最近、The Intercept、Raw Story、AlterNetの3つのニュース機関が、OpenAIとMicrosoftを著作権侵害で訴えました。ChatGPTが、場合によっては著作権で保護されたニュース記事をほぼそのまま複製することがあると主張しています。マルチモーダル大規模言語モデルは、テキスト、画像、動画コンテンツを含む、将来の大規模言語モデル分野の主流トレンドになると予想されています。AI政策の相次ぐ発表により、高品質なデータセットとトレーニングデータの著作権への関心が集まっており、将来は質の高いトレーニングデータベースの価値が高まると予想されます。また、中信出版は、大規模言語モデル企業と協力して言語トレーニングを行っており、视觉中国はAIGC時代におけるデジタルコンテンツ取引、著作権が明確なデータ、豊富な著作権管理経験というコアな強みを持っています。
関連推奨
NVIDIAが統一音声インテリジェンスモデルNemotron-Labs-Audex-30B-A3Bを発表
NVIDIAは統一音声-テキスト大規模モデルAudexをリリースしました。純粋なテキストMoEアーキテクチャをベースにし、単一のTransformerを使用して、多モーダルモデルによる音声強化がテキスト論理の低下を引き起こす問題を解決し、効率的な音声理解とテキスト能力のバランスを実現しました。
AI動画分野の構造が再編:グーグルのGemini Omni Flashが盲測ランキングで首位に
グーグルDeepMindのテキストからビデオを生成するモデルであるGemini Omni Flashが、信頼性の高い盲測ランキング「Video Arena」で1404Eloポイントを獲得し、第一位に躍り出た。これはグーグルのマルチモーダル技術の実力を示しており、ビデオ生成分野が急速に進化し続けていることを裏付ける。
大規模なオープンソース!ネイティブ多モーダル LongCat-Next を公開。視覚と音声をAIの母語に
世界のAI分野は「AI母語」技術変革を迎えている。現在の大規模モデルにおける「言語中心、外部視覚・音声」の寄せ集め構造に対し、チームは原生マルチモーダル大規模モデルLongCat-Nextと離散トークナイザーを発表・公開し、モーダル間の壁を打破し、AIが文字を処理するように物理世界を理解できるようにすることを目指している。核心は基盤アーキテクチャの再構築によるブレークスルーである。....
まず理解してから実行せよ!ビットでオープンソースの統一フレームワークBerniniがAI映像編集を運任せから解消
ビットスタックがオープンソースで動画生成と編集の統一フレームワークBerniniを開発しました。コアには「まず理解してから生成する」協調メカニズムが採用されており、従来モデルでは複雑なテキスト指示を正確に理解できず、画面の制御不能やフレーム間のちらつきなどの課題に直面していたことを解決し、主体の変形や背景の漂移などのブロックを突破しました。
プログラミングとGUIを両方カバー!Qwen3.7-Plus登場 11時間で自律的な開発サイクルによる本物のアプリを開発
アリババは、テキスト能力に視覚言語機能を強化したマルチモーダル大規模モデル「Qwen3.7-Plus」を発表。GUIとCLIの融合により、プロトタイプからソフトウェアエンジニアリングまでのエンドツーエンド自動化を実現し、Vision Arenaランキングで高い性能を示す。エージェント基盤として統合。.....
