BTC $59,359.34 +6.21%
ETH $1,661.63 +7.40%
BNB $541.28 +5.37%
XRP $0.9195 +5.13%
SOL $69.48 +5.63%
TRX $0.3047 +1.68%
DOGE $0.0543 +5.96%
ADA $0.1419 +5.70%
BCH $196.56 +6.48%
LINK $8.55 +6.06%
HYPE $60.36 +6.23%
AAVE $95.57 +3.63%
SUI $0.6372 +5.61%
XLM $0.1268 +5.20%
ZEC $771.75 +10.33%
AAPL $349.05 +1.14%
AMZN $253.76 +2.38%
GOOGL $272.91 +2.80%
MSFT $496.25 +2.47%
META $569.86 +1.34%
NVDA $129.84 +1.23%
TSLA $354.83 +1.92%
SNDK $80.70 +2.65%
INTC $53.11 +3.27%
SPCX $130.31 +1.73%
MU $608.15 +3.12%
AMD $439.48 +1.89%
BTC $59,359.34 +6.21%
ETH $1,661.63 +7.40%
BNB $541.28 +5.37%
XRP $0.9195 +5.13%
SOL $69.48 +5.63%
TRX $0.3047 +1.68%
DOGE $0.0543 +5.96%
ADA $0.1419 +5.70%
BCH $196.56 +6.48%
LINK $8.55 +6.06%
HYPE $60.36 +6.23%
AAVE $95.57 +3.63%
SUI $0.6372 +5.61%
XLM $0.1268 +5.20%
ZEC $771.75 +10.33%
AAPL $349.05 +1.14%
AMZN $253.76 +2.38%
GOOGL $272.91 +2.80%
MSFT $496.25 +2.47%
META $569.86 +1.34%
NVDA $129.84 +1.23%
TSLA $354.83 +1.92%
SNDK $80.70 +2.65%
INTC $53.11 +3.27%
SPCX $130.31 +1.73%
MU $608.15 +3.12%
AMD $439.48 +1.89%

画像生成

すべて
記事
速報

MiniMaxが正式にH3生画像モデルをオープンソース化し、6ステップで1680万ピクセルを出力します。

MiniMax は H3-Image を正式にリリースし、モデルの重みをオープンソース化しました。このモデルは、追加の拡大なしに 4096×4096、約 1680 万ピクセルの画像を直接生成できます。公式データによれば、生成時間は 10 秒未満で、速度は主流製品の最大 5 倍に達します。文生図と画像編集は同じモデルに統合され、最大 16 枚の参考画像をサポートします。H3-Image は H3 ビデオモデルのアーキテクチャを踏襲し、音声部分を削除し、元のテキストエンコーダーを保持し、画像用にデコーダーを再設計しました。コア画像生成ネットワークは 331 億パラメータを持ち、1 枚の画像を生成するのに 6 回のサンプリングが必要です。8 月 7 日、MiniMax の研究者 Kiro は Reddit AMA で、チームが H3 同源アーキテクチャに基づいて専用の画像モデルを開発しており、重みをオープンソース化する計画があることを明らかにし、最初に画像モデルで初フレームを生成し、その後 H3 に動画生成を任せるワークフローを提案しました。11 月 3 日、Pruna AI はオープンソースの H3 ビデオモデルに基づいて P-H3-Image を発表し、生画像と修正画像をサポートし、生成ネットワークを 331 億から約 200 億パラメータに圧縮し、8 ステップのサンプリングで済むようにしました。最小量子化バージョンは約 20 GB で、800 万ピクセルの画像を生成する際のピークメモリは約 21 GB です。MiniMax の公式版は 331 億パラメータの生成ネットワークを保持し、サンプリングステップ数は 6 ステップで、より高い解像度とより多くの参考画像をサポートし、元の重みと再利用されたテキストエンコーダーを合わせて約 135 GB です。オープンソースのライセンスには地域制限があり、アメリカ、イギリス、EU、韓国はコミュニティライセンスの許可地域に含まれていません。企業の年収が 100 万ドルを超える場合や、第三者にモデルホスティングサービスを提供する場合は、事前に個別の許可を取得する必要があります。

first_img バイトダンスがSeedream 5.5を発表し、百輪編集をサポートします。

字節跳動 Seed は 11 月 9 日に新世代の画像生成モデル Seedream 5.5 を発表しました。このモデルは、三つの能力を重点的にアップグレードしています:複数回の編集時に非編集領域をピクセルレベルで保持し、色の偏りを排除し、連続的な修正における詳細の喪失と画質の劣化を減少させ、同じ作品を中心に最大 100 回の継続的な創作をサポートします;アルファチャンネルを持つ透明または半透明の画像をネイティブに出力でき、輪郭のエッジと透明領域を処理します;同時に、照明、材質、肌の質感の表現を改善し、過度の光沢と露出を減少させ、複雑な文字形状と密集した小文字の文字レンダリングの精度を向上させます。評価によると、Seedream 5.5 は Seedream 5.0 Pro に比べて、eコマース、マーケティング、映画、ゲーム、オフィス、ファッションデザインの六つのシーンにおける生成効果のスコアと利用可能性が向上しており、その中でも映画とオフィスのシーンの利用可能性は前のバージョンの二倍以上に達しています。文字構造とリアリティに関する特別評価は GSB スコアを採用し、文生図と図生図をカバーしており、前世代の四つの比較に対してすべて正の偏好を示し、リアリティの図生図 GSB は +55.62% です。GPT Image 2.5 Sunburst、Nano Banana 2.1 と比較して、Seedream 5.5 は文字構造と文生図のリアリティにおいて優れたパフォーマンスを示しています。中英文および密集した小文字をカバーする評価では、深刻な文字崩壊率は 0.4% に、軽微な文字崩壊率は 1.7% に低下しました。現在、このモデルは即夢、豆包、豆包工作、火山方舟で順次オンラインになっており、今後 Pro バージョンもリリースされる予定です。

first_img ChatGPTは未発表のImages 2.6モデルに基づいてGIF生成機能を導入します。

OpenAI は ChatGPT 内で GIF 生成功能を段階的に導入しており、ユーザーは自然言語でアニメーションを説明したり、既存の写真をアップロードして ChatGPT に動画像に変換させることができます。生成が完了した後、ユーザーは再生速度を調整したり、フレームごとに画面を確認したり、編集を行い、完成品を共有することができます。The Verge の報道によれば、この機能は OpenAI の新しい画像生成モデル Images 2.6 によって駆動されており、このモデルは公式な製品リリースで正式に発表されていません。この GIF 機能は Images 2.6 更新の一部であり、今回の更新はより速い画像生成速度を約束しています。The Verge の報道によると、OpenAI はこのモデルをウェブ、デスクトップ、モバイルの ChatGPT および Codex ユーザーに展開しています。開発者は、より速い生成速度とより高品質な結果を目指すための 2 つの新しい API モデル GPT-Image-2.6 Flare と GPT-Image-2.6 Sunburst を受け取ります。OpenAI はこのモデルの能力に関する詳細な独立した発表を行っていません。今回の更新は、9 月にリリースされた ChatGPT Images 2.5 に続くもので、後者はよりシャープなディテールとより正確な編集をもたらし、生成速度は前の世代に比べて最大 50% 向上しています。さらに、OpenAI は 3 月に独立した AI 動画生成アプリ Sora を終了しました。現在、この機能は段階的に展開されており、大多数のユーザーは一時的に使用できず、OpenAI もすべての ChatGPT アカウントが GIF 生成功能を取得する具体的な時期を示していません。

first_img GoogleはNano Banana 2.1画像モデルを発表し、開発者の呼び出し価格は前の世代の約半分です。

Googleは10月6日に最新の画像生成と編集モデルNano Banana 2.1を発表し、Geminiアプリ、Google検索のAIモード、Google Ads、Google AI Studio、Flow、Stitchなどの開発者ツールに導入しました。このモデルは、テキストの説明から画像を生成することができ、既存の写真を編集することも可能です。Googleは今回のアップグレードが3つの側面に集中していると述べています:視覚デザイン、マスクベースの編集(特定の領域をマークした後、その領域のみが変化する)および主体の一貫性、つまり人物や物体が何度も編集された後でも元の特徴を保持することです。文生図全体の好みテストにおいて、Nano Banana 2.1は1050 ELOポイントを獲得し、Nano Banana 2の990ポイントおよびNano Banana Proの935ポイントを上回りました。このモデルは最大で14枚の参照画像を同時に処理し、4つのキャラクターと10の物体を追跡し、最高4K、アスペクト比は最大8:1を出力します。開発者は生成前の思考時間を設定することができ、Google検索およびGoogle画像検索に基づいて事実確認を行うことができます。Google開発者APIを呼び出す際、標準1K画像の価格は0.0336ドルで、Nano Banana 2の0.067ドルの半分です;4K画像は0.0756ドルで、前世代は0.151ドル、バッチタスクではさらに50%割引が適用されます。上記の性能データはGoogle自身のテストに基づいています。
app_icon
ChainCatcher Building the Web3 world with innovations.