【Meta】Omnilingual ASRとは？LLMの技術を音声認識に応用した特徴、性能、料金、利用方法まで徹底解説！
1,600以上の言語に対応し、500以上の低リソース言語に初めてAI文字起こしを実現したオープンソースASRモデル 少数の音声サンプルで新言語を追加可能なインコ...
記事一覧
生成AIの記事一覧
SAM Audio とは？特徴、機能、性能、ライセンス・料金、利用方法まで徹底解説！
Metaが2025年12月に音声分離特化の統合型AIモデル「SAM Audio」を発表 テキスト・視覚・時間指定の3種類のプロンプトで目的の音を高精度分離 環境...
Bing Image Creatorとは？できること・主な機能、使い方を実際に画像生成して徹底解説！
Bing Image Creatorはテキストを入力するだけで、高品質な画像を無料かつ高速に生成でき、日常的な利用にも対応した柔軟な設計 生成結果はDALL·E...
Qwenとは？できること・機能、モデル・料金、ChatGPT・Claude・Geminiとの違い、使い方まで徹底解説！
QwenはAlibaba Cloudが提供する多機能AIサービスで搭載されているLLMも同名のQwenファミリー Qwen Chatを中心に、Deep Rese...
LLaVAとは？アーキテクチャ・特徴・マルチモーダル競合との比較を徹底解説！
Microsoftとウィスコンシン大学マディソン校が公開したマルチモーダルAIであるLLaVA(Large Language and Vision Assist...
SAM 3Dとは？提供モデル、できること、仕組み、性能、実画面付きの使い方まで徹底解説！
SAM 3Dは、単一の2D画像から人や物体、シーン全体を高精度に3D再構成できるMetaの研究モデル 物体向けの「SAM 3D Objects」と人体特化の「S...
Duet AIとは？何に使える？Geminiに統合されてこれからどうなる？
Duet AIとは、Googleが開発している生成AI（ジェネレーティブAI）のことです。主にGoogleアプリケーションに搭載され、Google Worksp...
Grokipediaとは？何ができる？特徴と主な機能・料金・Wikipediaとの違い・使い方徹底解説！
GrokipediaはGrokモデルによる記事生成とファクトチェックを一体化し、公開初日に88万件超の記事を提供 読者による直接編集を制限し、提案型の編集ワーク...
Qwen3-VLとは？特徴、性能、モデルの種類とAPI料金、利用方法、実際の利用レポート、活用事例まで徹底解説！
Qwen3-VLはAlibabaのQwenチームが開発したマルチモーダル基盤モデルでテキスト・画像・動画の理解と生成を統合 Gemini 2.5 ProやGPT...
Qwen3とは？特徴、性能、料金プラン、利用方法、 活用事例、Qwen2.5との違いまで徹底解説！
2025年4月にAlibaba Cloudが発表した「Qwen3」は、Qwenシリーズ第三世代の大規模言語モデル群 従来比で倍増した36兆トークンの学習データと...
