【生成AIトレンドマガジン】StreamDiffusionやMVDream、Amphionなど先週話題になったAIツールを6個紹介

WEELメディア事業部AIライターのたけしです。

2023年も終わりが近づいてきましたが、AIの進化はまだまだ止まりません。

最近だと、リアルタイムで高品質な画像を生成できるツールや、テキストから3Dが生成できるツールが公開されましたね。

今回は2023年12月26日現在、世界中で注目を集めているAIツールを6個紹介します。

いずれも無料で利用できるものばかりなので、ぜひ最後までご覧いただき、お手元のPCで一度試してみてくださいね！

【StreamDiffusion】リアルタイムで高品質画像を生成できるAI

「StreamDiffusion」は、リアルタイムで高品質画像を生成できる画像生成AIです。

StreamDiffusionの主な特徴は、下記の5点です。

実際にStreamDiffusionを使ってみたところ、以下のような10枚の画像をたった4秒で生成できました。
本当に高速な上に、クオリティも高い！！

StreamDiffusionはオープンソース化されているため、誰でも無料で利用可能です。（ただし、それなりのスペックのPCが必要）

興味のある方は、ぜひ一度StreamDiffusionの高速画像生成を体験してみてください！

なお、StreamDiffusionの具体的な使い方などを知りたい方は、以下の記事を合わせてご確認ください。
→【StreamDiffusion】世界最速！？のスピードで画像を出力する超高速画像生成AIの使い方から実践まで

【Openchat-3.5-1210】Openchat-3.5がさらに進化した最強の小型AIモデル

「Openchat-3.5-1210」は、7Bパラメーターの小型AIモデルです。2023年11月に登場し当時最強と呼ばれた小型AIモデル「Openchat-3.5」を、さらに進化させ開発されました。

以下は、Openchat-3.5-1210とGPT-3.5（175B）、Grok-1の性能を比較した研究結果です。

ご覧のとおり、Openchat-3.5-1210は7Bパラメーターという非常に小型なサイズながら、GPT-3.5やGrok-1を大きく上回る性能を持つことがわかりますね！

2023年12月現在、Openchat-3.5-1210はオンラインデモが公開されており、誰でも無料で利用可能です。

ぜひお手元のPCで、Openchat-3.5-1210の性能を試してみてください！

なお、Openchat-3.5-1210についてより詳しく知りたい方は、以下の記事を合わせてご確認ください。
→【Openchat-3.5-1210】GPT-3.5を超えた最強の7Bモデルを比較レビューしてみた

【Swallow】高い日本語処理能力を持つAIモデル

「Swallow」は、日本語の処理能力に優れているAIモデルです。東京工業大学情報理工学院の岡崎研究室と横田研究室、国立研究開発法人産業技術総合研究所によって開発されました。

Swallowの大きな特徴は、下記の2点です。

以下は、Swallow（7B・13B・70B）とLlama-2（7B・13B・70B）の性能を比較した研究結果です。

ご覧のとおり、ほとんどのベンチマークにおいて、Swallowの方がLlama2よりも優れていることがわかりますね。

Swallowはオープンソース化されているため、誰でも無料で利用可能です。（ただし、それなりのスペックのPCが必要）

気になる方は、ぜひSwallowを試しに一度使ってみてください！

なお、Swallowの具体的な使い方などを知りたい方は、以下の記事を合わせてご確認ください。
→【Swallow】東工大の日本語特化の大規模言語モデル！使い方〜日本語性能比較まで

【MVDream】テキストから高品質な3Dを生成できるAIツール

「MVDream」は、テキストプロンプトから高品質な3Dを生成できるAIツールです。TikTokを運営するByteDance社が開発したということで、世界中で注目を集めています。

MVDreamを使えば、以下のような高品質な3Dが簡単に生成可能です。

弊社でも試しに「an astronaut riding a horse（馬に乗る宇宙飛行士）」とプロンプトを入力してみたところ…

このように、非常に精度が高い3Dが作成できました！

プロンプトを工夫すれば、自分のオリジナルキャラクターも3D化できそうですね。

MVDreamはオープンソース化されているため、誰でも無料で利用可能です。（ただし、それなりのスペックのPCが必要）

ぜひMVDreamを使って、お手元のPCで3Dを作ってみてください！

なお、MVDreamの具体的な使い方などを知りたい方は、以下の記事を合わせてご確認ください。
→【MVDream】TikTok、ByteDanceのテキストから高精度の3D画像を生成するAIモデルを使ってみた

【Amphion】テキストから音声や音楽が生成できるAIツール

「Amphion」は、テキストプロンプトから音声や音楽が生成できるAIツールです。その注目度は非常に高く、公開後数日でGithubリポジトリに750以上のスターがついたほどです。

Amphionに搭載された主な機能は下記のとおり。

弊社でも試しに、以下の歌声をアップロードし、「Singing Voice Conversion」でAdele（イギリスの歌手）の歌声に変換してみたところ…

以下のように、まるで本物のAdeleのようなハイクオリティな歌声に変換されました！

2023年12月現在、AmphionはHugging Face Spaces上でデモ版が利用可能です。

興味のある方は、ぜひAmphionで音声や音楽を生成してみてください！

なお、Amphionの具体的な使い方などを知りたい方は、以下の記事を合わせてご確認ください。
→【Amphion】テイラースウィフトに中国語の曲を歌わせられる神音声AIツールを使ってみた

【Phi-2】25倍大きいLlama-2-70Bと同等の性能を持つ超小型AIモデル

「Phi-2」は、Microsoft社が開発した2.7Bパラメーターの超小型AIモデルです。旧バージョンの「Phi-1.5」をさらに強化し、開発されました。

Phi-2の大きな特徴は、【超小型サイズなのに、性能は大型のモデルよりも優れている】という点。

以下は、Phi-2とLlama-2（7B・13B・70B）、Mistral（7B）の性能を比較した研究結果です。

ご覧のとおり、Phi-2は25倍サイズが大きいLlama-2-70Bとほぼ同等の性能を持つことがわかります。さらにコーディングの能力にいたっては、Llama-2-70Bよりもはるかに優れていますね。

Phi-2は、Microsoft社が運営するAzure AI Studioにて、誰でも無料で利用可能です。（ただし商用利用は不可）

興味のある方は、ぜひお手元のPCでPhi-2の性能を体感してみてください！

なお、Phi-2の具体的な使い方などを知りたい方は、以下の記事を合わせてご確認ください。
→【Phi-2】パラメーター数が25倍のLlama-2-70Bと同等の性能を持つ、Microsoftの最強小型LLM

まとめ

今回紹介したAIツール・モデルは以下のとおりです。

上記のツール・モデルは、いずれも無料で利用できるものばかりです。

興味のある方は、ぜひ一度お手元のPCで実際に触ってみてください！

生成系AIの業務活用なら！

・生成系AIを活用したPoC開発

・生成系AIのコンサルティング

・システム間API連携

無料ダウンロード

最後に

いかがだったでしょうか？

弊社では

・マーケティングやエンジニアリングなどの専門知識を学習させたAI社員の開発
・要件定義・業務フロー作成を80%自動化できる自律型AIエージェントの開発
・生成AIとRPAを組み合わせた業務自動化ツールの開発
・社内人事業務を99%自動化できるAIツールの開発
・ハルシネーション対策AIツールの開発
・自社専用のAIチャットボットの開発

などの開発実績がございます。

まずは、「無料相談」にてご相談を承っておりますので、ご興味がある方はぜひご連絡ください。

➡︎生成AIを使った業務効率化、生成AIツールの開発について相談をしてみる。

生成AIを社内で活用していきたい方へ

「生成AIを社内で活用したい」「生成AIの事業をやっていきたい」という方に向けて、生成AI社内セミナー・勉強会をさせていただいております。

セミナー内容や料金については、ご相談ください。

また、サービス紹介資料もご用意しておりますので、併せてご確認ください。

無料で相談する

資料をダウンロードする