AI モデルの最高の場を見つける — DistilGPT2やClaude Opusのような言語トランスフォーマーから、GPT-5.6: Frontier intelligenceやGoogle DeepMindのGemini 3.1 Proといった高度なシステムまで、開発者や研究者がプロジェクトを向上させるツールを探求する場です: 人間のようなテキストを生成したり、会話エージェントを構築したり、複雑なアルゴリズムを開発したり、AIの能力の限界を押し広げたりします。 AIモデルとLLM, コンピュータービジョンツール, テキスト読み上げ, 3Dモデル生成ツール と 科学的発見・ラボツール などのカテゴリーにわたる 317 件のAI モデルをご覧ください。
317 件のツール
AI モデル
Zhipu GLMモデルを搭載したAIリサーチアシスタントで、3億件以上の文献記録と6千万人の研究者へのアクセスを提供します。学術検索、深層リサーチ、AIによる論文読解、AI駆動の文献レビューをサポートし、正確な引用とともに科学研究の効率を高めます。AMinerは、Zhipu GLMモデルを搭載したAIリサーチアシスタントで、3億件以上の文献記録と6千万人の研究者へのアクセスを提供します。学術検索、深層リサーチ、AIによる論文読解、AI駆動の文献レビューをサポートし、正確な引用とともに科学研究の効率を高めます。
AI モデル トップ5を見るAI モデル
ロボットアーム間で多様なタスクを学習する自己改善型AIエージェントです。わずか100回のデモンストレーションで新しいタスクに適応でき、パフォーマンス向上のために独自のトレーニングデータを生成し、ロボット工学の研究を加速させます。RoboCatは、ロボットアーム間で多様なタスクを学習する自己改善型AIエージェントです。わずか100回のデモンストレーションで新しいタスクに適応でき、パフォーマンス向上のために独自のトレーニングデータを生成し、ロボット工学の研究を加速させます。
AI モデル トップ5を見るニューラルネットワークに依存せずに高忠実度でシーンを再構築する、Radiance Fieldsの新しいアプローチを提供します。この手法は、従来のNeRFと比較して最適化速度が2桁速く、様々な3D再構築タスクにおいて非常に効率的です。密度と球面調和係数には、スパースボクセルグリッドを利用します。Plenoxelsは、ニューラルネットワークに依存せずに高忠実度でシーンを再構築する、Radiance Fieldsの新しいアプローチを提供します。この手法は、従来のNeRFと比較して最適化速度が2桁速く、様々な3D再構築タスクにおいて非常に効率的です。密度と球面調和係数には、スパースボクセルグリッドを利用します。
AI モデル トップ5を見るこのAIモデルは、ニューラルグラフィックスプリミティブに対するマルチ解像度ハッシュエンコーディングを導入し、単一GPUでのニューラルネットワークのほぼ瞬時のトレーニングを可能にします。ギガピクセル画像表現、ニューラルSDF、NeRF再構成などのタスクにおけるトレーニング時間と計算コストを大幅に削減し、高品質とシンプルさを提供します。
AI モデル トップ5を見るAI モデル
このAIモデルは、リアルタイムの放射場レンダリングに3D Gaussian Splattingを導入し、高いフレームレートで最先端の視覚品質を実現します。3Dガウスを用いてシーン表現を最適化し、高速な可視性認識レンダリングアルゴリズムにより、1080p解像度で高品質な新規ビュー合成を可能にします。
AI モデル トップ5を見るAI モデル
2D画像コレクションから直接高品質な3Dテクスチャ付きメッシュを合成する生成AIモデルです。複雑なトポロジーと豊かな幾何学的ディテールを持つ多様な形状を生成し、標準的な3Dレンダリングエンジンで使用可能です。このモデルは2D画像に対する敵対的損失を用いて学習され、ジオメトリとテクスチャの分離を実現しています。GET3Dは、2D画像コレクションから直接高品質な3Dテクスチャ付きメッシュを合成する生成AIモデルです。複雑なトポロジーと豊かな幾何学的ディテールを持つ多様な形状を生成し、標準的な3Dレンダリングエンジンで使用可能です。このモデルは2D画像に対する敵対的損失を用いて学習され、ジオメトリとテクスチャの分離を実現しています。
AI モデル トップ5を見るAI モデル
高解像度のテキストから3Dコンテンツを生成するAIツールです。テキストプロンプトから詳細な3Dメッシュモデルを、粗いものから細かいものへと段階的に最適化する拡散戦略を用いて生成します。このツールは、プロンプトベースの編集や画像条件付けによる高度な制御とクリエイティブな応用を可能にし、優れた品質の3Dアセットを生成します。Magic3Dは、高解像度のテキストから3Dコンテンツを生成するAIツールです。テキストプロンプトから詳細な3Dメッシュモデルを、粗いものから細かいものへと段階的に最適化する拡散戦略を用いて生成します。このツールは、プロンプトベースの編集や画像条件付けによる高度な制御とクリエイティブな応用を可能にし、優れた品質の3Dアセットを生成します。
AI モデル トップ5を見るAI モデル
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。
AI モデル トップ5を見るAI モデル
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。
AI モデル トップ5を見る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…
AI モデル トップ5を見るAI モデル
比類なき精度で10日間の全球天気予報を提供するAIモデルであり、1分未満で予測を完了します。従来のシステムを大幅に上回り、サイクロンや熱波などの異常気象イベントの早期警報を提供し、現在は世界の科学的利益のためにオープンソース化されています。GraphCastは、比類なき精度で10日間の全球天気予報を提供するAIモデルであり、1分未満で予測を完了します。従来のシステムを大幅に上回り、サイクロンや熱波などの異常気象イベントの早期警報を提供し、現在は世界の科学的利益のためにオープンソース化されています。
AI モデル トップ5を見るAI モデル
厳密にローカルな E(3)-同変機械学習原子間ポテンシャルです。NequIP の拡張パッケージとして実装されており、材料科学および関連分野における正確かつ効率的なシミュレーションの提供に重点を置いています。ドキュメントには、インストール、使用方法、LAMMPS との統合に関する情報が含まれています。Allegro は、厳密にローカルな E(3)-同変機械学習原子間ポテンシャルです。NequIP の拡張パッケージとして実装されており、材料科学および関連分野における正確かつ効率的なシミュレーションの提供に重点を置いています。ドキュメントには、インストール、使用方法、LAMMPS との統合に関する情報が含まれています。
AI モデル トップ5を見る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。
AI モデル トップ5を見るPanoptic FPNは、インスタンスセグメンテーションとセマンティックセグメンテーションを単一のネットワークアーキテクチャに統合します。共有されたFeature Pyramid Networkバックボーンを用いたセマンティックセグメンテーションブランチをMask…
AI モデル トップ5を見るAI モデル
BAAI Modelsプラットフォームは、自然言語処理、マルチモーダル理解、タンパク質解析のための多様なAIモデルコレクションを提供します。テキスト生成、画像説明、タンパク質構造予測などのタスクに対応するモデルを探索・ダウンロードでき、様々なアプリケーションや研究ニーズをサポートします。
AI モデル トップ5を見る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…
AI モデル トップ5を見るAI モデル
このリポジトリは、BEGAN (Boundary Equilibrium Generative Adversarial Networks) モデルのTensorFlow実装を提供します。画像合成のための生成モデルのトレーニングとテストを可能にし、カスタムデータセットとGPUアクセラレーションをサポートします。プロジェクトには、データローディング、モデルアーキ…
AI モデル トップ5を見る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。
AI モデル トップ5を見るAI モデル
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。
AI モデル トップ5を見るAI モデル
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。
AI モデル トップ5を見る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。
AI モデル トップ5を見る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。
AI モデル トップ5を見る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。
AI モデル トップ5を見るAI モデル
50年来のタンパク質構造予測という難問を解決するAIシステムです。アミノ酸配列からタンパク質の3D構造を高精度に予測し、生物学と医学における科学的発見を加速させます。AlphaFoldは、50年来のタンパク質構造予測という難問を解決するAIシステムです。アミノ酸配列からタンパク質の3D構造を高精度に予測し、生物学と医学における科学的発見を加速させます。
AI モデル トップ5を見る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。
AI モデル トップ5を見るAI モデル
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。
AI モデル トップ5を見る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。
AI モデル トップ5を見るAI モデル
AI画像生成と編集に使用されるGoogle DeepMindのGemini Imageモデルのブランドです。テキストプロンプトとアップロードされた画像を一緒に理解し、生成する内容に現実世界の論理を反映させ、ユーザーが会話を通じて結果を洗練させることを可能にします。プロレベルの精密なスタジオ品質の編集から、Geminiを使用して画像を作成または編…ナノバナナは、AI画像生成と編集に使用されるGoogle DeepMindのGemini Imageモデルのブランドです。テキストプロンプトとアップロードされた画像を一緒に理解し、生成する内容に現実世界の論理を反映させ、ユーザーが会話を通じて結果を洗練させることを可能にします。プロレベルの精密なスタジオ品質の編集から、Geminiを使用して画像を作成または編…
AI モデル トップ5を見るAI モデル
視覚知能に特化した先進的なAIラボで、世界を理解し、推論し、行動するモデルを開発しています。彼らのFLUXモデルは、シンプルなAPIを通じて高度な画像および動画生成を可能にし、さまざまなクリエイティブおよび企業ニーズに応えます。ブラックフォレストラボは、視覚知能に特化した先進的なAIラボで、世界を理解し、推論し、行動するモデルを開発しています。彼らのFLUXモデルは、シンプルなAPIを通じて高度な画像および動画生成を可能にし、さまざまなクリエイティブおよび企業ニーズに応えます。
AI モデル トップ5を見るAI モデル
Grok Imagine by xAIは、ユーザーが画像を作成・編集し、それを動画にアニメーション化し、Imagine Agent Modeを使用して迅速に反復できるAI画像および動画生成ツールです。さまざまなクリエイティブニーズに対応する機能を提供します。
AI モデル トップ5を見るAI モデル
Rerankは、意味的関連性に基づいて結果を再順位付けすることで、企業の検索と取得を強化します。これにより、精度と効率が向上し、最も関連性の高い文書のみが処理されるため、レイテンシが減少し、全体的なパフォーマンスが向上します。
AI モデル トップ5を見るGoogle DeepMindのVeo 3.1は、リアリズム、創造的コントロール、プロンプトに従う能力を強化した先進的なビデオ生成モデルです。テキストからビデオ、画像からビデオ、テキストからオーディオ+ビデオの生成をサポートし、映画的なストーリーテリングや創造的なプロジェクトに最適です。
AI モデル トップ5を見るAI モデル
ユーザーがシネマティックな4Kビデオをネイティブオーディオで作成できる、最先端のビデオ生成を提供します。スピードと効率を最適化しており、ソーシャルメディアコンテンツや広告クリエイティブを迅速にスケールするのに最適です。Google Veo 3.1は、ユーザーがシネマティックな4Kビデオをネイティブオーディオで作成できる、最先端のビデオ生成を提供します。スピードと効率を最適化しており、ソーシャルメディアコンテンツや広告クリエイティブを迅速にスケールするのに最適です。
AI モデル トップ5を見る効率的なデバイス上でのパフォーマンスのために設計された高度なオープンマルチモーダルモデルです。オフラインで動作するプライバシー重視のアプリケーションを可能にする音声、テキスト、画像、動画の処理をサポートしています。Gemma 3nは、効率的なデバイス上でのパフォーマンスのために設計された高度なオープンマルチモーダルモデルです。オフラインで動作するプライバシー重視のアプリケーションを可能にする音声、テキスト、画像、動画の処理をサポートしています。
AI モデル トップ5を見るAI モデル
テキスト指示とオプションのオーディオ入力を使用してオーディオ合成と変換を行うフレームワークです。クリエイターが音の幻想を具現化できるようにし、ComposeableARTのような革新的な技術を用いてオーディオを作成・制御するためのツールを提供します。Fugattoは、テキスト指示とオプションのオーディオ入力を使用してオーディオ合成と変換を行うフレームワークです。クリエイターが音の幻想を具現化できるようにし、ComposeableARTのような革新的な技術を用いてオーディオを作成・制御するためのツールを提供します。
AI モデル トップ5を見るAI モデル
Resemble AIによって開発されたオープンソースのテキスト読み上げモデルで、350Mのパラメータと75msのレイテンシを持ち、超高速なパフォーマンスを提供します。5秒の音声からのボイスクローンと、表現力豊かな出力のためのパラ言語タグを特徴としています。Chatterbox Turboは、Resemble AIによって開発されたオープンソースのテキスト読み上げモデルで、350Mのパラメータと75msのレイテンシを持ち、超高速なパフォーマンスを提供します。5秒の音声からのボイスクローンと、表現力豊かな出力のためのパラ言語タグを特徴としています。
AI モデル トップ5を見るAI モデル
高度なテキスト生成タスクのために設計されたAIモデルコレクションです。オープンソースとオープンサイエンスの原則を活用し、人工知能を民主化することを目的とし、さまざまなアプリケーションに対応する異なるパラメータを持つモデルを提供します。DeepSeek V4 Flashは、高度なテキスト生成タスクのために設計されたAIモデルコレクションです。オープンソースとオープンサイエンスの原則を活用し、人工知能を民主化することを目的とし、さまざまなアプリケーションに対応する異なるパラメータを持つモデルを提供します。
AI モデル トップ5を見るAI モデル
マルチモーダルなビデオ、オーディオ、世界シミュレーションのために設計された高度なオープンウェイト拡散トランスフォーマーモデルです。高忠実度のレンダリング、滑らかな動き、正確な制御を提供し、プロフェッショナルなビデオ制作やリアルタイムアプリケーションに最適です。LTX-2.5 Proは、マルチモーダルなビデオ、オーディオ、世界シミュレーションのために設計された高度なオープンウェイト拡散トランスフォーマーモデルです。高忠実度のレンダリング、滑らかな動き、正確な制御を提供し、プロフェッショナルなビデオ制作やリアルタイムアプリケーションに最適です。
AI モデル トップ5を見るAI モデル
高速推論と簡単なデプロイメントのために設計された軽量の多言語リランカーモデルです。クエリとドキュメントの類似スコアを出力し、中国語と英語の両方をサポートしています。BAAI/bge-reranker-v2-m3は、高速推論と簡単なデプロイメントのために設計された軽量の多言語リランカーモデルです。クエリとドキュメントの類似スコアを出力し、中国語と英語の両方をサポートしています。
AI モデル トップ5を見るINSAITによって開発されたブルガリア語モデルで、GoogleのGemma 2 27Bに基づいています。ブルガリアの文化的および言語的タスクに優れ、英語の能力も保持しています。BgGPT-Gemma-2-27B-IT-v1.0は、INSAITによって開発されたブルガリア語モデルで、GoogleのGemma 2 27Bに基づいています。ブルガリアの文化的および言語的タスクに優れ、英語の能力も保持しています。
AI モデル トップ5を見るAI モデル
LightricksによるDiTベースの動画生成モデルで、高品質なリアルタイム動画を生成することができます。多様なデータセットで訓練され、リアルなコンテンツを生成し、1216×704の解像度で30 FPSの動画を生成します。LTX-VideoはLightricksによるDiTベースの動画生成モデルで、高品質なリアルタイム動画を生成することができます。多様なデータセットで訓練され、リアルなコンテンツを生成し、1216×704の解像度で30 FPSの動画を生成します。
AI モデル トップ5を見るAI モデル
密なモデルと専門家の混合機能を提供する最先端の言語モデルです。推論、多言語サポート、エージェント統合に優れ、複雑なタスクに最適です。Qwen3-0.6Bは、密なモデルと専門家の混合機能を提供する最先端の言語モデルです。推論、多言語サポート、エージェント統合に優れ、複雑なタスクに最適です。
AI モデル トップ5を見るエージェント型コーディングタスクのために設計された強力なAIモデルです。長いコンテキストをサポートし、ツール呼び出しに優れているため、複雑なコーディング環境に適しています。Qwen3-Coder-480B-A35B-Instructは、エージェント型コーディングタスクのために設計された強力なAIモデルです。長いコンテキストをサポートし、ツール呼び出しに優れているため、複雑なコーディング環境に適しています。
AI モデル トップ5を見るAI モデル
高度な推論、多言語サポート、エージェント機能を提供する大規模言語モデルです。複雑なタスクに優れ、100以上の言語をサポートし、思考モードと非思考モードの間でシームレスに切り替えることで最適なパフォーマンスを実現します。Qwen3-32Bは、高度な推論、多言語サポート、エージェント機能を提供する大規模言語モデルです。複雑なタスクに優れ、100以上の言語をサポートし、思考モードと非思考モードの間でシームレスに切り替えることで最適なパフォーマンスを実現します。
AI モデル トップ5を見るAI モデル
精度の向上、自然な音声合成、そして多言語サポートを提供する高度なテキスト読み上げモデルです。Qwen-2.5-0.5Bを基盤に構築されており、音声クローン機能を強化し、50億以上の音声トークンで語彙を拡張しています。OuteTTS-0.2-500Mは、精度の向上、自然な音声合成、そして多言語サポートを提供する高度なテキスト読み上げモデルです。Qwen-2.5-0.5Bを基盤に構築されており、音声クローン機能を強化し、50億以上の音声トークンで語彙を拡張しています。
AI モデル トップ5を見る優れたテキスト理解、視覚認識、推論能力を提供する強力なビジョン・ランゲージモデルです。強化されたマルチモーダル推論と空間認識を備えた柔軟な展開をサポートします。Qwen3-VL-235B-A22B-Instructは、優れたテキスト理解、視覚認識、推論能力を提供する強力なビジョン・ランゲージモデルです。強化されたマルチモーダル推論と空間認識を備えた柔軟な展開をサポートします。
AI モデル トップ5を見るAI モデル
高性能なマルチモーダル学習のために設計されたビジョンエンコーダーを備えた因果言語モデルです。201の言語をサポートし、スケーラブルな強化学習のための効率的なハイブリッドアーキテクチャを提供します。Qwen3.5-4Bは、高性能なマルチモーダル学習のために設計されたビジョンエンコーダーを備えた因果言語モデルです。201の言語をサポートし、スケーラブルな強化学習のための効率的なハイブリッドアーキテクチャを提供します。
AI モデル トップ5を見るAI モデル
テキストからビデオ、画像からビデオ、ビデオ編集タスクに優れた最先端のビデオ生成モデルです。コンシューマー向けGPUをサポートし、重要な動的表現を持つ高品質なビジュアルを生成します。Wan2.1-T2V-14Bは、テキストからビデオ、画像からビデオ、ビデオ編集タスクに優れた最先端のビデオ生成モデルです。コンシューマー向けGPUをサポートし、重要な動的表現を持つ高品質なビジュアルを生成します。
AI モデル トップ5を見るAI モデル
英語やさまざまなインディック言語を含む21の言語をサポートする多言語テキスト読み上げモデルです。感情表現、アクセントの柔軟性、話者の多様性などの機能を備えたカスタマイズ可能な音声合成を提供します。インディックパーラーTTSは、英語やさまざまなインディック言語を含む21の言語をサポートする多言語テキスト読み上げモデルです。感情表現、アクセントの柔軟性、話者の多様性などの機能を備えたカスタマイズ可能な音声合成を提供します。
AI モデル トップ5を見るAI モデル
複雑なタスク向けに設計された高度なオープンソースのMixture-of-Experts言語モデルです。ハイブリッドアテンションアーキテクチャを特徴とし、最大1Mトークンのコンテキスト長をサポートしているため、要求の厳しいソフトウェアエンジニアリングや長期的なタスクに最適です。MiMo-V2.5-Proは、複雑なタスク向けに設計された高度なオープンソースのMixture-of-Experts言語モデルです。ハイブリッドアテンションアーキテクチャを特徴とし、最大1Mトークンのコンテキスト長をサポートしているため、要求の厳しいソフトウェアエンジニアリングや長期的なタスクに最適です。
AI モデル トップ5を見るAI モデル
Llama-3アーキテクチャに基づく100億パラメータの言語モデルです。推論、コード生成、数学的問題解決に優れ、コンパクトなサイズで堅牢なパフォーマンスを提供します。Virtuoso-Liteは、Llama-3アーキテクチャに基づく100億パラメータの言語モデルです。推論、コード生成、数学的問題解決に優れ、コンパクトなサイズで堅牢なパフォーマンスを提供します。
AI モデル トップ5を見るAI モデル
効率的な推論とエージェントタスクのために設計された高度なAIモデルです。DeepSeekスパースアテンション、スケーラブルな強化学習、そして大規模なエージェントタスク合成パイプラインを特徴としています。DeepSeek-V3.2は、効率的な推論とエージェントタスクのために設計された高度なAIモデルです。DeepSeekスパースアテンション、スケーラブルな強化学習、そして大規模なエージェントタスク合成パイプラインを特徴としています。
AI モデル トップ5を見るAI モデル
Meta AIによって開発されたテキストから音楽を生成するモデルで、テキストの説明や音声のプロンプトに基づいて高品質な音楽サンプルを生成することができます。効率的な音楽生成のために、単一段階の自己回帰型トランスフォーマーモデルを使用しています。MusicGen Largeは、Meta AIによって開発されたテキストから音楽を生成するモデルで、テキストの説明や音声のプロンプトに基づいて高品質な音楽サンプルを生成することができます。効率的な音楽生成のために、単一段階の自己回帰型トランスフォーマーモデルを使用しています。
AI モデル トップ5を見るAI モデル
さまざまなデバイスで効率的に動作するように設計された高度なビデオ理解モデルです。ビデオ分析と視覚的推論の能力を強化し、異なるプラットフォームでのビデオ理解を可能にします。SmolVLM2は、さまざまなデバイスで効率的に動作するように設計された高度なビデオ理解モデルです。ビデオ分析と視覚的推論の能力を強化し、異なるプラットフォームでのビデオ理解を可能にします。
AI モデル トップ5を見るテキスト要約および理解タスクのために設計されたトランスフォーマーベースの AI モデルです。CNN Daily Mail データセットでファインチューニングされており、簡潔な要約を生成し、複雑なテキスト入力を理解するのに優れています。facebook/bart-large-cnn モデルは、テキスト要約および理解タスクのために設計されたトランスフォーマーベースの AI モデルです。CNN Daily Mail データセットでファインチューニングされており、簡潔な要約を生成し、複雑なテキスト入力を理解するのに優れています。
AI モデル トップ5を見るAI モデル
推論能力、ウェブ開発、そして中国語の執筆能力において大幅な改善を提供する高度なAIモデルです。これは、マルチターンのインタラクティブなリライトと翻訳の質を向上させ、開発者や研究者にとって多用途なツールとなります。DeepSeek-V3-0324は、推論能力、ウェブ開発、そして中国語の執筆能力において大幅な改善を提供する高度なAIモデルです。これは、マルチターンのインタラクティブなリライトと翻訳の質を向上させ、開発者や研究者にとって多用途なツールとなります。
AI モデル トップ5を見るほぼ100言語で音声とテキストの翻訳をサポートする多言語・多モーダルの機械翻訳モデルです。前のバージョンよりも品質と速度が向上しています。SeamlessM4T v2 Largeは、ほぼ100言語で音声とテキストの翻訳をサポートする多言語・多モーダルの機械翻訳モデルです。前のバージョンよりも品質と速度が向上しています。
AI モデル トップ5を見るAI モデル
クロスリンガル音声認識のために設計された事前学習済みの音声モデルです。自動音声認識などの特定のタスクに対してファインチューニングが必要で、複数の言語にわたってエラー率が改善されます。Wav2Vec2 Large XLSR-53は、クロスリンガル音声認識のために設計された事前学習済みの音声モデルです。自動音声認識などの特定のタスクに対してファインチューニングが必要で、複数の言語にわたってエラー率が改善されます。
AI モデル トップ5を見るAI モデル
テキストと画像の入力を処理してテキスト出力を生成することができる、Googleの最先端のマルチモーダルAIモデルです。140以上の言語をサポートし、リソースが限られた環境での効率的な展開を目的としています。Gemma 3-27B ITは、テキストと画像の入力を処理してテキスト出力を生成することができる、Googleの最先端のマルチモーダルAIモデルです。140以上の言語をサポートし、リソースが限られた環境での効率的な展開を目的としています。
AI モデル トップ5を見るAI モデル
テキストと画像の入力を処理してテキスト出力を生成することができる、Googleの最先端のマルチモーダルAIモデルです。140以上の言語をサポートしており、リソースが限られた環境での効率的な展開を目的としています。Gemma 3-4Bは、テキストと画像の入力を処理してテキスト出力を生成することができる、Googleの最先端のマルチモーダルAIモデルです。140以上の言語をサポートしており、リソースが限られた環境での効率的な展開を目的としています。
AI モデル トップ5を見るSigLIPは、WebLiで事前学習された形状最適化されたマルチモーダルモデルで、ゼロショット画像分類と画像-テキスト検索のために設計されています。パフォーマンスとスケーラビリティを向上させるためにシグモイド損失関数を使用しています。
AI モデル トップ5を見るAI モデル
さまざまなNLPアプリケーション向けに設計された多言語・多タスクのテキスト埋め込みモデルです。長い入力シーケンスとタスク特有の埋め込みをサポートし、さまざまなユースケースに対応します。Jina Embeddings v3は、さまざまなNLPアプリケーション向けに設計された多言語・多タスクのテキスト埋め込みモデルです。長い入力シーケンスとタスク特有の埋め込みをサポートし、さまざまなユースケースに対応します。
AI モデル トップ5を見るAI モデル
Googleによって開発された軽量で最先端のAIモデルで、リソースの少ないデバイスでの効率的な実行を目的としています。テキスト、画像、動画、音声のマルチモーダル入力をサポートし、事前学習済みおよび指示調整済みのバリアントのオープンウェイトでテキスト出力を生成します。Gemma-3n-E4B-itは、Googleによって開発された軽量で最先端のAIモデルで、リソースの少ないデバイスでの効率的な実行を目的としています。テキスト、画像、動画、音声のマルチモーダル入力をサポートし、事前学習済みおよび指示調整済みのバリアントのオープンウェイトでテキスト出力を生成します。
AI モデル トップ5を見るAI モデル
Googleによって開発された軽量でオープンソースのAIモデルのファミリーで、リソースが限られたデバイスでの効率的な実行を目的としています。テキスト、画像、動画、音声などのマルチモーダル入力をサポートし、テキスト出力を生成します。モデルは、選択的パラメータアクティベーション技術を使用してパフォーマンスを最適化しています。Gemma 3nは、Googleによって開発された軽量でオープンソースのAIモデルのファミリーで、リソースが限られたデバイスでの効率的な実行を目的としています。テキスト、画像、動画、音声などのマルチモーダル入力をサポートし、テキスト出力を生成します。モデルは、選択的パラメータアクティベーション技術を使用してパフォーマンスを最適化しています。
AI モデル トップ5を見る視覚認識、画像推論、キャプショニングのために設計されたマルチモーダルAIモデルです。Metaによって開発され、テキストと画像の入力を統合して高度な画像理解能力を提供します。Llama-3.2-11B-Vision-Instructは、視覚認識、画像推論、キャプショニングのために設計されたマルチモーダルAIモデルです。Metaによって開発され、テキストと画像の入力を統合して高度な画像理解能力を提供します。
AI モデル トップ5を見るMetaによって開発されたマルチモーダルAIモデルで、高度なテキストおよび画像理解のために設計されています。さまざまなアプリケーションで高いパフォーマンスを発揮するために、エキスパートの混合アーキテクチャを活用しています。Llama-4 Maverick 17B-128E Instructは、Metaによって開発されたマルチモーダルAIモデルで、高度なテキストおよび画像理解のために設計されています。さまざまなアプリケーションで高いパフォーマンスを発揮するために、エキスパートの混合アーキテクチャを活用しています。
AI モデル トップ5を見るAI モデル
光学文字認識（OCR）タスクのために設計されたエンコーダ-デコーダモデルです。画像を処理してテキストを生成するためにTransformerベースのアーキテクチャを利用しており、画像内の手書きテキストを認識するのに適しています。TrOCRは光学文字認識（OCR）タスクのために設計されたエンコーダ-デコーダモデルです。画像を処理してテキストを生成するためにTransformerベースのアーキテクチャを利用しており、画像内の手書きテキストを認識するのに適しています。
AI モデル トップ5を見るMetaによって設計されたマルチモーダルAIモデルです。専門家の混合アーキテクチャを活用して、先進的なテキストおよび画像理解機能を提供し、多言語出力と多様なアプリケーション向けのファインチューニングをサポートします。Llama-4-Scout-17B-16E-Instructは、Metaによって設計されたマルチモーダルAIモデルです。専門家の混合アーキテクチャを活用して、先進的なテキストおよび画像理解機能を提供し、多言語出力と多様なアプリケーション向けのファインチューニングをサポートします。
AI モデル トップ5を見るAI モデル
エッジデプロイメント向けに設計されたコンパクトなAIモデルで、多言語サポートと視覚機能を提供します。指示タスクに最適化されており、リソースの少ないデバイスでも効率的に動作します。Ministral 3は、エッジデプロイメント向けに設計されたコンパクトなAIモデルで、多言語サポートと視覚機能を提供します。指示タスクに最適化されており、リソースの少ないデバイスでも効率的に動作します。
AI モデル トップ5を見るAI モデル
Microsoftによって開発された高度なビジョン基盤モデルで、さまざまなビジョンおよびビジョン-言語タスクを処理するように設計されています。キャプショニングや物体検出などのタスクに対してプロンプトベースのアプローチを使用し、多様なデータセットを活用してマルチタスク学習を行います。Florence-2は、Microsoftによって開発された高度なビジョン基盤モデルで、さまざまなビジョンおよびビジョン-言語タスクを処理するように設計されています。キャプショニングや物体検出などのタスクに対してプロンプトベースのアプローチを使用し、多様なデータセットを活用してマルチタスク学習を行います。
AI モデル トップ5を見るAI モデル
Microsoft Researchによって開発された最先端の推論モデルです。Phi-4からスーパーバイズド・ラーニングと強化学習を用いてファインチューニングされ、数学、科学、コーディングにおける高度な推論タスクのために設計されています。Phi-4-reasoning-plusは、Microsoft Researchによって開発された最先端の推論モデルです。Phi-4からスーパーバイズド・ラーニングと強化学習を用いてファインチューニングされ、数学、科学、コーディングにおける高度な推論タスクのために設計されています。
AI モデル トップ5を見るAI モデル
12億のパラメータと4億のパラメータを持つビジョンエンコーダを備えたマルチモーダルAIモデルで、高度な画像およびテキスト処理タスクのために設計されています。Pixtral-12B-2409は、12億のパラメータと4億のパラメータを持つビジョンエンコーダを備えたマルチモーダルAIモデルで、高度な画像およびテキスト処理タスクのために設計されています。
AI モデル トップ5を見る240億のパラメータを持つ高度なAIモデルで、最先端の視覚およびテキスト機能を提供します。最大128kトークンまでの長いコンテキスト理解をサポートし、会話エージェントや視覚分析に最適です。Mistral-Small-3.1-24B-Instruct-2503は、240億のパラメータを持つ高度なAIモデルで、最先端の視覚およびテキスト機能を提供します。最大128kトークンまでの長いコンテキスト理解をサポートし、会話エージェントや視覚分析に最適です。
AI モデル トップ5を見るAI モデル
Reducto AIによって開発されたオープンソースのOCRツールで、前のolmOCRと比較して処理速度が速く、メモリ使用量が少なくなっています。メタデータ入力を使用せずに、さまざまな文書タイプを効率的に処理するように設計されています。RolmOCRはReducto AIによって開発されたオープンソースのOCRツールで、前のolmOCRと比較して処理速度が速く、メモリ使用量が少なくなっています。メタデータ入力を使用せずに、さまざまな文書タイプを効率的に処理するように設計されています。
AI モデル トップ5を見るAI モデル
自動音声認識と翻訳のための事前学習済みモデルです。複数の言語をサポートし、ファインチューニングなしでデータセット全体に一般化するように設計されており、さまざまなASRタスクに対応できます。OpenAI Whisperは、自動音声認識と翻訳のための事前学習済みモデルです。複数の言語をサポートし、ファインチューニングなしでデータセット全体に一般化するように設計されており、さまざまなASRタスクに対応できます。
AI モデル トップ5を見るAI モデル
最先端の多言語Mixture of Expertsテキスト埋め込みモデルです。約100の言語をサポートし、多言語検索タスクに優れ、柔軟な埋め込み次元とストレージコストの削減を提供します。nomic-embed-text-v2-moeは、最先端の多言語Mixture of Expertsテキスト埋め込みモデルです。約100の言語をサポートし、多言語検索タスクに優れ、柔軟な埋め込み次元とストレージコストの削減を提供します。
AI モデル トップ5を見るAI モデル
Nari Labsによって開発されたテキスト音声合成モデルで、16億のパラメータを特徴としています。トランスクリプトからリアルな対話を生成し、感情やトーンの制御をサポートし、非言語的な音を生成することもできます。現在、英語のみをサポートしています。Dia-1.6Bは、Nari Labsによって開発されたテキスト音声合成モデルで、16億のパラメータを特徴としています。トランスクリプトからリアルな対話を生成し、感情やトーンの制御をサポートし、非言語的な音を生成することもできます。現在、英語のみをサポートしています。
AI モデル トップ5を見るAI モデル
自動音声認識と翻訳のための最先端モデルで、デコーディング層を減らすことで速度を最適化しています。複数の言語をサポートし、堅牢な文字起こし機能を提供します。Whisper Large V3 Turboは、自動音声認識と翻訳のための最先端モデルで、デコーディング層を減らすことで速度を最適化しています。複数の言語をサポートし、堅牢な文字起こし機能を提供します。
AI モデル トップ5を見るAI モデル
効率的なテキスト認識のために設計された高度なOCRモデルです。統一されたエンドツーエンドアプローチを活用して精度とパフォーマンスを向上させ、テキスト抽出や処理のさまざまなアプリケーションに最適です。GOT-OCR2.0は、効率的なテキスト認識のために設計された高度なOCRモデルです。統一されたエンドツーエンドアプローチを活用して精度とパフォーマンスを向上させ、テキスト抽出や処理のさまざまなアプリケーションに最適です。
AI モデル トップ5を見るAI モデル
Sunoによって開発されたトランスフォーマーベースのテキストからオーディオへのモデルで、リアルな多言語スピーチやその他のオーディオ形式を生成することができます。推論のための事前学習済みモデルチェックポイントをサポートしています。Barkは、Sunoによって開発されたトランスフォーマーベースのテキストからオーディオへのモデルで、リアルな多言語スピーチやその他のオーディオ形式を生成することができます。推論のための事前学習済みモデルチェックポイントをサポートしています。
AI モデル トップ5を見るAI モデル
22億のパラメータを持つ高度な大規模言語モデルで、単一のGPU上で効率的に動作するように設計されています。小型モデルと比較して優れたパフォーマンスを提供し、はるかに大きなモデルに匹敵するため、AIタスクにおいて強力なツールとなります。ソーラープロプレビューインストラクトは、22億のパラメータを持つ高度な大規模言語モデルで、単一のGPU上で効率的に動作するように設計されています。小型モデルと比較して優れたパフォーマンスを提供し、はるかに大きなモデルに匹敵するため、AIタスクにおいて強力なツールとなります。
AI モデル トップ5を見るAI モデル
パフォーマンスと効率のバランスを取った軽量デプロイメント向けに設計された30B-A3B MoEモデルです。さまざまなベンチマークで優れた性能を発揮し、AIアプリケーションに強力な選択肢となります。GLM-4.7-Flashは、パフォーマンスと効率のバランスを取った軽量デプロイメント向けに設計された30B-A3B MoEモデルです。さまざまなベンチマークで優れた性能を発揮し、AIアプリケーションに強力な選択肢となります。
AI モデル トップ5を見るAI モデル
前モデルであるGLM-4.5に対して改善を提供する高度なAIモデルです。より長いコンテキストウィンドウ、優れたコーディング性能、強化された推論能力を備えており、複雑なタスクやエージェントフレームワークに適しています。GLM-4.6は、前モデルであるGLM-4.5に対して改善を提供する高度なAIモデルです。より長いコンテキストウィンドウ、優れたコーディング性能、強化された推論能力を備えており、複雑なタスクやエージェントフレームワークに適しています。
AI モデル トップ5を見るAI モデル
複雑な文書理解のために設計されたマルチモーダルOCRモデルです。Multi-Token Prediction損失と安定した強化学習を使用して、トレーニング効率と認識精度を向上させます。このモデルは、さまざまな文書レイアウトにわたって堅牢なパフォーマンスを提供し、実世界のシナリオに最適化されています。GLM-OCRは、複雑な文書理解のために設計されたマルチモーダルOCRモデルです。Multi-Token Prediction損失と安定した強化学習を使用して、トレーニング効率と認識精度を向上させます。このモデルは、さまざまな文書レイアウトにわたって堅牢なパフォーマンスを提供し、実世界のシナリオに最適化されています。
AI モデル トップ5を見るAI モデル
OpenGVLabによって開発されたオープンソースのマルチモーダル大規模言語モデルのファミリーです。これは、視覚と言語のタスクに焦点を当てたGPT-4oの代替手段として機能します。このプロジェクトは、柔軟でアクセスしやすい形式で高度な対話機能を提供することを目指しています。InternVLは、OpenGVLabによって開発されたオープンソースのマルチモーダル大規模言語モデルのファミリーです。これは、視覚と言語のタスクに焦点を当てたGPT-4oの代替手段として機能します。このプロジェクトは、柔軟でアクセスしやすい形式で高度な対話機能を提供することを目指しています。
AI モデル トップ5を見るLG AI ResearchによるEXAONE 4.5は、視覚と言語の能力を統合したプロフェッショナル向けに設計された大規模言語モデルです。複雑な産業コンテキストの理解に優れ、多言語操作をサポートし、さまざまな分野でのAI駆動ソリューションを強化します。
AI モデル トップ5を見るAI モデル
超低遅延アプリケーション向けに設計された最先端の言語モデルで、音声、エージェントなどにおけるリアルタイムAIインタラクションを可能にします。迅速な応答時間と高い精度を提供し、インテリジェンス処理の速度を変革します。Celeris-1は、超低遅延アプリケーション向けに設計された最先端の言語モデルで、音声、エージェントなどにおけるリアルタイムAIインタラクションを可能にします。迅速な応答時間と高い精度を提供し、インテリジェンス処理の速度を変革します。
AI モデル トップ5を見るAI モデル
Tencent HunyuanによるHy3 Previewは、2950億のパラメータを持つオープンソースの言語モデルです。数学、コーディング、マルチリンガルタスクに優れ、256Kのコンテキストウィンドウを持つ競争力のあるパフォーマンスを提供します。Tencent CloudおよびOpenRouterで利用可能です。
AI モデル トップ5を見るAI モデル
600百万パラメータを持つ自動音声認識モデルで、高品質な英語の文字起こしを目的としており、句読点、大文字、正確なタイムスタンプ予測をサポートしています。NVIDIA Parakeetは、600百万パラメータを持つ自動音声認識モデルで、高品質な英語の文字起こしを目的としており、句読点、大文字、正確なタイムスタンプ予測をサポートしています。
AI モデル トップ5を見るAI モデル
Microsoft AIによって開発された高度な画像モデルで、高品質な生成と正確な編集を目的としています。プロフェッショナルレベルの制御を提供し、創造性を高めるためにウェブからの情報を統合します。MAI-Image-2.6は、Microsoft AIによって開発された高度な画像モデルで、高品質な生成と正確な編集を目的としています。プロフェッショナルレベルの制御を提供し、創造性を高めるためにウェブからの情報を統合します。
AI モデル トップ5を見るAI モデル
XiaomiによるフラッグシップAIモデルで、現実世界の生産性向上のためにトリリオンパラメータの能力を提供します。長期的なタスクに優れ、単一のコンテキストで最大1Mトークンをサポートし、複雑なプロジェクトに最適です。MiMo-V2.5は、XiaomiによるフラッグシップAIモデルで、現実世界の生産性向上のためにトリリオンパラメータの能力を提供します。長期的なタスクに優れ、単一のコンテキストで最大1Mトークンをサポートし、複雑なプロジェクトに最適です。
AI モデル トップ5を見るAI モデル
高度なコーディング、科学的推論、長文コンテキスト分析、エージェントワークフロー、マルチモーダル理解のために設計された商業用AIモデルです。複雑なAIタスクのための安定したプラットフォームを提供します。Agnes 2.5 Proは、高度なコーディング、科学的推論、長文コンテキスト分析、エージェントワークフロー、マルチモーダル理解のために設計された商業用AIモデルです。複雑なAIタスクのための安定したプラットフォームを提供します。
AI モデル トップ5を見るツール呼び出し、構造化出力、マルチモダリティ、音声認識機能を提供するOpenAI互換のLLM推論APIです。Multiverse Computingによって開発され、さまざまなアプリケーション向けに高度な推論と構造化出力をサポートします。Quasar 438Bは、ツール呼び出し、構造化出力、マルチモダリティ、音声認識機能を提供するOpenAI互換のLLM推論APIです。Multiverse Computingによって開発され、さまざまなアプリケーション向けに高度な推論と構造化出力をサポートします。
AI モデル トップ5を見るAI モデル
テキストと画像を没入型の動画に変換し、ユーザーが物語をアニメーション化し、アイデアを視覚化できるようにします。現在は利用できませんが、ユーザーはデータをエクスポートすることができます。Soraはテキストと画像を没入型の動画に変換し、ユーザーが物語をアニメーション化し、アイデアを視覚化できるようにします。現在は利用できませんが、ユーザーはデータをエクスポートすることができます。
AI モデル トップ5を見るAI モデル
OpenAIによる最先端のAIモデルで、テキストを非常に正確な画像に変換します。ChatGPTのユーザーと開発者が利用でき、提供されたテキストプロンプトに密接に従うことで、以前のバージョンを改善しています。DALL·E 3は、OpenAIによる最先端のAIモデルで、テキストを非常に正確な画像に変換します。ChatGPTのユーザーと開発者が利用でき、提供されたテキストプロンプトに密接に従うことで、以前のバージョンを改善しています。
AI モデル トップ5を見るGoogle DeepMindによるGemini 3.8 Flashは、コーディングおよびエージェントタスクに最適化された高度なAIモデルです。複雑なワークフローに優れ、さまざまな分野でのマルチモーダル理解と高いパフォーマンスを提供します。
AI モデル トップ5を見る治療開発の効率を向上させることを目的としたGoogle DeepMindによるオープンモデルのコレクションです。さまざまなモデルを提供し、ラボテストをシミュレーションすることで、研究コストとベッドサイドまでの時間を短縮する可能性があります。TxGemmaは、治療開発の効率を向上させることを目的としたGoogle DeepMindによるオープンモデルのコレクションです。さまざまなモデルを提供し、ラボテストをシミュレーションすることで、研究コストとベッドサイドまでの時間を短縮する可能性があります。
AI モデル トップ5を見るGoogle DeepMindによるMedGemmaは、医療テキストおよび画像理解のために最適化されたオープンモデルのコレクションであり、ヘルスケアAIアプリケーションの開発を支援します。高次元画像処理、解剖学的局在化、医療文書理解をサポートし、臨床ワークフローとプライバシーを保護するツールを強化します。
AI モデル トップ5を見るAI モデル
Anthropicによる高速で軽量なAIモデルで、高性能なコーディングとリアルタイムアプリケーション向けに設計されています。開発者や企業にとってコスト効率の良いソリューションを提供し、並列実行とサブエージェントのオーケストレーションに優れています。Claude Haiku 4.5は、Anthropicによる高速で軽量なAIモデルで、高性能なコーディングとリアルタイムアプリケーション向けに設計されています。開発者や企業にとってコスト効率の良いソリューションを提供し、並列実行とサブエージェントのオーケストレーションに優れています。
AI モデル トップ5を見るAI モデル
Google DeepMindの最速かつ最もコスト効率の良い3.5クラスモデルで、1秒あたり350トークンを出力します。低遅延で高スループットのタスクに優れており、コーディング、UI生成、翻訳などの複雑なエージェントタスクに最適です。Gemini Flash-Liteは、Google DeepMindの最速かつ最もコスト効率の良い3.5クラスモデルで、1秒あたり350トークンを出力します。低遅延で高スループットのタスクに優れており、コーディング、UI生成、翻訳などの複雑なエージェントタスクに最適です。
AI モデル トップ5を見るAI モデル
効率性と多様性を考慮して設計されたMistralベースの24Bモデルです。大規模モデルの複雑さを排除し、さまざまなタスクで優れたパフォーマンスと世界知識を提供します。Apache-2.0の下でリリースされており、オープンソースの革新をサポートします。Arcee-Blitzは、効率性と多様性を考慮して設計されたMistralベースの24Bモデルです。大規模モデルの複雑さを排除し、さまざまなタスクで優れたパフォーマンスと世界知識を提供します。Apache-2.0の下でリリースされており、オープンソースの革新をサポートします。
AI モデル トップ5を見るAI モデル
最先端の視覚理解と多言語サポートのために設計された高度なAIモデルです。画像、動画、複雑な推論タスクの処理に優れており、AI駆動の環境における多様なアプリケーションに適しています。Qwen2-VL-72B-Instructは、最先端の視覚理解と多言語サポートのために設計された高度なAIモデルです。画像、動画、複雑な推論タスクの処理に優れており、AI駆動の環境における多様なアプリケーションに適しています。
AI モデル トップ5を見るAI モデル
重要な性能向上、マルチリンガルサポート、安定した32Kコンテキスト長を提供するトランスフォーマーベースの言語モデルです。高度なAIアプリケーションに最適です。Qwen1.5-110Bは、重要な性能向上、マルチリンガルサポート、安定した32Kコンテキスト長を提供するトランスフォーマーベースの言語モデルです。高度なAIアプリケーションに最適です。
AI モデル トップ5を見る123Bパラメータを持つ高密度の大規模言語モデルで、高度な推論、コーディング、マルチリンガル機能を提供します。長いコンテキスト、関数呼び出し、システムプロンプトをサポートし、多様なAIアプリケーションに適しています。Mistral-Large-Instruct-2411は、123Bパラメータを持つ高密度の大規模言語モデルで、高度な推論、コーディング、マルチリンガル機能を提供します。長いコンテキスト、関数呼び出し、システムプロンプトをサポートし、多様なAIアプリケーションに適しています。
AI モデル トップ5を見るAI モデル
視覚理解と多言語サポートのために設計された高度なAIモデルです。画像や動画の処理に優れ、さまざまなベンチマークで最先端のパフォーマンスを提供します。このモデルは、視覚およびテキスト入力に基づく自動操作のためにデバイスとの統合をサポートします。Qwen2-VL-7B-Instructは、視覚理解と多言語サポートのために設計された高度なAIモデルです。画像や動画の処理に優れ、さまざまなベンチマークで最先端のパフォーマンスを提供します。このモデルは、視覚およびテキスト入力に基づく自動操作のためにデバイスとの統合をサポートします。
AI モデル トップ5を見るAI モデル
超高品質とコスト効率を提供する次世代AI画像生成モデルです。既存のモデルを創造性と理解力で上回り、デザイナーやビジュアルシンカーに最適です。ルマフォトンは、超高品質とコスト効率を提供する次世代AI画像生成モデルです。既存のモデルを創造性と理解力で上回り、デザイナーやビジュアルシンカーに最適です。
AI モデル トップ5を見るAI モデル
効率性とパフォーマンスを考慮して設計された320BパラメータのマルチモーダルAIモデルです。コーディングおよびエージェントベンチマークにおいて高度な機能を提供し、コストを削減しながら以前のバージョンを上回ります。GLM-5.3-Flashは、効率性とパフォーマンスを考慮して設計された320BパラメータのマルチモーダルAIモデルです。コーディングおよびエージェントベンチマークにおいて高度な機能を提供し、コストを削減しながら以前のバージョンを上回ります。
AI モデル トップ5を見るAI モデル
GPT-5.6 テラは、OpenAIによって設計された、知性とコストのバランスを取るためのAIモデルです。さまざまな推論作業をサポートし、異なるニーズに応じた複数の価格帯を提供します。
AI モデル トップ5を見るAI モデル
Leonardo.AiによるAI画像モデルで、鮮やかな色彩、多様なビジュアル、そしてフルHDでの鮮明なテキストを提供します。画像生成において精度と一貫性を求めるクリエイターのために設計されています。ルシッドオリジンは、Leonardo.AiによるAI画像モデルで、鮮やかな色彩、多様なビジュアル、そしてフルHDでの鮮明なテキストを提供します。画像生成において精度と一貫性を求めるクリエイターのために設計されています。
AI モデル トップ5を見るAI モデル
広範なタンパク質配列で訓練された十億パラメータの言語モデルを利用して、タンパク質生成のために設計されたAIモデルのスイートです。新しいタンパク質の創出や、既存のタンパク質の機能を向上させるための再設計を可能にします。ProGen3は、広範なタンパク質配列で訓練された十億パラメータの言語モデルを利用して、タンパク質生成のために設計されたAIモデルのスイートです。新しいタンパク質の創出や、既存のタンパク質の機能を向上させるための再設計を可能にします。
AI モデル トップ5を見るAI モデル
複雑なタスクシナリオ向けに設計された1兆パラメータの推論モデルです。エージェントの実行を強化し、柔軟な推論レベルをサポートし、安定性と効率性のための革新的なトレーニングパラダイムを使用しています。Ring-2.6-1Tは、複雑なタスクシナリオ向けに設計された1兆パラメータの推論モデルです。エージェントの実行を強化し、柔軟な推論レベルをサポートし、安定性と効率性のための革新的なトレーニングパラダイムを使用しています。
AI モデル トップ5を見るAI モデル
2025年8月に発表されたOpenAIの最も先進的なモデルで、知性と信頼性が向上しています。コーディング、問題解決、さまざまな分野での正確な応答生成に優れ、ビジネスや開発者にとって多用途なツールです。GPT-5は2025年8月に発表されたOpenAIの最も先進的なモデルで、知性と信頼性が向上しています。コーディング、問題解決、さまざまな分野での正確な応答生成に優れ、ビジネスや開発者にとって多用途なツールです。
AI モデル トップ5を見るAI モデル
テキストと画像の入力を処理して画像出力を生成するOpenAIのマルチモーダルモデルです。さまざまな使用レベルに応じた異なるティアを提供しており、高度な画像生成機能を求める開発者や企業に適しています。GPT Image 1は、テキストと画像の入力を処理して画像出力を生成するOpenAIのマルチモーダルモデルです。さまざまな使用レベルに応じた異なるティアを提供しており、高度な画像生成機能を求める開発者や企業に適しています。
AI モデル トップ5を見るAlibabaによるQwen3 VL 8B Instructは、優れたテキスト理解、視覚認識、マルチモーダル推論を提供する強力なビジョン・ランゲージモデルです。DenseおよびMoEアーキテクチャをサポートし、さまざまなアプリケーションにおけるAI機能を強化します。
AI モデル トップ5を見るintfloat multilingual-e5-largeモデルは、多言語テキスト埋め込みのために設計された堅牢なAIツールです。100の言語をサポートし、テキスト検索や意味的類似性などのタスクに最適化されており、多様なデータセットで高いパフォーマンスを提供します。
AI モデル トップ5を見るテキスト生成タスクのために設計された軽量で最先端のオープンモデルです。Gemmaファミリーの一部であり、質問応答、要約、推論の機能を提供し、リソースが限られた環境での展開に適しています。Google Gemma 2 9B Instructは、テキスト生成タスクのために設計された軽量で最先端のオープンモデルです。Gemmaファミリーの一部であり、質問応答、要約、推論の機能を提供し、リソースが限られた環境での展開に適しています。
AI モデル トップ5を見るAI モデル
自然言語のクエリをSQLコマンドに変換するために設計された専門的なText-to-SQLモデルです。QLoRAを使用してUnslothでファインチューニングされており、正確なSQLクエリの生成において高い精度を提供し、データベース管理タスクに最適です。QwerySmith 1.0は、自然言語のクエリをSQLコマンドに変換するために設計された専門的なText-to-SQLモデルです。QLoRAを使用してUnslothでファインチューニングされており、正確なSQLクエリの生成において高い精度を提供し、データベース管理タスクに最適です。
AI モデル トップ5を見るGoogle DeepMind によって開発された高度なテキスト読み上げモデルです。表現力豊かな音声生成とリアルタイム音声翻訳を提供し、生成的音声デザインや日常的なオーディオタスクに適しています。Gemini 3.8 Flash TTS と Flash-Lite TTS は、Google DeepMind によって開発された高度なテキスト読み上げモデルです。表現力豊かな音声生成とリアルタイム音声翻訳を提供し、生成的音声デザインや日常的なオーディオタスクに適しています。
AI モデル トップ5を見るGoogle DeepMindによって開発された、デバイス上での使用に最適化された軽量なオープン埋め込みモデルファミリーです。マルチモーダルタスクをサポートし、日常のデバイス上でのクロスモーダル検索および取得システムを可能にします。EmbeddingGemmaはGoogle DeepMindによって開発された、デバイス上での使用に最適化された軽量なオープン埋め込みモデルファミリーです。マルチモーダルタスクをサポートし、日常のデバイス上でのクロスモーダル検索および取得システムを可能にします。
AI モデル トップ5を見るAI モデル
タイプ付き質問の状態とスキーマを意思決定に変換するために設計された27Bのマルチモーダルモデルです。テキスト、JSON、画像、またはビデオなどの入力を処理し、各質問のすべての選択肢に対する確率を単一のフォワードパスで返します。Clefは、タイプ付き質問の状態とスキーマを意思決定に変換するために設計された27Bのマルチモーダルモデルです。テキスト、JSON、画像、またはビデオなどの入力を処理し、各質問のすべての選択肢に対する確率を単一のフォワードパスで返します。
AI モデル トップ5を見るAI モデル
Krea.ai, Inc.によって開発されたテキストから画像への拡散モデルです。自然言語のテキスト記述から画像を生成し、創造的、商業的、研究的な利用ケースをサポートします。アクセスは制限されており、Krea 2コミュニティライセンスへの同意が必要です。Krea 2 Turboは、Krea.ai, Inc.によって開発されたテキストから画像への拡散モデルです。自然言語のテキスト記述から画像を生成し、創造的、商業的、研究的な利用ケースをサポートします。アクセスは制限されており、Krea 2コミュニティライセンスへの同意が必要です。
AI モデル トップ5を見るAI モデル
Google DeepMindによって開発されたマルチモーダル埋め込みモデルです。テキスト、画像、動画、音声を統一されたベクトル空間にマッピングし、100以上の言語とコードタスクをサポートします。デバイス上のアプリケーション向けに設計されており、低遅延の意味的表現を提供します。EmbeddingGemma 2は、Google DeepMindによって開発されたマルチモーダル埋め込みモデルです。テキスト、画像、動画、音声を統一されたベクトル空間にマッピングし、100以上の言語とコードタスクをサポートします。デバイス上のアプリケーション向けに設計されており、低遅延の意味的表現を提供します。
AI モデル トップ5を見るAI モデル
最大5分間の完全な曲を生成する高性能な音楽生成モデルです。高度なAI技術を使用して、一貫した音楽構造と表現力豊かなボーカル、進化するアレンジを生み出します。MiniMax Music 3は、最大5分間の完全な曲を生成する高性能な音楽生成モデルです。高度なAI技術を使用して、一貫した音楽構造と表現力豊かなボーカル、進化するアレンジを生み出します。
AI モデル トップ5を見るAI モデル
Google DeepMindによるGemma 4 12B統合モデルは、効率的なローカル実行のために設計されたマルチモーダルAIモデルです。テキスト、画像、音声入力をサポートし、大きなコンテキストウィンドウを持つ高度な推論およびコーディング機能を提供します。
AI モデル トップ5を見るAI モデル
応答性と精度を重視したストリーミング音声認識モデルです。設定可能な遅延設定と中国語と英語のバイリンガル機能を備え、無制限の長さの文字起こしをサポートします。Audio8 ASR Infiniteは、応答性と精度を重視したストリーミング音声認識モデルです。設定可能な遅延設定と中国語と英語のバイリンガル機能を備え、無制限の長さの文字起こしをサポートします。
AI モデル トップ5を見るAI モデル
歌詞とスタイルのプロンプトを完全な歌に変換するオープンな音楽生成モデルです。ボーカルと伴奏を含み、編集可能なスコアを通じてメロディとコードを編集することができ、競争力のある歌の品質を提供します。YuE2-3Bは、歌詞とスタイルのプロンプトを完全な歌に変換するオープンな音楽生成モデルです。ボーカルと伴奏を含み、編集可能なスコアを通じてメロディとコードを編集することができ、競争力のある歌の品質を提供します。
AI モデル トップ5を見るAI モデル
Google Researchによって開発された事前学習済みの時系列基盤モデルです。時系列予測のために設計されており、PyTorchの重みと設定が利用可能です。TimesFM 3.0は、Google Researchによって開発された事前学習済みの時系列基盤モデルです。時系列予測のために設計されており、PyTorchの重みと設定が利用可能です。
AI モデル トップ5を見るAI モデル
NVIDIAによって開発された多言語ストリーミング自動音声認識モデルで、40言語にわたる文字起こしをサポートします。低遅延で高スループットの高品質な文字起こしを提供し、多様な音響条件に適しています。Nemotron 3.5 ASRは、NVIDIAによって開発された多言語ストリーミング自動音声認識モデルで、40言語にわたる文字起こしをサポートします。低遅延で高スループットの高品質な文字起こしを提供し、多様な音響条件に適しています。
AI モデル トップ5を見るAI モデル
自然言語の説明から画像を生成するために設計されたテキストから画像への拡散モデルです。これは、ファインチューニングとポストトレーニングの基盤として機能し、創造的および商業的なアプリケーションをサポートします。Krea 2 Rawは、自然言語の説明から画像を生成するために設計されたテキストから画像への拡散モデルです。これは、ファインチューニングとポストトレーニングの基盤として機能し、創造的および商業的なアプリケーションをサポートします。
AI モデル トップ5を見るAI モデル
Boson AIによって開発された多言語テキスト読み上げモデルで、表現豊かな会話音声を生成するために設計されています。100以上の言語をサポートし、ゼロショット音声クローンや感情制御などの機能を提供し、デジタルクリエイターや研究者に最適です。Higgs TTS 3は、Boson AIによって開発された多言語テキスト読み上げモデルで、表現豊かな会話音声を生成するために設計されています。100以上の言語をサポートし、ゼロショット音声クローンや感情制御などの機能を提供し、デジタルクリエイターや研究者に最適です。
AI モデル トップ5を見るAI モデル
音声録音における「誰がいつ話したか」を特定するスピーカーダイアライゼーションモデルです。最大8人のスピーカーをサポートし、ストリーミングおよびオフライン推論機能を提供するため、さまざまなアプリケーションに適しています。Nemotron 3 ダイアライゼーションは、音声録音における「誰がいつ話したか」を特定するスピーカーダイアライゼーションモデルです。最大8人のスピーカーをサポートし、ストリーミングおよびオフライン推論機能を提供するため、さまざまなアプリケーションに適しています。
AI モデル トップ5を見る会話型AIのためのリアルタイム全二重音声モデルです。音声理解と生成を1つのアーキテクチャに統合し、レイテンシを削減し、自然な会話の流れを向上させます。NVIDIA NemotronLabs VoiceChatは、会話型AIのためのリアルタイム全二重音声モデルです。音声理解と生成を1つのアーキテクチャに統合し、レイテンシを削減し、自然な会話の流れを向上させます。
AI モデル トップ5を見るAI モデル
領域の洗練とポストトレーニングプロセスを強化する高度な文書解析モデルです。テキスト、数式、表の認識をサポートし、OmniDocBenchで最先端の精度を達成しています。PaddleOCR-VL-1.6は、領域の洗練とポストトレーニングプロセスを強化する高度な文書解析モデルです。テキスト、数式、表の認識をサポートし、OmniDocBenchで最先端の精度を達成しています。
AI モデル トップ5を見るAI モデル
画像の構成、スタイル、レイアウトに対する比類のない制御を提供する最先端のテキストから画像へのモデルです。ネイティブ2k解像度と多言語テキストレンダリングをサポートしており、デザイン指向のアプリケーションに最適です。Ideogram 4は、画像の構成、スタイル、レイアウトに対する比類のない制御を提供する最先端のテキストから画像へのモデルです。ネイティブ2k解像度と多言語テキストレンダリングをサポートしており、デザイン指向のアプリケーションに最適です。
AI モデル トップ5を見るAI モデル
Google Researchによって開発されたゼロショットの表形式基盤モデルで、構造化データに対する分類と回帰のために設計されています。ファインチューニングは不要で、数値列とカテゴリ列の混合をサポートします。TabFM 1.0.0は、Google Researchによって開発されたゼロショットの表形式基盤モデルで、構造化データに対する分類と回帰のために設計されています。ファインチューニングは不要で、数値列とカテゴリ列の混合をサポートします。
AI モデル トップ5を見るAI モデル
NVIDIAのCosmos3-Edgeは、物理AIアプリケーション向けに設計されたマルチモーダルAIモデルです。テキスト、画像、動画から動的な出力を生成し、ロボティクス、自律運転、スマート環境をサポートします。このモデルは、世界中で展開可能で、商業用および非商業用の両方に適しています。
AI モデル トップ5を見るAI モデル
52の言語と方言に対応した高度なオープンソースのASRモデルで、言語識別と音声認識をサポートします。複雑な音響環境において高品質で堅牢な認識を提供し、ストリーミングとオフライン推論の両方に対応しています。Qwen3-ASR-1.7B-hfは、52の言語と方言に対応した高度なオープンソースのASRモデルで、言語識別と音声認識をサポートします。複雑な音響環境において高品質で堅牢な認識を提供し、ストリーミングとオフライン推論の両方に対応しています。
AI モデル トップ5を見るAI モデル
さまざまなデバイス向けに設計されたコンパクトな音声認識モデルで、複数の言語での文字起こし、単語のタイムスタンプ、音声埋め込みを提供します。依存関係やGPU要件なしで効率的に動作します。Whistleは、さまざまなデバイス向けに設計されたコンパクトな音声認識モデルで、複数の言語での文字起こし、単語のタイムスタンプ、音声埋め込みを提供します。依存関係やGPU要件なしで効率的に動作します。
AI モデル トップ5を見るAI モデル
スピードと効率性を最適化したparakeet-tdt-0.6b-v3モデルのコンパクト版です。英語の音声認識において競争力のある精度を維持しながら、多言語タスクでのパフォーマンスが向上しています。ムーンドリームパラキートリダックスは、スピードと効率性を最適化したparakeet-tdt-0.6b-v3モデルのコンパクト版です。英語の音声認識において競争力のある精度を維持しながら、多言語タスクでのパフォーマンスが向上しています。
AI モデル トップ5を見るAI モデル
分類および回帰タスクのために設計されたNVIDIAの事前学習済みの表形式基盤モデルです。構造化データを使用してクラス確率を予測する高度な機能を提供し、データサイエンティストやアナリストにとって貴重なツールとなっています。Kumo Tabularは、分類および回帰タスクのために設計されたNVIDIAの事前学習済みの表形式基盤モデルです。構造化データを使用してクラス確率を予測する高度な機能を提供し、データサイエンティストやアナリストにとって貴重なツールとなっています。
AI モデル トップ5を見るAI モデル
Microsoftによって開発されたコンパクトなコーディングエージェントです。リポジトリレベルのソフトウェアエンジニアリングタスクに特化しており、強化学習を利用してコードナビゲーションとデバッグを改善します。Pythonを多く使用する環境向けに設計されており、リポジトリの変更に対する構造化されたツールコールを生成します。FrogNano-4B-2609は、Microsoftによって開発されたコンパクトなコーディングエージェントです。リポジトリレベルのソフトウェアエンジニアリングタスクに特化しており、強化学習を利用してコードナビゲーションとデバッグを改善します。Pythonを多く使用する環境向けに設計されており、リポジトリの変更に対する構造化されたツールコールを生成します。
AI モデル トップ5を見るAI モデル
運用上の意思決定のために設計された340Mパラメータの英語分類モデルです。単一およびマルチラベルタスクをサポートし、顧客サポート、銀行業務、旅行リクエストなどのさまざまな分野で高い精度を提供します。GLiNER2.5-Decideは、運用上の意思決定のために設計された340Mパラメータの英語分類モデルです。単一およびマルチラベルタスクをサポートし、顧客サポート、銀行業務、旅行リクエストなどのさまざまな分野で高い精度を提供します。
AI モデル トップ5を見るAI モデル
ドライビングビデオを利用して高忠実度の動きを生成する革新的なキャラクターアニメーションフレームワークです。テキスト駆動の視点制御を提供し、リアルタイムストリーミングアニメーション用のライトバリアントも含まれています。Wan-Animate-2は、ドライビングビデオを利用して高忠実度の動きを生成する革新的なキャラクターアニメーションフレームワークです。テキスト駆動の視点制御を提供し、リアルタイムストリーミングアニメーション用のライトバリアントも含まれています。
AI モデル トップ5を見るAI モデル
音声の生成と編集のために設計された潜在拡散モデルです。可変長の音声生成とインペインティングをサポートしており、短い効果音を効率的に作成および編集するのに最適です。Stable Audio 3 Small SFXは、音声の生成と編集のために設計された潜在拡散モデルです。可変長の音声生成とインペインティングをサポートしており、短い効果音を効率的に作成および編集するのに最適です。
AI モデル トップ5を見るAI モデル
効率的な音声生成と編集のために設計された潜在拡散モデルです。可変長の音声生成とインペインティングをサポートし、録音のターゲット編集と継続を可能にします。Stable Audio 3 Mediumは、効率的な音声生成と編集のために設計された潜在拡散モデルです。可変長の音声生成とインペインティングをサポートし、録音のターゲット編集と継続を可能にします。
AI モデル トップ5を見るAI モデル
UI、インフォグラフィック、ポスター、その他のテキストが豊富なビジュアルデザインを作成するために設計された6Bテキストから画像へのモデルです。透明な背景のためのRGBA出力をサポートしており、さまざまなデザインアプリケーションに対応しています。Ming-Image-0.1-Designは、UI、インフォグラフィック、ポスター、その他のテキストが豊富なビジュアルデザインを作成するために設計された6Bテキストから画像へのモデルです。透明な背景のためのRGBA出力をサポートしており、さまざまなデザインアプリケーションに対応しています。
AI モデル トップ5を見るAI モデル
単一の2D画像を高品質な3Dガウスに変換する生成AIモデルです。TripoAIによって開発され、AR/VR、ゲーム開発、シミュレーション環境でのアセット作成に最適です。TripoSplatは、単一の2D画像を高品質な3Dガウスに変換する生成AIモデルです。TripoAIによって開発され、AR/VR、ゲーム開発、シミュレーション環境でのアセット作成に最適です。
AI モデル トップ5を見るAI モデル
単一の参照音声クリップから声をクローンするゼロショットテキスト音声合成モデルです。複数の言語をサポートし、言語を超えた声の転送と感情制御を提供します。IndexTTS-2.5は、単一の参照音声クリップから声をクローンするゼロショットテキスト音声合成モデルです。複数の言語をサポートし、言語を超えた声の転送と感情制御を提供します。
AI モデル トップ5を見る音楽生成のために設計されたAIモデルです。洗練されたアルゴリズムを通じてオーディオコンテンツを作成する能力をユーザーに提供し、音楽制作における創造性と生産性を向上させます。Stable Audio 3 Small Musicは、音楽生成のために設計されたAIモデルです。洗練されたアルゴリズムを通じてオーディオコンテンツを作成する能力をユーザーに提供し、音楽制作における創造性と生産性を向上させます。
AI モデル トップ5を見るAI モデル
コンパクトな3Bパラメータのポリシー適応型マルチモーダル安全分類器です。自然言語で表現された安全ポリシーに対してコンテンツを評価し、連続的な安全スコアを返します。この柔軟なツールは、テキストのみ、画像のみ、テキスト+画像のモデレーションをサポートし、再トレーニングなしで新しいポリシーに適応します。Shieldstralは、コンパクトな3Bパラメータのポリシー適応型マルチモーダル安全分類器です。自然言語で表現された安全ポリシーに対してコンテンツを評価し、連続的な安全スコアを返します。この柔軟なツールは、テキストのみ、画像のみ、テキスト+画像のモデレーションをサポートし、再トレーニングなしで新しいポリシーに適応します。
AI モデル トップ5を見る317 件中 24 件
ToolPotionは、最高のAI モデルを見つけるために人々が閲覧するAIツールディレクトリです。掲載は無料で、すべての投稿は編集者がレビューします。検索の出発点にあなたのツールを置きましょう。
