自律実行、ツール連携、業務自動化の最新情報
SoranoruBlack Forest Labsは、画像・動画・音声を統合した基礎モデル「FLUX 3」を発表しました。ロボット企業mimicとの提携により、製造ラインでの動作予測にも対応した「FLUX-mimic」を展開しています。
動画生成AIが単なるコンテンツ制作を超え、物理的なロボット制御や産業現場の自動化に応用され始めています。製造業や物流分野でのAI活用を検討する企業にとって、重要な技術的転換点となるでしょう。
リアルタイム対話向けのFlash版と高品質なPlus版の2種類を展開する音声合成モデルです。16言語に対応し、感情表現の制御や最大3分間の長文生成が可能です。
TTS性能の向上は、顧客対応AIやコンテンツ制作の効率化に直結します。特にリアルタイム性と表現力の両立は、日本市場におけるAI接客の質を大きく引き上げる可能性があります。
通義実験室は、低遅延の「Flash」版と高性能な「Plus」版からなる音声合成モデルを公開しました。16言語と20種類の方言に対応し、高い話者類似度とリアルタイム性を実現しています。
多言語対応の音声合成技術は、グローバルな顧客対応やコンテンツ制作の自動化において、日本企業にとっても活用が期待される技術です。
汎用VLAモデル「MiniCPM-RobotManip」と追跡モデル「MiniCPM-RobotTrack」からなる、具身知能（ロボティクス）向けの軽量モデルシリーズです。OpenBMBと共同で開発され、オープンソースとして提供されます。
ロボット制御に特化した軽量AIモデルの登場は、製造業や物流現場における自律型エージェントの実装コストを下げ、現場導入を促進する可能性があります。