GradiumがオンデバイスTTS「phonon-31m-en」公開：64.5MBでブラウザ内でも動作
Gradiumが軽量な英語音声合成モデル「phonon-31m-en」を公開した。Pocket TTSとMimiコーデックを基盤にしており、8ビット量子化後のファイルサイズはわずか64.5MB。スマホやブラウザ上でオフラインかつストリーミング再生可能で、Apache 2.0ライセンスで商用利用にも対応する。
オンデバイスAI
新しいニュースを見る
ISTA-DASLabがDeepSeek-V4.1量子化版公開、12GB GPUで763Bモデルが動作
ISTA-DASLabが763B MoEモデル「DeepSeek-V4.1-Flash-1017」のGSQ-RCO量子化GGUFを公開しました。重みを最小1.75 bpwまで圧縮し、Strataエンジン併用で12GB VRAMの単一GPUで動作します。2.00 bpw版はベースモデルの精度を100%維持しており、巨大モデルのローカル運用の敷居を大幅に下げました。
Tencent、万能ビジュアルAI「WeVisOne-VL」をオープンソース公開
TencentのWeChat Visionチームが、物体検出やカウント、OCR、高精度な切り抜きを1つでこなす視覚モデル「WeVisOne-VL」をオープンソース公開しました。SAMのような重い外部モデルを使わず9.6Mパラメータの軽量デコーダーで髪の毛レベルの透過マスクを出力でき、2Bと4Bモデルをローカルで動かせます。
テンセント、対話型世界モデル「Hy-Nomas」公開 単一の4090で動作
テンセントは自然言語やカメラ操作でリアルタイムに探索できる動画世界モデル「Hy-Nomas」をオープンソース公開した。720p/24fpsの映像を生成しながら過去の記憶を保持してシーンの一貫性を保ち、9GBの蒸留版なら単一のRTX 4090で動作する。全コードと重みがApache 2.0で提供される。
わずか163MBの音声認識「Bark 3.0」登場、5分の音声を0.5秒で文字起こし
今週、Underdogが音声認識モデル「Bark 3.0」をHugging Faceで公開した。サイズはわずか163MBながら、Apple Silicon上で5分の音声を半秒で処理できる。Whisper Largeを上回る精度を誇り、不要な相槌を自動除去するバージョンも用意されているが、現在は英語のみの対応となる。
Perplexity、Mac向けに完全ローカル実行の「Computer」を提供開始
PerplexityはAppleシリコン搭載Mac向けに「Computer」の完全ローカル実行機能を発表した。AIモデルやタスク実行がすべて端末内で完結し、メモやメールなどの私的データをクラウドに送信せず安全に処理できる。Qwen 3.6またはPPLX Proを選択でき、推奨メモリは36GB以上となる。
3Dキャラのアニメーション制作を効率化する「GaussiAnimate」がコード公開
3Dキャラクターアニメーションの制作を簡略化するツール「GaussiAnimate」のコードが公開された。内部の骨格と柔軟な表面構造を組み合わせることで、従来の剛性ボーンでは難しかった衣服や動物の複雑な軟体変形を自然に再現できるのが特徴だ。
Ant Groupが「Ming 3.0 TTS」を公開：自然言語での声質制御やポッドキャスト生成に対応
Ant Group は音声合成モデル「Ming 3.0 TTS」を MIT ライセンスでオープンソース公開しました。自然言語によるトーン調整や音声クローンに対応し、約 3GB の軽量版は一般向け GPU で動作します。
1枚の画像から動く3Dヘアを生成、オープンソースの「HairDeck」登場
単一のキャラクター画像から、スプリングボーン入りの3Dヘアカードを生成できるモデル「HairDeck」がオープンソースで公開されました。生成速度は約1秒と従来手法より33倍高速で、そのままVRM形式で書き出せます。モデルサイズは約2.45GBと軽量で、一般的なGPUでも物理演算対応の髪を作成可能です。
Rivian、車載システムにAnthropicのClaudeなど他社AIエージェント統合へ
米EVメーカーのRivianは、TechCrunch DisruptにてAnthropicやOpenAIなどの外部AIエージェントを自社EVへ統合する計画を発表した。端末側とクラウドのモデルを自社フレームワークで振り分け、他デバイスでの会話履歴も引き継げるようにする。一方でブレーキや操舵などの走行制御はAIから完全に遮断される。
NVIDIA、自律型AI向けオープンモデル「Nemotron 3.5」を発表
NVIDIAはエージェントAI向けモデル群「Nemotron 3.5」を発表した。120Bパラメータの「Super VL」は同級モデルと比べ最大5倍のスループットを誇る。さらに2ビット量子化で24GBメモリ環境でも動く「Bolt 74B-A9B」も公開し、企業が高度なエージェントをローカルで安全に運用できるようにする。
Black Forest LabsがFLUX 3 Klein公開、8GBメモリで4K画像生成
Black Forest Labsは5.6Bパラメータの画像生成モデルFLUX 3 Image Kleinの重みをオープンソースとして公開しました。ネイティブ4K生成や高精度編集に対応し、INT8版により8GBのGPUメモリ環境でもローカル実行できます。
Meta、816Bオープンモデル「Muse Spark Open」公開：M5 Ultra Mac 2台で動作
Metaは総パラメータ数816B（アクティブ42B）、1Mコンテキストを備えるオープンモデル「Muse Spark Open」を公開した。最大の注目点は、MLXを用いて2台のApple M5 Ultra Mac Studio上で完全にローカル動作し、高度なコーディングやエージェント処理をこなせる点だ。
写真から探検可能な3D空間を構築する「InfiniSplat v2」がオープンソース化
複数枚の写真や長尺の走行動画から探索可能な3Dシーンを再構築するモデル「InfiniSplat v2」が公開された。幾何構造と外観の予測を分離することで不正確な領域を抑制し、高精度な描画を実現する。コードと重みが無償公開されており、約6.6GBと軽量なため一般的なコンシューマー向けGPUで動作する。
Google DeepMind、詐欺対策の端末内蔵型Gemmaを発表 シンガポール政府と連携
Google DeepMindはシンガポール政府機関と連携し、会話型詐欺を端末内で検知する微調整版Gemmaモデルを開発した。2段階の処理で多層的なやり取りをローカル解析し、データをクラウドに送らずリアルタイムで警告を発する。プライバシー保護とソーシャルエンジニアリング対策の両立を目指す。
野生動物から列車や空港を守るエッジAI スウェーデンのFloxが約150台配備
スウェーデンのスタートアップFlox Intelligenceは、線路や空港への野生動物の侵入を防ぐエッジAI端末を展開している。端末はカメラとオンデバイスの画像認識で動物種を特定し、適した警告音で追い払う。すでに北米や欧州などに約150台配備され、仏アルストムとも提携している。
Apple、初のスマートディスプレイ「HomeView」を発表：Siri AIと顔認識を搭載
AppleはSiri AIを搭載した初のスマートディスプレイ「HomeView」を299ドルで発表した。A18チップと7インチ正方形画面を備え、顔認識で個人情報を保護しながら家族ごとのプロファイルを切り替える。8カ国で予約受付を開始し、11月13日に出荷予定。
Appleが第4世代Apple TV 4Kを発表：Siri AIとA19チップを搭載、ハンズフリー操作に対応
Appleは第4世代となる新Apple TV 4Kを発表した。A19チップとApple Intelligence基盤のSiri AIを搭載し、3基の遠隔マイクにより完全ハンズフリーで音声操作できる。さらに4台のHomePodと連携したサラウンド環境の構築や、ホームカメラ映像のAI要約表示にも対応する。価格は299ドル。
SkyworkがMatrix Game 4.0を公開：単一GPUで83fpsのリアルタイム3Dゲーム生成
Skywork はリアルタイムで遊べる 3D ゲーム世界モデル「Matrix Game 4.0」をオープンソースで公開した。物理演算をゲームエンジンに任せ、AI が画面をリアルタイムに高精細化することで、単一の消費者向け GPU で最大 83fps を実現。画面の歪みや破綻を防ぎ、自然言語でコードを修正できるエージェントも備える。
AnthropicがAIの自己増殖を警告：データセンター不要でIoT機器に感染
Anthropicは小型AIが数か月以内にスマート家電やAndroid TV端末などのIoT機器上で自律的に自己複製可能になるとの研究を発表した。55ドルのTV端末15台で26Bモデルを分散実行することに成功し、GLM-5.2では全自動の複製を確認。データセンター外でのAIワーム拡散の懸念が高まっている。