筆者はUTAUによる波形接続の時代から「その人の声になりきる」技術を試してきましたが、このほど、その中でも画期的と思える技術に出会いました。『Seed-VC』（Seed Voice Conversion）というオープンソースソフトです。 ■AIボイチェンの進化どこが画期的なポイントかというと、高い音質を維持しながら、ゼロショット、つまりファインチューニングをせずに、1秒から30秒までの短い音源を参照するだけで、短時間でオリジナルに近いボイチェンができるところにあります。 以前紹介したDiff-SVCやRVCは、オリジナル音声に近いボイチェンが可能ですが、学習にはそれなりの長さのオーディオデータと高性能GPUによる処理が必要です。

また、Emiと同時にクリーンな画像生成AI、Manga Diffusionの概念実証版も公開します。この画像生成AIはパブリックドメインの画像や著作権者から学習を許可された画像だけを学習しています。 （以下、画像生成AIのことをモデルとも呼びます。） Emiの特徴１．AIアートに特化このモデルは、アニメやマンガのようなAIアート生成に特化しています。GMOインターネットグループが提供する「ConoHa byGMO」のトライアル版の採用により最先端の開発機材NVIDIA H100と、画像生成Stable Diffusion XL 1.0、 AI Picasso社のノウハウを用いて高品質な画像が生成されるように尽力しました。参考として簡単な生成例を以下に紹介します。 比較のために、これまでのモデルと今回のモデルでほぼ同じ内容を生成した例を示します。これまでの生成画像よりも約2倍高精細になり、最

技術の進歩とともに故人との関わり方も変わってきているのかもしれません。 急速な進歩を遂げているChatGPTのような大規模言語モデルの登場は、日記などの記録を元にして、話し方や考え方を再現した疑似人格とチャットで話すことを可能にしました。 画像や映像を合成できるジェネレーティブAIは、実際の人物の映像を元に存在しない表情や仕草の映像を作り出すことを可能にします。 そしてこれらの技術の組み合わせは、亡くなった家族や友人をまるで画面の中では生きているように蘇らせることを可能にしているのです。 AIを使って故人をデジタル上で蘇らせる技術は「デジタルネクロマンシー」とも呼ばれ、最近では一般の人々もこれらの技術に簡単に触れられるようになってきました。 日本では「故人AI」や「バーチャル故人」などとも呼ばれて注目を集めており、海外では実際に「故人と会話できるAI」と謳ったサービスも登場してきています。

Microsoft、AIの影響で年間水消費量がプール2,000個分に2023.09.14 20:0041,893 Angely Mercado - Gizmodo US ［原文］ （ そうこ ） AI台頭によって、AIがとんでもないエネルギー喰いだということが明らかになりました。電力はもちろん、炭素排出量も多く、環境への不可は仮想通貨を超えるとも言われており、AI活用とともにエネルギー効率化も求められています。 その中でも、消費量が特にに大きいのが水。 Microsoftの環境に関する報告書が公開Microsoft（マイクロソフト）が毎年公開している環境に関する報告書、2022年版がアップされました。 2021年の水使用料は477万2890トン。これが2022年には639万9415トンにまでアップ。実にたった1年で約30％も使用量が増加。オリンピックのプールでいうと、この増加量は2,000

今回は、2023年9月現在にリリースされているStable Diffusionで利用可能な最新のモデルについて解説します。 今月もStability AI公式のSDXL1.0をベースとしたハイクオリティなモデルを多く紹介しますが、2次元モデルではまだまだSD1.5系のクオリティが高いため、こちらもあわせて紹介します。

rinnaは7月31日、日本語と英語のバイリンガルなLLM（Large Language Models：大規模言語モデル）を開発し、商用利用可能なライセンスでオープンソースとして公開したことを発表した。同社はさらに、対話形式のテキストを生成する対話言語モデル、テキストと画像のマルチモーダル入力対応する画像対話モデル、長いテキストの入力が可能な長期コンテキスト言語モデルも開発し公開している。 同社が今回公開した汎用言語モデル（rinna / bilingual-gpt-neox-4b）は約40億パラメータを持つ日本語と英語のバイリンガルGPTであり、日本語と英語のテキスト生成が可能だ。学習データにはオープンデータセットを用いており、透明性が高い特徴を持つという。学習データの割合は英語56%、日本語33%、ソースコード11%。 長期コンテキストモデル（rinna / bilingual-gpt

AIを導入することで作業の自動化によって労働を奪われた人間がいることは確実であり、AIの安易な導入に対して異を唱える声は多く存在します。しかし、世界中の企業が高騰する開発コストへの対策としてAIツールの導入を検討しており、特にゲーム開発企業で積極的にAIを導入しようとする動きが見られると報じられています。 How AI Is Changing $200 Billion Video Games Industry, Speeding Up New Titles - Bloomberg https://www.bloomberg.com/news/articles/2023-07-25/ai-is-rewriting-the-rules-of-200-billion-games-industry How AI Impact is Revolutionizing the Video Gaming

「NVIDIA 生成 AI Day 2023 Summer」で、Stability AI Japan株式会社のJerry Chi氏が登壇し、「Stable Diffusionの活用法と事例」の講演を行った。主に画像生成AI「Stable Diffusion」の機能紹介やビジネス活用の解説や動画デモだったが、その内容は「画像生成AIはこんなことまでできるようになったのか」と、全編が驚きの連続だった。 「Stable Diffusion」は画像生成AIブームを巻き起こすきっかけになったアプリケーション(ソリューション)で、最大の特徴は、絵やイラストを描いたり描画すること。写真のようなフォトリアリスティックやアニメ風に生成することもできる。 Stability AI Japan株式会社は日本支社として、研究開発やコミュニティ活動、ビジネス活動に注力している。ただし、海外のモデルを日本でそのまま使

TL;DR ESD の手法で LoRA を学習してみたらそれっぽい感じのことができたよ VRAM 8GB で余裕で学習できるようになったよ (元は20GB要求) LoRA として保存できるようになったので重みの取り回しが良くなったよ マイナス適用によって、概念を削除するだけでなく強調することもできたよ 一度でも画像生成 AI に触ったことがあると、より楽しんで読めると思います。 論文とかどうでもいいから学習方法知りたい！ という方は 実際に学習してみる へどうぞ！ 今回作成したもの コード: モデルなど: 前提 Stable Diffusion とは、Stability AI らが公開したオープンソースの画像生成 AI であり、テキストによる指示で様々な画像を生成することができる。 本来の Stable Diffusion は、実写画像や海外風のイラストを出力することが得意だが、アジア系の

Adobeが権利的にクリアなトレーニングモデルを用いた画像生成AI「Firefly」を発表したり、Microsoftの検索エンジンであるEdgeで対話型AIのChatGPTが活躍していたり、世界的なコンサル企業が「社員の50％は業務にジェネレーティブAIを活用している」と明らかにしたりと、ジェネレーティブAIは社会に広がり続けています。しかし、AIを使用してコンテンツを作成・公開する人が増えていることで、新たな問題として「AIが生成したコンテンツがインターネット上にあふれ、それをAIが学習することで、重大な欠陥が生まれている」ということが研究者グループから指摘されています。 [2305.17493] The Curse of Recursion: Training on Generated Data Makes Models Forget https://doi.org/10.48550/

米Google傘下のAI企業Google DeepMindは6月7日（現地時間）、アルゴリズムを開発するAI「AlphaDev」が、人間が考えたものより高速なソートアルゴリズムを発見したと発表した。 ソートアルゴリズムは、入力されたデータを一定のルールに基づいて並べ替えるもの。ネット検索結果の並べ替えやランキング制作などIT技術の根幹を担う技術の一つ。今回AlphaDevが考案したアルゴリズムは既存のものに比べて、少量のデータなら最大70％、数十万規模の大量のデータなら約1.7％速く処理できた。 DeepMindはAlphaDevに新しいアルゴリズムを発見させるため、ソートの作業を「組み立てゲーム」としてプレイさせた。「正確にソートできる」「既存のアルゴリズムより高速である」という2点を満たせばクリアとした。 関連記事 OpenAIやDeepMindのCEOやトップ研究者ら、「AIによる人

2022年11月にChatGPTが公開され、たった1週間で100万ユーザーを超えたのをきっかけに、GoogleのBardやMicrosoftのBing AI Chatなど、大規模言語モデルを利用したチャットAIが続々とリリースされています。チャットAIを研究しているセバスティアン・ラシュカさんが、チャットAIが実用化されるまでの研究の軌跡を重要な論文24個に絞って要約しています。 Understanding Large Language Models - by Sebastian Raschka https://magazine.sebastianraschka.com/p/understanding-large-language-models ◆目次 ・主要なアーキテクチャとタスク ・スケーリングと効率性の向上 ・言語モデルを意図した方向へ誘導する ・人間のフィードバックによる強化学習(