画像・動画・音声

「FastH3-Omni-NVFP4-QAD-Comfy」音声付き動画生成モデル:必要VRAM 16GB〜

ComfyUIで直接利用可能な音声付き動画生成モデル「FastH3-Omni-NVFP4-QAD-Comfy」の仕様や必要環境、入手方法を解説します。

画像・動画・音声

Mistral AIが音声認識・音声合成モデル「Voxtral 3」を発表

Mistral AIが発表した音声認識・音声合成モデルファミリー「Voxtral 3」の主な仕様、ベンチマーク性能、音声エージェントSDKの活用方法について解説します。

画像・動画・音声

「Cosmos3-H-Dreams」動画生成モデル:必要VRAM 48GB〜・配布ファイル一覧

NVIDIAが公開した手術支援ロボット向けのリアルタイム・アクション条件付き手術ワールドモデル「Cosmos3-H-Dreams」のスペックや推論性能、対応ハードウェアを解説します。

エンジン・ツール

DeepSeek、推論エンジン「DeepInfer」をオープンソースで公開

DeepSeekが大規模サービスを支える推論フレームワーク「DeepInfer」をオープンソース化。DeepSeek-V4.1-Flashに対応し、最適化カーネルや並列処理機能を搭載。

新モデル

AnyLanguageModel 1.0公開:Swift向けローカル推論・API統合ライブラリ

AppleプラットフォームやLinuxでローカルモデルと外部APIを同一コードで切り替えられるSwiftライブラリ「AnyLanguageModel 1.0」の機能や使い方を解説します。

エンジン・ツール

Magnitude CLI 0.2.10リリース:統合メモリと内蔵GPUのメモリ管理を改善

推論エンジンMagnitudeのCLIツール「Magnitude CLI 0.2.10」がリリース。統合メモリやAMD内蔵GPU環境でのメモリ計算の修正、Linuxでの読み込み安定化、IQ2系量子化モデルへの対応が行われました。

画像・動画・音声

「FastH3-OmniRef-Comfy」音声付き動画生成モデル:配布ファイル一覧

FastVideoから公開された「FastH3 OmniRef」のComfyUI向けパッケージについて、モデルの仕様、ファイル構成、ComfyUIでの導入方法を解説します。

新モデル

Cloudflareのマルチモーダル決定モデル「Clef」がOllamaで利用可能に

Cloudflareが開発したマルチモーダル決定モデル「Clef」および「Clef-flash」がOllamaで利用可能になりました。非自己回帰処理による高速な構造化出力や仕様について解説します。

エンジン・ツール

Jan v0.8.7公開:Shellツールの切り替えやサブエージェント機能を追加

ローカルLLM実行アプリ「Jan」のv0.8.7がリリース。チャット画面でのShellツール切り替え、画像サイズ制限、サブエージェント機能の導入、プロキシ環境下の推論安定化など、主な変更点とアップデート方法を解説します。

画像・動画・音声

「FastH3-QAD-v2」音声付き動画生成モデル:配布ファイル一覧

NVFP4量子化と蒸留を適用した音声付き動画生成モデル「FastH3-QAD-v2」のスペック、必要環境、導入方法について解説します。