRank"論文で紹介されたPPNPおよびAPPNPモデルのTensorFlowおよびPyTorch実装を提供します。結果の再現コードや、グラフベースの機械学習プロジェクトへの簡単な統合例が含ま…

Simplifying Graph Convolutional Networks

AI GitHub リポジトリ

このリポジトリは、論文「Simplifying Graph Convolutional Networks」の公式実装を提供します。非線形性を取り除き、重み行列を一つにまとめることで、合理化された Graph Convolutional Network（GCN）モデルを実現。線形モデルでありながら、学習時間を大幅に短縮しつつ、競争力のある性能を達成します。

Graph Neural PDEs

AI GitHub リポジトリ

グラフ学習を連続的な拡散プロセスとして扱うグラフニューラルネットワーク（GNN）のための Python コードを提供するオープンソースプロジェクトです。GRAND および BLEND モデルを実装し、過平滑化や深さの制限といった一般的なグラフ学習の課題に対処するための新しいアプローチを提供します。Graph Neural PDEs は、グラフ学習を連続的な拡散プロセスとして扱うグラフニューラルネットワーク（GNN）のための Python コードを提供するオープンソースプロジェクトです。GRAND および BLEND モデルを実装し、過平滑化や深さの制限といった一般的なグラフ学習の課題に対処するための新しいアプローチを提供します。

本ブログ記事では、最新のホップフィールドネットワークに基づいた新しいPyTorchホップフィールド層を紹介します。これは、古典的なホップフィールドネットワークを連続的な状態とパターンに一般化し、指数関数的な記憶容量と高速な収束を提供します。更新ルールはTransformerの自己注意機構と同等であることが示されており、新しい深層学習アーキテクチャを可能にしま…

Temporal Graph Networks

AI GitHub リポジトリ

動的グラフに対する深層学習のための汎用的かつ効率的なフレームワークを提供します。このPythonベースのライブラリは、新しいメモリモジュールとグラフベースの演算子を利用して、進化するグラフ構造における計算効率と予測精度で既存の手法を上回ります。Temporal Graph Networks (TGNs) は、動的グラフに対する深層学習のための汎用的かつ効率的なフレームワークを提供します。このPythonベースのライブラリは、新しいメモリモジュールとグラフベースの演算子を利用して、進化するグラフ構造における計算効率と予測精度で既存の手法を上回ります。

xDeepFM

AI GitHub リポジトリ

因子分解モデルのためのオープンソース深層学習ツールキットであり、特にeXtreme Deep Factorization Machine (xDeepFM) モデルのソースコードを公開しています。深層推薦システムや因子分解ベースの機械学習タスクの基盤を提供することを目的としています。xDeepFMは、因子分解モデルのためのオープンソース深層学習ツールキットであり、特にeXtreme Deep Factorization Machine (xDeepFM) モデルのソースコードを公開しています。深層推薦システムや因子分解ベースの機械学習タスクの基盤を提供することを目的としています。

Attentional Factorization Machine

AI GitHub リポジトリ

このGitHubリポジトリは、Attentional Factorization Machine (AFM) モデルのTensorFlow実装を提供します。これにより、ユーザーは注意ネットワークを通じて特徴量の相互作用の重みを学習する推薦システムなどのタスクに対してAFMをトレーニングおよび評価できます。プロジェクトには、コード、データ例、および迅速なセット…

LightGCN

AI GitHub リポジトリ

推薦システム向けに設計されたシンプルなグラフ畳み込みネットワークです。協調フィルタリングにおける本質的な近傍集約コンポーネントに焦点を当て、インタラクションデータからユーザーとアイテムの表現を効率的かつ効果的に学習するアプローチを提供します。LightGCNは、推薦システム向けに設計されたシンプルなグラフ畳み込みネットワークです。協調フィルタリングにおける本質的な近傍集約コンポーネントに焦点を当て、インタラクションデータからユーザーとアイテムの表現を効率的かつ効果的に学習するアプローチを提供します。

Neural Graph Collaborative Filtering

AI GitHub リポジトリ

グラフニューラルネットワークを活用した推薦フレームワークです。ユーザー・アイテムの二部グラフにおける高次の接続性を明示的にエンコードし、埋め込み伝播を実行することで協調フィルタリング信号を表現します。この実装は、SIGIR 2019 の論文に基づいています。Neural Graph Collaborative Filtering (NGCF) は、グラフニューラルネットワークを活用した推薦フレームワークです。ユーザー・アイテムの二部グラフにおける高次の接続性を明示的にエンコードし、埋め込み伝播を実行することで協調フィルタリング信号を表現します。この実装は、SIGIR 2019 の論文に基づいています。

Cohere

AI プラットフォーム

企業がプライベートに展開できるAIモデルとプラットフォームを構築しており、オンプレミスや隔離されたクラウド環境での展開が可能です。Northプラットフォームは、ビジネス向けのエージェントAIを提供し、生成言語（Command）、音声認識（Transcribe）、翻訳、文書解析、セマンティック検索（Embed）および情報検索（Rerank）用の…Cohereは、企業がプライベートに展開できるAIモデルとプラットフォームを構築しており、オンプレミスや隔離されたクラウド環境での展開が可能です。Northプラットフォームは、ビジネス向けのエージェントAIを提供し、生成言語（Command）、音声認識（Transcribe）、翻訳、文書解析、セマンティック検索（Embed）および情報検索（Rerank）用の…

StarCoder

AI GitHub リポジトリ

ソースコードと自然言語でトレーニングされた大規模言語モデルです。コード生成、補完、テキスト生成タスクに優れています。このリポジトリは、ファインチューニングと推論のためのリソースを提供し、開発者がその機能をさまざまなアプリケーションに統合できるようにします。StarCoderは、ソースコードと自然言語でトレーニングされた大規模言語モデルです。コード生成、補完、テキスト生成タスクに優れています。このリポジトリは、ファインチューニングと推論のためのリソースを提供し、開発者がその機能をさまざまなアプリケーションに統合できるようにします。

LLaVA

AI GitHub リポジトリ

大規模言語とビジョン機能を組み合わせたビジュアル指示チューニングモデルです。GPT-4Vレベルのパフォーマンスを目指し、マルチモーダルな理解とインタラクションを可能にします。このプロジェクトは、研究者や開発者向けにコード、モデル、リソースを提供します。LLaVAは、大規模言語とビジョン機能を組み合わせたビジュアル指示チューニングモデルです。GPT-4Vレベルのパフォーマンスを目指し、マルチモーダルな理解とインタラクションを可能にします。このプロジェクトは、研究者や開発者向けにコード、モデル、リソースを提供します。

Kandinsky 2

AI GitHub リポジトリ

多言語対応のテキストから画像への潜在拡散モデルです。テキストから画像への変換、画像から画像への変換、インペインティングなど、高度な画像生成機能を提供します。ControlNetをサポートしており、画像生成の制御を強化し、強力なエンコーダーを使用してテキストと画像の理解を向上させ、より美しい出力を実現します。Kandinsky 2は、多言語対応のテキストから画像への潜在拡散モデルです。テキストから画像への変換、画像から画像への変換、インペインティングなど、高度な画像生成機能を提供します。ControlNetをサポートしており、画像生成の制御を強化し、強力なエンコーダーを使用してテキストと画像の理解を向上させ、より美しい出力を実現します。

Qwen3 大規模言語モデル

AI GitHub リポジトリ

Alibaba CloudのQwenチームによって開発された大規模言語モデルシリーズです。指示追従、推論、テキスト理解、多言語サポートにおいて強化された能力を提供します。モデルは、思考モードと非思考モードを含む様々なサイズと構成で利用可能であり、長文脈理解に対応しています。Qwen3は、Alibaba CloudのQwenチームによって開発された大規模言語モデルシリーズです。指示追従、推論、テキスト理解、多言語サポートにおいて強化された能力を提供します。モデルは、思考モードと非思考モードを含む様々なサイズと構成で利用可能であり、長文脈理解に対応しています。

V-JEPA

AI GitHub リポジトリ

ビデオからの自己教師あり学習のためのPyTorch実装です。人間によるアノテーションやピクセルレベルの再構築なしに視覚的表現を学習するために、共同埋め込み予測アーキテクチャを利用します。コードとモデルは、多様な下流のビデオおよび画像タスク向けに設計されています。V-JEPAは、ビデオからの自己教師あり学習のためのPyTorch実装です。人間によるアノテーションやピクセルレベルの再構築なしに視覚的表現を学習するために、共同埋め込み予測アーキテクチャを利用します。コードとモデルは、多様な下流のビデオおよび画像タスク向けに設計されています。

Anthropic SDK Python

AI GitHub リポジトリ

Anthropic SDK for Python は、開発者が Claude API に直接アクセスするためのツールを提供します。このオープンソースライブラリは、高度なAI機能をPythonアプリケーションに容易に統合できるようにし、Anthropicの言語モデルとのプログラムによる対話を通じて、様々な自然言語処理タスクを実現します。

Audiocraft

AI GitHub リポジトリ

オーディオ生成および処理のためのPyTorchライブラリです。制御可能な音楽生成のためのMusicGenや、テキストからサウンドへのAudioGenなどの最先端モデルを提供します。このライブラリには、オーディオ圧縮器であるEnCodecと、研究用のトレーニングコードも含まれています。Audiocraftは、オーディオ生成および処理のためのPyTorchライブラリです。制御可能な音楽生成のためのMusicGenや、テキストからサウンドへのAudioGenなどの最先端モデルを提供します。このライブラリには、オーディオ圧縮器であるEnCodecと、研究用のトレーニングコードも含まれています。

StableLM

AI GitHub リポジトリ

Stability AI によって開発されたオープンソースの言語モデルシリーズです。この GitHub リポジトリは継続的な開発をホストしており、StableLM-3B-4E1T や StableLM-Alpha v2 などの様々なチェックポイントへのアクセスを提供します。高度な AI…StableLM は、Stability AI によって開発されたオープンソースの言語モデルシリーズです。この GitHub リポジトリは継続的な開発をホストしており、StableLM-3B-4E1T や StableLM-Alpha v2 などの様々なチェックポイントへのアクセスを提供します。高度な AI…

StyleCLIP

AI GitHub リポジトリ

StyleGANの画像に対するテキスト駆動型操作の公式実装です。StyleGANの生成能力とCLIPの視覚言語理解を組み合わせることで、テキストプロンプトによる直感的な画像編集を可能にします。本プロジェクトは、潜在ベクトル最適化、潜在マッパー、グローバルStyleSpace方向の3つの手法を提供します。StyleCLIPは、StyleGANの画像に対するテキスト駆動型操作の公式実装です。StyleGANの生成能力とCLIPの視覚言語理解を組み合わせることで、テキストプロンプトによる直感的な画像編集を可能にします。本プロジェクトは、潜在ベクトル最適化、潜在マッパー、グローバルStyleSpace方向の3つの手法を提供します。

MiniGPT-4 & MiniGPT-v2

AI GitHub リポジトリ

MiniGPT-4およびMiniGPT-v2のオープンソースコード。これらは、ビジョンと言語の理解を強化する高度な大規模言語モデルです。これらのモデルは、ビジョンと言語のタスクにおけるマルチタスク学習を可能にし、画像理解と生成の機能を提供します。Llama 2およびVicunaモデルを基盤としており、研究者や開発者向けの強力なツールを提供します。

AUI Apollo-1

AI モデル

AUIのApollo-1は、タスク指向対話のためのニューロシンボリック基盤モデルです。重みではなくコードで推論するため、企業はユーザーと会話しながらビジネスルールに従うエージェントを構築できます。Apollo-1は、追跡可能な意思決定、ツール起動、ルールベースの制御性、および確かな応答を提供し、予測可能なAIを実現します。

Text Generator API

AI アプリ

高度なAIテキスト、ビジョン、音声機能を統合した統一APIを提供します。優れた出力品質、プライバシー重視のインフラストラクチャ、予測可能なコストに焦点を当て、チームがより高性能なAIエクスペリエンスを構築し、事前構築されたワークフローと高速推論でユーザーをより迅速にコンバージョンできるよう支援します。Text Generatorは、高度なAIテキスト、ビジョン、音声機能を統合した統一APIを提供します。優れた出力品質、プライバシー重視のインフラストラクチャ、予測可能なコストに焦点を当て、チームがより高性能なAIエクスペリエンスを構築し、事前構築されたワークフローと高速推論でユーザーをより迅速にコンバージョンできるよう支援します。

DeepSeek-OCR

AI GitHub リポジトリ

コンテキスト光圧縮に焦点を当てたGitHubプロジェクトです。開発者がその開発に貢献し、光学文字認識とデータ圧縮の能力を向上させることができます。DeepSeek-OCRは、コンテキスト光圧縮に焦点を当てたGitHubプロジェクトです。開発者がその開発に貢献し、光学文字認識とデータ圧縮の能力を向上させることができます。

Kie.aiのNano Banana Pro API

AI アプリ

Kie.ai上のコスト効率の良いAPIで、GoogleのNano Banana Pro（Gemini 3.0 Pro Image）を使用して、開発者が1K、2K、4Kの高忠実度画像を生成および編集できるシンプルな統合を提供します。

OfoxAI

AI アプリ

GPT、Claude、Geminiを含む100以上のAIモデルにアクセスするための統一APIゲートウェイを提供します。既存のシステムとのシームレスな統合を実現し、開発者は単一のAPIキーでさまざまなAIモデルを利用し、従量課金制で支払うことができます。OfoxAIは、GPT、Claude、Geminiを含む100以上のAIモデルにアクセスするための統一APIゲートウェイを提供します。既存のシステムとのシームレスな統合を実現し、開発者は単一のAPIキーでさまざまなAIモデルを利用し、従量課金制で支払うことができます。

1枚のポートレート写真とスクリプトまたは音声を使用して、リップシンクされたトーキングビデオを生成するオープンソースのAIモデルです。音声とビデオを一度の処理で同時に生成します。オンラインで無料で試すことができ、自己ホスティングも可能です。daVinci-MagiHumanは、1枚のポートレート写真とスクリプトまたは音声を使用して、リップシンクされたトーキングビデオを生成するオープンソースのAIモデルです。音声とビデオを一度の処理で同時に生成します。オンラインで無料で試すことができ、自己ホスティングも可能です。

Miso One

AI アプリ

Miso Labsが開発した、表現豊かな会話型音声と低遅延音声エージェント研究のために構築された、オープンウェイトの英語専用テキスト音声合成モデルMiso TTS 8Bの情報、デモ、アクセスサイトです。Miso Oneは、Miso Labsが開発した、表現豊かな会話型音声と低遅延音声エージェント研究のために構築された、オープンウェイトの英語専用テキスト音声合成モデルMiso TTS 8Bの情報、デモ、アクセスサイトです。

DeepSeek Online

AI アプリ

ブラウザで登録なしに動作するオープンソースのDeepSeek V3モデル（671Bパラメータ）の無料オンラインデモと、個人および商業利用のためにモデルをローカルで実行するためのリンクを提供します。

SJolt

AI アプリ

製品チーム、開発者、クリエイターがさまざまな画像、動画、音声生成モデルをシームレスに探索、比較、利用できる統合APIプラットフォームです。テストから本番環境への移行を単一のAPIで簡素化します。SJoltは、製品チーム、開発者、クリエイターがさまざまな画像、動画、音声生成モデルをシームレスに探索、比較、利用できる統合APIプラットフォームです。テストから本番環境への移行を単一のAPIで簡素化します。

APIMODELS

AI プラットフォーム

ClaudeやGPTを含む110以上のモデルを集約したマルチモデルAI APIプラットフォームで、公式APIより最大95%低価格で提供します。簡単なアクセスと統合のために、単一のAPIキーとエンドポイントを提供します。APIMODELSは、ClaudeやGPTを含む110以上のモデルを集約したマルチモデルAI APIプラットフォームで、公式APIより最大95%低価格で提供します。簡単なアクセスと統合のために、単一のAPIキーとエンドポイントを提供します。

Tencent Hunyuan Large Model

AI アプリ

言語翻訳や視覚理解を含むさまざまなアプリケーション向けに設計された高度なAIモデルです。パフォーマンスと効率が向上し、シームレスな統合のために複数の言語とプラットフォームをサポートしています。Tencent Hunyuan Large Modelは、言語翻訳や視覚理解を含むさまざまなアプリケーション向けに設計された高度なAIモデルです。パフォーマンスと効率が向上し、シームレスな統合のために複数の言語とプラットフォームをサポートしています。

Flux 3 — マルチモーダルAI

AI アプリ

Black Forest LabsのFlux 3は、画像、動画、音声から学習するマルチモーダル基盤モデルです。これにより、クリエイターは異なるメディアタイプ間でシームレスにコンテンツを生成でき、視覚的知性とクリエイティブなワークフローを向上させます。

80以上のAIモデルにアクセスするための統一APIを提供し、直接プロバイダーの料金と比較して最大90%のコスト削減を実現します。ユーザーは成功した呼び出しに対してのみ支払いを行い、クレジットの有効期限はなく、サインアップ時に無料クレジットが提供されます。you.botは、80以上のAIモデルにアクセスするための統一APIを提供し、直接プロバイダーの料金と比較して最大90%のコスト削減を実現します。ユーザーは成功した呼び出しに対してのみ支払いを行い、クレジットの有効期限はなく、サインアップ時に無料クレジットが提供されます。

Emix.ai

AI アプリ

GPT、Gemini、Klingなどの主要なAIモデルにアクセスするための統一APIを提供します。無料のAPIクレジット、透明な価格設定、失敗した生成に対する料金がないため、AI機能を効率的に統合しようとする開発者にとって理想的なソリューションです。Emix.aiは、GPT、Gemini、Klingなどの主要なAIモデルにアクセスするための統一APIを提供します。無料のAPIクレジット、透明な価格設定、失敗した生成に対する料金がないため、AI機能を効率的に統合しようとする開発者にとって理想的なソリューションです。

Cat-MaineCoon

AI モデル

ソーシャルインタラクティブアプリケーション向けに最適化されたリアルタイムオーディオビジュアル生成モデルです。220億のパラメータを持ち、ストリーミング生成とサブ秒のインタラクションを可能にし、魅力的なソーシャルメディアコンテンツの作成に最適です。Cat-MaineCoonは、ソーシャルインタラクティブアプリケーション向けに最適化されたリアルタイムオーディオビジュアル生成モデルです。220億のパラメータを持ち、ストリーミング生成とサブ秒のインタラクションを可能にし、魅力的なソーシャルメディアコンテンツの作成に最適です。

flatkey

AI アプリ

単一のキーを通じて100以上のAIモデルと1,000のツールへのアクセスを統合するAI APIゲートウェイです。請求と使用状況の追跡を簡素化し、さまざまなアプリケーション向けに柔軟な価格オプションを提供します。flatkeyは、単一のキーを通じて100以上のAIモデルと1,000のツールへのアクセスを統合するAI APIゲートウェイです。請求と使用状況の追跡を簡素化し、さまざまなアプリケーション向けに柔軟な価格オプションを提供します。

MiniMax

AI アプリ

誰とでも知性を共創することに焦点を当てた、世界的なAIテクノロジー企業です。マルチモーダルAIモデルの一連を開発し、AIネイティブ製品を提供し、全世界で2億人以上のユーザーにサービスを提供しています。MiniMaxは、誰とでも知性を共創することに焦点を当てた、世界的なAIテクノロジー企業です。マルチモーダルAIモデルの一連を開発し、AIネイティブ製品を提供し、全世界で2億人以上のユーザーにサービスを提供しています。

MiMo

AI プラットフォーム

ユーザーと知性の本質との対話を促進するXiaomiのAIプラットフォームです。複雑な情報を理解可能な言語と行動に圧縮し、日常生活における創造性と理解を育むことを目指しています。MiMoは、ユーザーと知性の本質との対話を促進するXiaomiのAIプラットフォームです。複雑な情報を理解可能な言語と行動に圧縮し、日常生活における創造性と理解を育むことを目指しています。

OfoxAIモデル

AI アプリ

GPT-5.5、Claude Opus 4.8、Gemini 3.5 Flashを含む100以上のAIモデルに、単一のAPIを通じてアクセスを提供します。リアルタイムの価格設定を提供し、さまざまなAIコーディングツールと互換性があります。OfoxAIは、GPT-5.5、Claude Opus 4.8、Gemini 3.5 Flashを含む100以上のAIモデルに、単一のAPIを通じてアクセスを提供します。リアルタイムの価格設定を提供し、さまざまなAIコーディングツールと互換性があります。

APIMaster

AI アプリ

GPT、Claude、DeepSeekなどの複数のAIモデルにアクセスするための単一のAPIキーを割引価格で提供します。新規ユーザーには$50のトライアルクレジットが付与され、AI APIニーズに対する手頃なソリューションとなります。APIMasterは、GPT、Claude、DeepSeekなどの複数のAIモデルにアクセスするための単一のAPIキーを割引価格で提供します。新規ユーザーには$50のトライアルクレジットが付与され、AI APIニーズに対する手頃なソリューションとなります。