【お勧めする人】

• AI技術に関心がある人

• 最新テックトレンドを追いたい人

• テキストから画像を生成する技術に興味があるクリエイター

• 音声入力から動画を生成したい映像制作者

• アップル製品の将来の進化に注目している人

【要約】

アップルはジェネレーティブAIによる大きな進化を予告し、Ideogram 1.0を発表、テキストから画像への変換に新たなリアリズムをもたらします。一方、アリババは音声から動画への革新的変換技術EMOを紹介。これらの技術は、クリエイティブな表現とユーザーエクスペリエンスの新境地を開くことを示唆しています。

2024年2月28日｜オンラインで読む

アップルは今年、ジェネレーティブAIで「新境地を開く」とティム・クックが予告
Ideogram 1.0：最先端のテキスト画像変換モデル、登場

サイード・エザティ
2024年2月28日

メールの中のFBTW

今日のメール
アリババがEMOを発表 - 今まで見た中で最も素晴らしいオーディオ2ビデオ。

グーグルCEOのスンダル・ピチャイ氏、機能不全のジェミニAIは「容認できない」と発言。

🙄 AIグリフターがアマゾンをカーラ・スウィッシャーの回顧録で埋め尽くす

AIを活用した新しいツールやリソースを8つ紹介。ツールの全リストはオンライン版をご確認ください。

サインアップ｜広告掲載｜ChatGPT｜オンラインで読む

トップニュース

アップル、今年はジェネレーティブAIで「新境地を開く」とティム・クックが予告

アップルのティム・クック最高経営責任者（CEO）は最近、同社によるジェネレーティブAIの大幅な進化をほのめかし、今年後半、おそらく6月のWWDCでiOS 18が発表される頃に何が登場するのか期待をかき立てた。アップルの年次株主総会でのクックのコメントは、昨年秋のオートコレクトとテキスト予測の新機能の紹介でジェネレーティブAIについて少し言及したのに続き、同社のエコシステムにAI機能を統合することに注力していることを強調した。この動きは、OpenAIやGoogleのような競合他社に遅れてこの分野に参入したにもかかわらず、アップルがAI分野で革新的な取り組みを行っていることを意味する。

関係者や技術コミュニティが、アップルのジェネレーティブAIへの進出がもたらす潜在的な影響について推測するにつれ、期待が高まっている。これまでの言及は比較的まばらだったが、iOS 18におけるAI中心の機能強化の約束は、AIへの重要な軸足を示唆し、今後のアップルの戦略の中心的な要素に位置づけるものだ。このシフトは、Apple Carプロジェクトが中止された後に行われ、社内のイノベーションの新たな焦点としてAIを強調している。

ジェネレーティブAIの競争では既存のプレーヤーに遅れをとっているものの、システムレベルの統合能力やカスタム・シリコン設計といったアップル独自の優位性は、エコシステム全体のユーザー体験を向上させる上で明確な優位性を提供する可能性がある。テック界がさらなる発表を待ち望む中、クックの予告は、アップルがAIを通じて提供する製品を再定義する可能性についての憶測と楽観論を煽り、同社とその利害関係者にとってエキサイティングな章を刻むことになる。

コンテンツフルはインテリジェントなコンポーザブル・コンテンツの未来だ

インテリジェントなコンポーザブルコンテンツプラットフォームのリーディングカンパニーであるContentfulは、開発者もマーケティング担当者も同じように、1つの統合コンテンツシステム内で、コンプライアンスに準拠したブランド体験をスピードとスケールで簡単に提供することができます。Contentfulなら、無限にコンテンツを作成し、即座に公開することができます。

Ideogram 1.0：最先端のテキスト画像変換モデル、登場

Ideogram 1.0 は、最新かつ最も洗練されたテキスト画像変換モデルです。ゼロから開発されたこの新しいモデルは、テキストを画像にレンダリングする方法に革命を起こし、比類のないフォトリアリズムとプロンプトへの正確な追従性を提供します。Ideogram 1.0は、Ideogram AIで誰でもアクセスすることができ、ユーザーはクリエイティブなマインドを持つ世界的なコミュニティの一員となり、作品を共有し、他のユーザーからインスピレーションを得ることができます。

Ideogram 1.0は、画像内のテキストレンダリングにおける新しいベンチマークを設定し、AIが生成するテキストの不正確さという歴史的な課題に対処します。この機能強化により、ユーザーはパーソナライズされたメッセージ、ミーム、ポスターなどを、これまで達成できなかったレベルの精度で簡単に生成することができます。当社の評価では、Ideogram 1.0は、テキストの正確性において既存のモデルを大幅に上回り、エラー率をほぼ半分に削減することが確認されています。

ユーザーエクスペリエンスをさらに豊かにするため、Ideogram には無料プランと有料プランがあります。無料プランには1日あたりの生成許容量が含まれ、有料プランでは、優先処理、プライベート生成オプション、画像アップロード、Ideogramエディタへの専用アクセスなどの追加特典が解除されます。

Alibaba presents EMO - 今まで見た中で最も素晴らしいaudio2video。

EMOは、単一の参照画像と、話し声や歌声などの音声入力から、表情豊かなボーカルアバター動画を作成できる、革新的な音声駆動型ポートレート動画生成フレームワークを紹介します。このプロセスには主に2つのステージがあります。最初のフレームエンコーディングステージでは、ReferenceNetが参照画像とモーションフレームから特徴を抽出し、ディフュージョンプロセスステージでは、オーディオエンコーダがオーディオの埋め込みを処理します。この段階では、マルチフレームノイズによる顔領域マスクが組み込まれ、バックボーンネットワーク内のリファレンスアテンションメカニズムとオーディオアテンションメカニズムを活用することで、同一性の保持と動きの変調が保証されます。さらに、テンポラル・モジュールが動きの速度を調整し、入力音声の長さに基づいて任意の長さの動画を提供する。

このフレームワークの多用途性は、表情豊かなビデオや頭のポーズを生成する能力によって示される。様々な言語の歌や会話の入力に対応し、速いリズムに対応し、最も速い歌詞と表現力豊かなキャラクターアニメーションの同期を保証します。さらに、EMOは、歴史的絵画、3Dモデル、AI生成コンテンツなど、さまざまなソースからの肖像画をアニメーション化することができ、リアルな動きで幅広い肖像画スタイルに命を吹き込みます。

EMOの潜在的な用途は、異なる言語やスタイルで演技をする映画キャラクターのアニメーションにも及び、俳優を超えた演技を容易にします。この機能により、多言語・多文化の文脈におけるキャラクター描写に新たな道が開かれ、ボーカルアバタービデオの表現力とダイナミズムが大幅に向上します。異なる言語や肖像スタイルをサポートし、テンポの速いリズムに対応できるこの手法は、音声入力からリアルなアニメーションを作成する際の適応性と幅広い応用性を強調しています。

#ジェネレーティブAI #アップル #Ideogram1 .0 #テキスト画像変換 #AI革命 #テックニュース #AI技術 #EMO #音声ビデオ変換 #テクノロジートレンド #アリババAI #イノベーション