Wan 3.0が再構築された動画リーダーボード首位、Kling 3.0はそのアンカーに
新しい尺度はすべてのモデルを1080pで評価し、プロンプトを20のランキングに分類する。首位よりも、リーダーボードの下に広がる分布のほうが重要だ。
ブログ
生成AIに関するヒント、チュートリアル、洞察を発見
Taobao TaoMate-H3 がオープンソース化：分単位の音声・動画連続生成を、各セグメントわずか3ステップのノイズ除去に圧縮
誰の単一セグメントの画質がすごいかではなく、プロンプトを入力してから最初のセグメントの完成品が見えるまでどれだけ待つかを競う。動画生成は「いつ最初のフレームを見られるか」を本気で計算し始めた。
MetaがMidjourneyの画像・動画技術をライセンス、その理由は示唆に富む
ベンチマークは四半期ごとに動く。何が見た目に良いかについてのコミュニティの判断は動かない。
インドは独自のAI安全ルールを策定し、ワシントンの模倣を拒否する
英語だけでテストすると、対象と称する展開の大半について何も保証しないフレームワークが出来上がる。
AssemblyAI、リアルタイム音声のレイテンシを91ミリ秒に短縮。この数字が重要な理由
音声の制約は単語誤り率ではなかった。それはターンテイキングだった。
Tavus Griffinは48％の確率で人間と見なされたが、同社は提供しない
事前録画された偽物は用意された質問にしか答えない。リアルタイム・システムはどんな質問にも答える。
GoogleのNano Banana 2.1はフラッグシップではなく機能追加リリースだ
ミッドティアのリリースは、ラボが大多数のユーザーに実際に何が必要だと考えているかを教えてくれる。それはフラッグシップよりも有用なシグナルだ。
動画広告スタックは専門特化型へと分裂した——Boreal-H3が示すその理由
シネマティックな品質と反復のスループットは別の製品であり、一つの生成レイヤーが両方で先頭に立つことはできない。
OpenAI、AI由来の数学的成果722件を公開。数学者たちは功績は誰のものかと問う
証明支援系が検証するのは、議論が帰結することであり、その議論が誰かの思うものであることではない。
Anthropic、12万9000件の脆弱性を発見—その後、門戸を狭める
セキュリティ実証のピークにあった企業が、まさにその時点でアクセスをさらに制限することを選んだ。その理由は矛盾しない。
FLUX 3 Image：バウンディングボックス、4K出力、そして設定ファイルとしてのレイアウト
座標グリッドは、どこに何を置くかという文章による記述を置き換え、それがパイプラインの約束できることを変える。
Kling 4.0登場：10枚のキーフレーム、30秒、そしてスロットマシン的編集の終焉
10個の制御点は品質を上げるだけではない。制作チームがツールに持ち込まなければならないものを変える。