Veo 3
Veo 3 は Google が発表した動画生成モデルで、プロンプトに基づいて音声が同期した動画を生成でき、動画制作やビジュアルストーリーテリングを対象としている。(blog.google) テキストと画像のプロンプトに対応し、プロンプト内の短い物語を動画クリップに変換できる。 環境音、効果音、人物の会話を生成できる。Google は物理的な表現と口の動きの同期能力も強調している。 動画コンテンツ…
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。
Veo 3 は Google が発表した動画生成モデルで、プロンプトに基づいて音声が同期した動画を生成でき、動画制作やビジュアルストーリーテリングを対象としている。(blog.google) テキストと画像のプロンプトに対応し、プロンプト内の短い物語を動画クリップに変換できる。 環境音、効果音、人物の会話を生成できる。Google は物理的な表現と口の動きの同期能力も強調している。 動画コンテンツ…
Google Imagen 4 シリーズの Ultra 画像生成実験版で、テキストプロンプトに基づいて高品質な画像を生成することを目的としています。Google は 2025 年 5 月 20 日に Vertex AI のリリースノートでこのプレビューモデルを発表し、当時は API および Vertex AI Studio を通じて利用できました。(docs.cloud.google.com) テ…
Google Imagen 4 のテキストから画像を生成するパブリックプレビュー版で、当初は Vertex AI を通じて提供された。テキストプロンプトを受け取り、画像を生成する。公式発表のコード例では、このモデル ID が明示的に使用されている。(cloud.google.com) 公式紹介では、画像内の文字のレンダリング、プロンプトへの忠実性、さまざまな視覚スタイルでの画質、多言語プロンプトへ…
Google Gemini 2.5 Flash シリーズの実験的なネイティブ音声対話モデルで、Gemini Live API のリアルタイム音声インタラクションを対象とし、対話能力と推論能力を組み合わせています。Google は 2025 年 5 月 20 日にこのモデルをリリースし、ネイティブ音声出力機能を明記しました。(aistudio.google.com) **ネイティブ音声対話:**音声…
Google Gemini 2.5 Flash シリーズのプレビューモデルで、Live API によるリアルタイム対話向けに設計され、ネイティブ音声出力機能を備えています。別途リリースされた Thinking バリアントやテキスト読み上げモデルとは異なるモデルです。(aistudio.google.com) 音声を理解し、音声を生成できます。リアルタイム音声アシスタントや対話アプリケーションの構築…
Gemini 2.5 Flash Preview TTS は、低遅延、コストパフォーマンス、制御可能な音声生成に重点を置いた Google のプレビュー版テキスト音声合成モデルです。入力はテキスト、出力は音声です。(aistudio.google.com) 一人または二人の音声を生成でき、指示によって音声スタイル、アクセント、話速を調整できます。(aistudio.google.com) ナレーシ…
Google Gemini 2.5 Pro シリーズのプレビュー版テキスト音声合成モデル。高品質で制御可能な音声合成を目的としており、比較的複雑な音声生成プロンプトの処理に適している。(blog.google) テキストを受け取り、音声を生成する。単一話者の音声と二人の対話をサポートする。(aistudio.google.com) 自然言語のプロンプトを通じて、音声のスタイル、イントネーション、感…
Gemini 2.5 Flash Preview は、Google が 2025 年 5 月 20 日にリリースしたプレビュー版モデルで、速度、コスト、推論能力を兼ね備えた高効率モデルとして位置付けられています。Google は、以前のバージョンと比べ、推論、マルチモーダル、コード、長いコンテキストのベンチマークで改善が見られたと報告しています。(blog.google) 推論と制御:思考予算に対…
Tencent Hunyuan TurboSシリーズの大規模言語モデルのバージョンで、汎用的なテキストおよび推論タスクを対象としています。このバージョンは、長短の思考連鎖を適応的に融合します。(cloud.tencent.com) 公式によると、従来のバージョンと比べて、このバージョンでは数学、コード、論理、科学などの理系能力が向上し、文系分野の性能は維持されています。数学や論理の問題分析、コード…