アリババ、同時通訳モデル「Qwen3.8-LiveTranslate」公開 遅延2.3秒、話者の声色も再現
アリババはリアルタイム同時通訳モデル「Qwen3.8-LiveTranslate」を発表した。60言語に対応し、平均遅延を2.3秒に短縮。話者分離や原声クローン機能を備え、発言者本人の声色で訳出できる。現在はAPIとWebデモで提供されている。
阿里
アリババが「Wan-Dancer-14B」公開：音楽から長尺ダンス動画を直接生成
アリババの Wan チームは音楽からダンス動画を生成する「Wan-Dancer-14B」をオープンソースで公開した。手本の動作動画を必要とせず、音源と画像 1 枚からリズムに合った分単位のダンス映像を制作できる。ヒップホップや古典舞踊など多様なジャンルに対応する。
アリババが「StreamChar」発表：単一H100で全身アバターのリアルタイム音声・動画生成
アリババの研究チームがキャラクター動画のリアルタイム生成フレームワーク「StreamChar」を発表しました。長時間の計画と短時間のノイズ除去を分離し、メモリ機構で外見崩れや音ズレを防止。単一のH100 GPUでリアルタイム動作を実現し、インタラクティブな全身アバターの実用に道を開きます。
アリババ、画像生成を4歩に短縮する「CDM」発表 画質を保ち5倍高速化
アリババは拡散モデルの生成速度を引き上げる新手法「CDM」を発表した。通常20〜50ステップかかるノイズ除去をわずか4ステップに短縮し、既存のDMD2で目立ったプラスチックのような質感の低下を防止。SD3やLongCatに対応し、手元のGPUでほぼリアルタイムに高画質画像を生成できる。