Hugging Face 記事で紹介 ── バイリンガルの「チャンポン発話」に音声AIはついていけるか?新ベンチマークが公開
Hugging Faceブログで、バイリンガルの自然な会話におけるASR精度を競う新ベンチマークが公開。ElevenLabsやGeminiらがトップに。
Hugging Faceブログで、バイリンガルの自然な会話におけるASR精度を競う新ベンチマークが公開。ElevenLabsやGeminiらがトップに。
Googleが音声翻訳モデル「Gemini 3.5 Live Translate」をリリース。70以上の言語に対応し、話者の抑揚を維持したままほぼリアルタイムで連続翻訳を実現。
Google DeepMindの「Gemma 4 12B」はエンコーダーフリー設計を採用し、16GBメモリで視覚と音声を直接処理できるローカル最強モデル。
Google DeepMindが、16GBメモリで動くエンコーダーフリーの統合マルチモーダルモデル「Gemma 4 12B」をリリース。
Google DeepMindがシエラレオネで実施した8週間のRCT結果。Geminiが答えの2%しか直接提示せず、76%で問い返す設計が功を奏した。
エージェントがideogram4とTripoSplatの2つのSpaceを連鎖させ、パリの記念碑を3D Gaussian splatで展示するギャラリーを全自動で構築した事例を紹介。
ADHD脳のフリーズ状態に「小さな一歩」を届けるNeuroBait。奥さんのために開発された、todoリストではないアプローチ。
5つの異なるAIモデルで経済シミュレーションしたら暴落が消えた。エージェント経済の価格は設定ではなく創発の残骸であるという教訓。
Hugging FaceのOpenEnvがNvidiaやPyTorch Foundationらとコミュニティ主導へ。エージェントRL環境の標準規格を目指す動き。
パキスタンの詐欺メッセージ対策に特化したAIツール「Pakistan Notice Helper」。Qwen3.5 4Bを活用し、ローカルな安全問題に挑む。