Wan3.0-Video
Wan3.0-Videoは、テキスト、画像、動画、音声などを参照して動画を生成するオールインワンモデルです。テキストからの動画生成、画像からの動画生成(開始フレームまたは開始・終了フレーム指定)、参照素材を用いた動画生成に対応します。文書やウェブリンクも参照できます。 (docs.qwencloud.com) 480P・720P・1080P、2〜30秒、30fpsのMP4動画を生成します。 音声生…
モデルディレクトリ
新しいモデルを公開日順に見つけられます。
Wan3.0-Videoは、テキスト、画像、動画、音声などを参照して動画を生成するオールインワンモデルです。テキストからの動画生成、画像からの動画生成(開始フレームまたは開始・終了フレーム指定)、参照素材を用いた動画生成に対応します。文書やウェブリンクも参照できます。 (docs.qwencloud.com) 480P・720P・1080P、2〜30秒、30fpsのMP4動画を生成します。 音声生…
SeedRealtimeは、音声・映像・テキストを単一のアーキテクチャに統合した、ネイティブな音声・映像フルデュプレックス大規模言語モデルです。連続するマルチモーダル情報を扱い、見ながら、聞きながら、話すリアルタイム対話を目的としています。公開日は2026年8月5日です。(seed.bytedance.com) 音声、映像、時間的な手掛かりを組み合わせ、曖昧な発話や映像内の指示対象を理解します。…
Tencent Hunyuan3Dによる、3D生成・理解・編集を単一の枠組みで扱う統合マルチモーダルモデル。Hunyuan3D-VLMによる意味・構造・空間の理解と、Hunyuan3D DiTによる3D生成を組み合わせている。(tencent-hunyuan.github.io) テキストからの3Dアセット生成。 既存の3Dオブジェクトに対する自然言語指示に基づく編集。 3Dオブジェクトに関する質…
Qwen-Image-3.0は、画質と生成速度のバランスを重視した画像生成・編集モデルの標準版です。公式リリース日は2026年8月4日です。(docs.qwencloud.com) テキストからの画像生成と、画像を入力した編集に対応します。同じモデルIDを使用します。(docs.qwencloud.com) 約4,500トークンまでのプロンプト、複雑な画像・テキストの指示、情報量の多いレイアウトに…
2026年8月3日に発表された、AlibabaのQwenシリーズのフラッグシップ・マルチモーダル基盤モデル。総パラメータ数は2.4兆、推論時の活性化パラメータ数は950億で、Sparse Mixture-of-Expertsとハイブリッドアテンションを採用する。発表時には、Alibaba Cloud Model StudioのAPIで提供された。(alibabacloud.com) テキスト・画像…
Seed-Evolvingは、Agentおよびコーディング向けのSeedシリーズの深い推論モデルです。複雑なタスクの編成、長期計画、コード生成、ツール呼び出しに対応します。同一のモデルIDで自動的に更新版を利用できる、継続的に進化するモデルです。(console.volcengine.com) テキスト・画像・動画の理解、テキスト生成、構造化出力、ツール呼び出しに対応します。(console.vo…
HPD-Parsingは、高スループットの文書解析を目的とした軽量な視覚言語モデルです。モデル規模は約10億パラメータで、重みはApache-2.0ライセンスで公開されています。(huggingface.co) 文書画像のレイアウトを解析し、ブロックの種類、位置座標、テキストを含む構造化結果を出力します。大量の文書ページの解析や、後続処理用の構造化に利用できます。(paddleocr.ai) 主レ…
この言語の紹介は準備中です。
HunyuanOCR-1.5は、文字を中心とする視覚タスク向けの軽量なエンドツーエンドOCR特化型視覚言語モデルです。モデルカードには約10億パラメータと記載されています。公開日は2026年7月7日です。 (github.com) 文書解析、文字の検出・認識、情報抽出、画像内テキストの翻訳を単一モデルで扱います。文書のデジタル化や構造化情報の抽出に利用できます。 古文字や低リソース言語のOCR、複…
Hy3は、Tencentが2026年7月6日に正式公開した、実用性とエージェント用途を重視する大規模言語モデルです。Hy3 previewを基盤に、性能、安定性、コスト効率を改善したとしています。高速・低速の思考を組み合わせたMixture-of-Experts(MoE)モデルで、総パラメータは2950億、活性化パラメータは210億です。(tencent.com) 複雑な推論、指示追従、文脈内学習…