画像・動画・音声

「higgs-audio-v3-stt-GGUF」音声認識モデル:必要VRAM 4GB〜・配布ファイル一覧

音声認識モデル「ggml-org/higgs-audio-v3-stt-GGUF」のスペックやllama.cppでの動かし方、特徴を解説します。

画像・動画・音声

「Soprano-1.1-80M-GGUF」軽量英語音声合成モデル:配布ファイル一覧

テキストから音声を生成するオープンウェイトモデル「Soprano-1.1-80M」のGGUF形式版が公開されました。llama.cppエコシステムに対応し、オンデバイス環境で高速な英語音声合成が可能です。

画像・動画・音声

「VibeVoice-ASR-GGUF」音声認識・話者識別モデル:必要VRAM 8GB〜・配布ファイル一覧

Microsoftの音声認識モデル「VibeVoice-ASR」のGGUF版「ggml-org/VibeVoice-ASR-GGUF」が公開。llama.cppを用いたローカル環境での長尺音声認識や話者識別、多言語処理の仕様を解説しま ...

コミュニティ

Unsloth Qwen3.8-27B Quantizations: Dynamic v3.1 Update

UnslothによるQwen3.8-27B向けの最新量子化アルゴリズム「Dynamic v3.1」の更新内容やGGUF形式、ローカル環境でのベンチマーク検証結果について解説します。

画像・動画・音声

「PAN2」物理変化を予測するワールドモデル:ComfyUIの配置先

Comfy-Orgより公開されたワールドモデル「PAN2」のComfyUI向けモデルファイルについて、スペックや配置ディレクトリ、推論設定を解説します。

画像・動画・音声

「Haru-4B」音声対話モデル:必要VRAM 12GB〜・配布ファイル一覧

higurashi-ai/Haru-4Bは、電話のように聞きながら同時に話せる低遅延・多言語の音声対話モデルです。メモリ要件や導入手順、使い方を解説します。

新モデル

「Duo-1.0-distill-quant」FP8量子化Realizationモデル:必要VRAM 80GB〜

inclusionAIが公開したDuo-1.0-distill-quantのスペック、ベースモデルとの組み合わせ方、4ステップ蒸留による全双方向マルチモーダル対話の仕組みを解説。

エンジン・ツール

llama.cpp v1.0.0リリース:FP8 KV-cacheやサーバーセキュリティ強化に対応

llama.cpp v1.0.0が公開。FP8 KV-cacheやOCP FP8のCUDA対応、llama-serverのセキュリティ強化、各種ハードウェアの最適化情報をお届けします。

新モデル

Duo-1.2-causal-base: 全二重マルチモーダルワールドモデル

inclusionAIのDuo-1.2-causal-baseモデルの概要、スペック、入手方法を解説。リアルタイムな音声・映像相互作用を実現する全二重マルチモーダルワールドモデルの仕様とファイル構成が分かります。

新モデル

Duo-1.0モデル群: inclusionAIのリアルタイム相互作用ワールドモデル

inclusionAIが公開したリアルタイムな音声・映像相互作用を実現する世界モデル「Duo-1.0-causal-base」および「Duo-1.0-distill」のスペックや入手方法を解説します。