画像・動画・音声

Efficient-Large-Modelが公開した「Wan2.1-T2V-14B」向けCFG蒸留LoRAアダプター「LongLive-Plug-Wan2.1-T2V-14B-cfg」のスペックや特徴、入手方法を解説します。

Efficient-Large-Modelチームによる音声付き動画生成モデル「MiniMax-H3」向けLoRAアダプタ2種の概要や特徴、導入方法を解説します。

テキスト・画像からの動画生成モデル「Wan2.2-TI2V-5B」に向けたCFG蒸留LoRAアダプター「LongLive-Plug-Wan2.2-TI2V-5B-cfg」の仕様や推論設定を解説します。

Efficient-Large-Modelは、動画生成モデル「Wan2.2-TI2V-5B」向けに4ステップの高速推論を実現する少ステップLoRA「LongLive-Plug-Wan2.2-TI2V-5B-few-step」を公開しま ...

動画生成モデル「MiniMax H3」のRef2VA機能に対応したキャラクター差し替え用LoRAアダプター「akatz-ai/MiniMax-H3-Character-Swap-LoRA」の仕様や使い方を解説します。

MiniMaxがオープンウェイトで公開した「MiniMax-H3」は、テキストや画像、参照用メディアから音声付きの動画を生成する汎用オムニモーダル生成モデルです。スペックや入手方法、利用時のポイントを解説します。

ComfyUIで利用可能なtext-to-imageモデル「Comfy-Org/Ming-Image」のファイル構成や仕様、透過背景対応などの特徴を解説します。

Edge0が公開したリアルタイム音声認識モデル「Edge0/Audio8-ASR-Infinite」のスペックや性能、対応ツール、入手方法について解説します。

Google DeepMindが公開した音声合成モデル「Gemini 3.8 Flash TTS」「Gemini 3.8 Flash-Lite TTS」のスペック、音声複製機能、特徴を解説します。

Qwen-Image-2.1をベースにDMD技術で4ステップ生成を実現した蒸留モデル「Viggle/Qwen-Image-2.1-viggle-turbo」のスペックや導入方法を解説します。