画像・動画・音声

SupraLabsがパラメータ数約104Mの極めて軽量なテキストから画像への生成モデル「SupraLabs/Supra2-IMG」を公開しました。DiTアーキテクチャを採用し、ローカル環境での効率的な画像生成を実現します。

Qwenチームが画像生成・編集モデル「Qwen-Image-2.1」をオープンソース公開。RGBA透過画像の生成や最大10枚の参照画像による編集、専用プロンプト書き換えモデルの特徴や使い方を解説します。

inclusionAIが公開した全二重音声・動画マルチモーダル対話モデル「Realtime-Venus」のスペックや導入方法、特徴を解説します。

音楽生成モデル「YuE2-3B」向けのリアル音声用ツールキット「Mothersuperior/yue2-mothersuperior-realaudio-tokenizer-v4」の公開情報を速報。自身の音源のトークン化やアーティスト ...

Comfy-Orgより音楽生成モデル「YuE2-3B」のComfyUI向けリパッケージ版「Comfy-Org/YuE2」が公開されました。導入に必要なファイル構成や動作環境、モデルのスペックを解説します。

Lightricksは、オープンウェイトの動画生成モデル「Lightricks/LTX-2.5」に対応するLoRAおよびIC-LoRAアダプターを複数公開しました。キャラクターの一貫性保持、シネマグラフ制作、カラー化、映像修復などの機 ...

m-a-pがオープンな音楽生成モデル「YuE2-3B」を公開。AR-NAR Mixture-of-Transformersを採用し、48kHzステレオ音声を生成。スペックや動作環境、ベンチマーク結果を解説します。

MiniMax-H3のビデオ潜在変数をLTX-2.5へ変換するアダプター「H3-to-LTX Latent-Adapter」の仕様や用途を解説します。

アニメ調の音声データでファインチューニングされた日本語TTSモデル「Irodori-TTS-v4.1-Anime」のスペックや量子化バリエーション、音声クローニング機能について解説します。