モバイル機械学習– tag –

Chatterbox Turboは、350Mパラメータを持つオープンソース音声合成（TTS）モデルです。リアルタイムの6倍速で動作し、笑い声や溜息などの感情表現を制御できるパラリンギスティックタグ機能を搭載。安全性を担保するPerTh透かし技術も内蔵しています。

Molmo 2は動画理解とポインティング機能を備えた最先端のオープンソースVLM。学習データとコードも公開され、複数画像の同時解析が可能。AIエンジニアや研究者に最適な次世代ビジョン言語モデルを徹底解説します。

Alpie Coreは4ビット精度で訓練・実行される32B推論モデル。多段階推論とコーディングタスクで優れた性能を発揮しながら、従来の完全精度モデルと比較して大幅に少ない計算リソースで動作。オープンソースでOpenAI互換APIを提供します。

VanderwaalsはAndroid端末上で動作する機械学習により、ユーザーの美的嗜好を理解し、好みに合った壁紙を自動提案するアプリ。完全オフライン動作でトラッキングゼロ、3000点以上の厳選壁紙を搭載し、オープンソースで提供されています。

Mistral OCR 3は手書き文字、複雑な表、フォームを最先端の精度でテキスト化するOCR API。Markdown出力対応で、ドキュメント処理の自動化を実現します。

GetProfileは、AIエージェントに長期記憶とユーザープロファイル機能を提供する自己ホスト型オープンソースソリューション。従来の単純なテキスト保存とは異なり、構造化データで信頼度スコアや重要度レベルを管理できる次世代型メモリーシステムです。

Xiaomi開発のMiMo-V2-Flashは、309Bパラメータを持つMoE（Mixture of Experts）モデルで、15Bのアクティブパラメータにより超高速処理を実現。コーディング、推論、AIエージェント開発に特化した高性能オープンソース言語モデルです。

cto benchは、仮説的なタスクではなく実際の開発業務データでAIコードエージェントを評価する新しいベンチマークプラットフォーム。cto.newユーザーの実利用データを活用し、実務に即した正確なAI性能評価を提供します。

FrontierScienceは、AIモデルの専門家レベル科学推論能力を物理・化学・生物学で評価する革新的ベンチマーク。オリンピアード問題と実研究タスクの両方を測定し、科学研究の質とスピードを飛躍的に向上させるツールです。

SAM Audioは、テキスト指示、動画上のビジュアルクリック、時間範囲指定など柔軟なプロンプトで任意の音源から特定の音を分離できるAI統合モデル。音声、音楽、効果音の処理を一つのモデルで実現します。