こんにちは、愛好家たち! 第30回「AIエンジニアリングの今週」へようこそ! 今週、アリババは狂った新しいビデオ生成モデルを立ち上げ、OpenAIはChatGPTをインタラクティブなチューターに変革し、この中国のオープンソースモデルはすべての基準を打ち砕いている。 これにより、開発ワークフローを過剰に充電できるいくつかのレーダー下のツールも探索します。 Alibaba's New Video Generation Model is the BEST 世界初のオープンソースのビデオ生成モデル「Mixture-of-Experts」アーキテクチャを使用して、27Bパラメータで映画的な品質のビデオ生成を提供するが、ステップごとにアクティブなのは14Bのみで、プロのビデオ制作を消費者ハードウェアにアクセスできるようにします。 Alibaba Wan 2.2 をリリース Alibaba Wan 2.2 をリリース What's New 何が新しい 
 
 
 
 革命的なMoEアーキテクチャ:専門の専門家を使用した最初のオープンソースビデオモデル - レイアウトプランニングのための高ノイズエキスパートと低ノイズエキスパートを用いて細部の精密化、パフォーマンスを最適化し、Apache 2.0の商用ライセンスで計算効率を維持します。 強化トレーニング財団:Wan 2.1に比べて画像数が65.6%増加し、ビデオ数が83.2%増加し、照明、組成、コントラスト、カラートーンに関する詳細なラベルを含むカリキュラム化された美学的データを組み込み、映画的な品質の出力を達成しました。 ダブルモデル戦略: 27B MoE プレミアムバージョンで、信号対騒音比に基づくエキスパート スイッチングと 5B Dense Model (TI2V-5B) を搭載し、さまざまなハードウェア構成で広く採用可能にします。 Benchmark Domination ベンチマーク支配 : Consumer Hardware Excellence 
 
 
 
 単一 RTX 4090 で 9 分以内で 5 秒の 720P ビデオを生成 テキスト対ビデオおよび画像対ビデオ生成の両方を720P/24fpsでサポート 最適なメモリ使用量を備えた消費者向けGPUで効率的に実行 : Commercial Model Competition 
 
 
 
 すべてのオープンソースと閉鎖ソースモデルの間で「TOP performance among all open-source and closed-source models」を達成 Wan-Bench 2.0 の優れた結果は、主要な商業的な代替品に比べて 高度な Wan2.2-VAE 16×16×4 圧縮比で最適な品質効率バランスを保つ Real-World Applications リアルワールドアプリケーション 
 
 
 Unified Framework Deployment: Unified Framework Deployment: Unified Framework Deployment: Unified Framework Deployment: Unified Framework Deployment: Unified Framework Deployment: Unified Framework Deployment: Serves both academic research and industrial applications with seamless integration, enabling everything from creative content production to technical video synthesis research. Advanced Technical Architecture: Total compression ratio reaches 4×32×32 with patchification, providing efficient video processing whileining high visual fidelity across diverse use cases. 完全な圧縮比が4×32×32に達し、効率的なビデオ処理を提供し、さまざまな用例で高い視覚信頼性を維持します。 What Makes It Superior to Other Models 何が他のモデルより優れているのか 
 
 
 
 オープンソースの利点:RunwayやPika Labsの独自のビデオ生成ツールとは異なり、Wan 2.2は使用制限や継続的なサブスクリプションコストなしに完全な透明性とカスタマイズ機能を提供します。 ハードウェアアクセシビリティ: 革命的な効率性により、消費者ハードウェアでプロのビデオ生成が可能になり、クラウド依存の代替品に比べてビデオ制作を民主化します。 Apache 2.0 ライセンスは、商用アプリケーションの法的懸念を排除し、プロのビデオ生成を必要とする企業にとって理想的です。 このリリースでは、Wan 2.2は、著作権のビデオ生成モデルに決定的なオープンソースの代替品であり、大幅なコスト優位性とエンタープライズ対応の機能を提供しています。 ChatGPT is now Your Private Tutor , インタラクティブな学習機能は、直接の答えを提供するのではなく、ステップごとに問題を通じて学生を導くように設計され、Socratic 質問とパーソナライズされたステッカーリングでAI 駆動教育を革命させます。 OpenAI has launched Study Mode in ChatGPT OpenAI、ChatGPTでStudy Modeを導入 What's New 何が新しい 
 
 
 
 ソクラティック学習アプローチ:直接の答えの代わりにインタラクティブな勧告、ヒント、自己反省を使用し、積極的な参加を奨励し、研究によってサポートされた教育原則を通じてメタ認識を開発します。 広範な可用性: ChatGPT Edu の可用性が数週間以内に到着し、会話中に異なる学習目標のための簡単な切り替え機能を備えた無料、プラス、プロ、チームユーザー向けに今すぐ展開します。 パーソナライズされた教育サポート: 評価質問とチャット履歴に基づいてユーザーのスキルレベルに適応し、消化可能なセクションと主要なトピック接続に分割された情報でスカウトされた回答を提供します。 Performance Improvements 業績改善 
 
 Student Success Metrics: ユーザーによって「生きた、24時間、全知のオフィス時間」として記述され、複雑な材料を明確な説明に分解し、忍耐強く、忍耐強く指導することで挑戦的なコンセプトを成功させます。 Advanced Learning Features: 先進学習の特徴: 
 
 
 
 
 知識のチェック クイズとオープンエンドの質問 個々の進歩に基づく個人のフィードバック 最適な学習保留のための認知負荷管理 ガイドされた発見を通じて好奇心を育む Real-World Impact 現実世界の影響 
 
 
 教育研究の統合:将来の開発には、StanfordのSCALEイニシアチブとのパートナーシップが含まれており、AI学習の成果に関する長期的な研究に焦点を当て、複雑な概念のより明確な視覚化と会話を通じて目標設定に焦点を当てています。 ターゲット最適化:主にK-12アプリケーションのためのより広範な教育研究を進めている大学生のために設計され、年齢に適した教育アプローチを確保します。 このリリースにより、CATGPTは先進的なAI能力と、変革的な学習体験のための実証済みの教育研究を組み合わせた、主要なAI教育プラットフォームとして位置づけられています。 Create Apps by just talking to Microsoft’s Latest Tool コードを書くことなく、「マイクロアプリ」を作成し共有するためのAI駆動ツールとして、自然言語の相互作用を通じて開発環境をカスタマイズするようにソフトウェアのカスタマイズを容易にするためにUnixの哲学に従って導入されました。 MicrosoftのGitHub Spark MicrosoftのGitHub Spark What's New 何が新しい 
 
 
 
 3つのコンポーネントアーキテクチャ:インタラクティブなプレビューとレビューのバリエーションを備えたNLベースのエディタ、デプロイフリーホスティングと永続的なデータストレージを備えたマネージドランタイム環境、およびコントロールされた許可でスパイク管理と共有のためのPWA対応ダッシュボード。 モデル選択の柔軟性: Claude Sonnet 3.5, GPT-4o, o1-preview, or o1-mini から選択し、さまざまなクリエイティブなアプローチを提供し、自動ストーリーの保存とシームレスなイテレーションのためのあらゆる修正の 1 クリックの復元を実現します。 コラボレーション開発: 読み取りのみまたは読み書きだけの許可でスパークを共有し、ユーザーが共有スパークを好みまたはリミックスすることを可能にし、作成者の思考プロセスを示すレビュー履歴を通じて「セマンティックビューソース」を提供します。 Benchmark Performance Benchmark パフォーマンス : Development Speed Revolution 
 
 
 
 
 Live app display as you type natural language descriptions. 自然言語の記述を入力するとき 3-6 異なるバージョンはリクエストごとに探索のために生成されます。 デスクトップ/モバイル上のPWA機能による自動展開 内蔵 UI コンポーネントとカスタマイズ可能なテーマ Diverse Use Case Success: さまざまな成功例: 
 
 
 
 
 
 Kids' allowance tracker with LLM-generated celebration messages(LLM生成された祝賀メッセージ) Custom HackerNews client with comment thread summaries Karaoke Night Tracker ゲストステータス管理 Educational maps app with city descriptions(都市の説明) Animated Vehicle World (Created by a 6-Year-Old) Technical Implementation 技術実施 
 
 Advanced Runtime Features: Managed key-value store with visual data editor, integrated model prompting via GitHub Models, and themable design system eliminating traditional deployment complexity. GitHub Models を介して統合されたモデルプロンプトや、伝統的な展開の複雑さを排除するトピック型のデザインシステム。 What Makes It Superior to Competitors 何が競合他社より優れているのか 
 
 
 
 ゼロコスト作成哲学:誰でも自然言語を通じてパーソナライズされたソフトウェアツールを構築できるようにすることで、アプリの作成コストをゼロに削減し、コンピュータを強力にカスタマイズできるようにします。 Unix Philosophy Application: ニッチ、短命、または個人ツールの複雑さの障壁を減らすことに焦点を当て、個人のニーズに合わせて特別に適応し、必要な限り有用なアプリケーション。 Semantic Development Experience: 伝統的なノーコードプラットフォームとは異なり、Sparkは自動変数生成と自然な会話を通じて開発を可能にし、プログラミングを非開発者にアクセスできるようにします。 この技術的なプレビューは、自然言語プログラミングに向けた根本的な転換を表し、GitHub Sparkをアクセス可能なソフトウェア開発の未来として位置づけています。 Runway’s new Tool Revolutionizes In-Context Video Editing 最先端のコンテキストビデオモデルで、シンプルなテキストプロンプトや参考画像を通じて包括的なビデオ編集を可能にし、従来の生産要件なしでプロのグレードのビジュアル効果を提供します。 Runway has launched Aleph ランウェイ、Alephを打ち上げ What's New 何が新しい 
 
 
 
 Multi-Task Visual Generation:カメラコントロール(逆ショット、低角度、次世代ショット)、スタイル変換(美学的転送、環境変更、リライトアップ)およびオブジェクト操作(適切な照明と影で要素を追加/削除/置き換える)を含む包括的なビデオ編集機能。 プロフェッショナルな品質管理: 適切な照明、影、反射、視点の一致性を維持し、自然言語の記述を通じてキャラクター編集(変形外観、グリーンスクリーン抽出)とシーンの操作を可能にします。 柔軟な出力オプション: 緑色、透明、固体の色を含むさまざまな背景オプションで輸出し、正確なクリエイティブコントロールとプロフェッショナルな統合ワークフローのための参照画像のサポートを提供します。 Advanced Editing Capabilities: 高度な編集能力: 
 
 
 
 
 1 つのビデオから新しいファーストフレーム画像への移動 環境の変化(季節、時間、気象条件) オブジェクトのリテクストリングと完全な置き換え(車から馬車まで) Swatches or descriptive prompts を使用して色を変更する Real-World Applications リアルワールドアプリケーション 
 
 
 産業用例:映画制作のカバー生成と視覚効果、コンテンツ作成の変換、制作後の照明の修正と要素の除去、そして不可能なシーン作成のクリエイティブなプロジェクト。 コスト効率的な生産:照明やタイミングの問題による再撮影の必要性を排除し、コストがかかる実用効果や化粧要件を削減し、生産後に無制限の創造的柔軟性を提供します。 What Makes It Superior to Competitors 何が競合他社より優れているのか 
 
 
 
 Source Fidelity Maintenance: 破壊的な編集ツールとは異なり、Alephは、AI駆動処理を通じて幅広い変更を可能にする一方で、オリジナルの映像品質を維持します。 Natural Language Control: 簡単なテキスト記述を通じて実行されたすべての編集により、複雑なソフトウェア学習曲線とクリエイティブなプロフェッショナルにとっての技術的な障害が除去されます。 プロフェッショナルな統合:既存の生産後のワークフローとのシームレスな互換性で、インフラの変更なしでエンタープライズクラスの機能を提供します。 このリリースでは、Runway Alephは、前代未聞のクリエイティブコントロールとプロの生産基準を組み合わせた究極のAI駆動ビデオ編集ソリューションです。 Tools & Releases YOU Should Know About (Artificial Design Intelligence) は、ユーザーの入力に基づいて自動的にカスタマイズされたウェブサイトを作成することによってウェブデザインを変更します. それは、望ましいウェブサイトの目的、好み、コンテンツに関する一連の質問を質問し、その後、AI を使用して数分で完全に機能するウェブサイトを作成し、ウェブ開発を誰にでもアクセスできるようにします. 自動設計プロセスはあなたのニーズに合わせて適応し、さらなる洗練のためのカスタマイズオプションと簡単なコンテンツ統合を提供します. Wix ADI これは、iOS、Android、およびウェブアプリケーションのためのコードなしの開発を通じてモバイルアプリケーション開発をよりアクセス可能にするAI駆動されたプラットフォームで、プログラミングスキルのないユーザーが drag-and-dropインターフェイスを用いてアプリケーションを作成することを可能にし、そのパンとバター機能はChatGPT駆動のチャットボットビルダーです。 Appy Pie さまざまなデバイスやブラウザで意図したように表示され、機能するようにウェブおよびモバイルアプリケーションのテストを自動化するためにビジュアルAIを使用します. It compares applications' visual aspects against baseline images to identify discrepancies that traditional testing methods might miss, streamlining quality assurance with automated visual testing, comprehensive test reports, and seamless CI/CD pipeline integration. Applitools そして、これがこの問題を巻き起こす」 " This Week in AI Engineering. チューニングありがとうございます! このニュースレターを同僚のAI愛好家と共有し、さらに毎週のアップデートをフォローしてください。 次回まで、ハッピービル!

Read My Stories

このオーディオは、ストーリーの元の言語で制作されています。

これが最高のAIビデオ世代モデルなのか?アリババがWan 2.2をリリース

About Author

コメント

ラベル

この記事は

Related Stories

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

Telegram: クリプト島と本土を結ぶ橋

暗号通貨の成長: 効果的なユーザーペルソナの作成

18 種類の開発者ツールで生産性を向上しましょう 🚀🔥

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

Telegram: クリプト島と本土を結ぶ橋

暗号通貨の成長: 効果的なユーザーペルソナの作成

18 種類の開発者ツールで生産性を向上しましょう 🚀🔥

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps