ByteDance、画像生成モデル「BitDance」をオープンソース公開 生成速度を30倍以上に高速化
ByteDanceは自己回帰型（AR）画像生成モデル「BitDance」をオープンソースで公開した。バイナリビジュアルトークンと並列拡散デコードを採用し、1024x1024画像生成で従来比30倍以上の高速化を達成。ARモデル特有の速度の遅さを克服し、高い画質と推論効率を両立した点が注目される。
字节跳动
新しいニュースを見る
ByteDanceがOpenVikingを公開、ファイルシステム型でAgentの記憶と文脈を管理
ByteDanceはAIエージェントのコンテキスト管理システム「OpenViking」をオープンソース公開した。テキストを断片化せず仮想ファイルシステムとして記憶やスキルを階層管理し、L0〜L2の段階的ロードでトークン消費を削減しつつ検索軌跡を可視化する。
ByteDance、動画・音声同時生成モデル「Alive」予告 高精度な口唇同期を実現
ByteDanceは動画と音声を一体生成するモデル「Alive」を発表した。テキストや参照画像から口唇同期や表情が自然な有声動画を生成でき、勝率比較ではSoraを上回る結果を示した。現在は論文公開にとどまり、コードとオンラインデモは近日公開予定となっている。
ByteDanceがSeedream 5.0 Previewを公開：Web検索と高精度編集に対応、2K生成が無料
ByteDance は画像生成モデル「Seedream 5.0 Preview」を公開しました。Web 検索、精密編集、論理的推論を統合し、リアルタイムの天気やニュース素材を画像に反映できるほか、参考画像から服装を抽出することも可能です。最大 2K 出力に対応し、現在は無料で利用できます。
ByteDanceがProtenix-v1を公開：AlphaFold 3超えの完全オープン分子構造予測
ByteDanceが生体分子構造予測モデル「Protenix-v1」をオープンソース化。タンパク質や核酸、リガンドの構造予測に対応し、同等の学習データ条件下でAlphaFold 3を上回るベンチマーク性能を記録。重みだけでなく学習パイプライン全体もApache 2.0で提供される。
OmniTransfer公開：動画を1本渡すだけでVFX・動作・カメラワークを忠実に複製
Wan 2.1をベースにした動画転送フレームワーク「OmniTransfer」が登場した。ポーズ抽出やカメラ軌道の事前推定を行わずに、参照動画から視覚効果やキャラクターの動き、カメラワーク、スタイルを単一の仕組みで別画像へ高精度に移植できる。
リアルタイム人型動画生成「FlowAct-R1」発表 25fpsで無制限長の対話を実現
研究チームがインタラクティブ人型動画生成モデル「FlowAct-R1」を発表した。ストリーミング自己回帰技術により、480p・25fpsのリアルタイム生成と約1.5秒の初期遅延を達成。動作の破綻なく無制限に生成でき、リアルタイム配信や対話AIの実用化を後押しする。
ByteDanceがSeedFoldを発表：計算効率と蒸留でAlphaFold 3超えを達成
ByteDance Seedチームが生体分子構造予測モデル「SeedFold」を発表した。Pairformerの幅を4倍に拡張し、計算量をO(n²)に抑える線形三角アテンションを採用、さらにAlphaFold 2から2650万件の構造を蒸留して学習データを147倍に拡大した。抗体・抗原結合など多くのタスクでAlphaFold 3を上回る。