モデルディレクトリ

最新の AI モデル

新しいモデルを公開日順に見つけられます。

公開日の新しい順7 言語
クリア

514 モデル

公開日の新しい順
Google

Gemini 2.5 Flash Preview TTS

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 Preview TTS

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…

Google

Gemini 2.5 Flash Preview

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-20250515

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…

OpenAI

codex-1

codex-1 は、OpenAI がソフトウェアエンジニアリング向けに最適化した o3 のバージョンであり、クラウド型コーディングエージェント Codex の初公開研究プレビュー版を支えています。さまざまな環境における実際のコーディングタスクを用いた強化学習によって訓練され、指示に従い、人間のコーディングスタイルやコードレビューの好みに合ったコードを生成します。(openai.com) 機能の実装…

Tencent

hunyuan-t1-vision

hunyuan-t1-vision は、テンセント混元のマルチモーダル理解・深層思考モデルです。Tencent Cloud の製品動向によると、正式版は 2025 年 5 月 16 日にリリースされました。(cloud.tencent.com) このモデルはマルチモーダルネイティブの長い思考連鎖に対応し、画像推論を得意とします。公式によると、理系の難問における性能は、高速思考モデルと比べて向上して…

Baidu

Qianfan-Sug

Qianfan-Sug は、百度千帆プラットフォームが独自開発した対話予測の垂直モデルであり、複数ターンの対話における次の質問の推薦を目的としています。百度はこれを推論サービス API V2 のテキスト生成モデルとして掲載しています。(ai.baidu.com) モデルは既存の対話コンテキストからユーザーの意図を識別し、ユーザーが次に尋ねる可能性のある質問を予測します。インテリジェントカスタマーサ…

Alibaba

Wan2.1-VACE-Plus

Wan2.1-VACE-Plus は万相 2.1 の動画制作・編集統合モデルで、テキスト、画像、動画などを条件入力として受け取り、動画を出力します。公式公告では動画生成モデルとして掲載されています。(help.aliyun.com) 動画の部分編集、動画の再描画、画面の拡張、動画の長さの延長、画像を参照した生成に対応しています。 動画内の部分的な要素の変更や置き換え、画面境界の拡張、画像や動画の内…

ByteDance

Seedance 1.0 lite I2V

Seedance 1.0 lite の画像から動画を生成するバージョンで、ByteDance が効率とコストの最適化を目的として提供する、小パラメータ数の動画生成モデルです。この API ID は画像から動画を生成するモデルに対応しています。同シリーズのテキストから動画を生成するモデルには別のモデル ID が使用されます。(docs.volcengine.com) 入力画像から動画を生成し、テキス…

ByteDance

Seedance 1.0 lite T2V

Seedance 1.0 lite のテキストから動画を生成するバージョンで、生成速度とコストの最適化を目的とした、小規模なパラメータ数の動画生成モデル。テキストプロンプトとオプションのパラメータを入力し、動画を出力する。画像からの動画生成には独立した I2V バージョンを使用する。(developer.volcengine.com) テキストによる説明に基づいて動画を生成でき、プロンプトで人物、…

Alibaba

Qwen-Omni-Turbo-Realtime

千問のリアルタイム全モダリティ理解・生成モデルの2025年5月8日付スナップショット版で、リアルタイム音声インタラクション向け。(docs.modelstudio.console.alibabacloud.com) テキスト、画像、動画、音声の入力に対応し、音声に他のモダリティを伴う混合入力を理解できる。 テキストと音声の同時ストリーミング生成に対応し、4種類の自然な対話用音声を提供する。 リアル…

Google

Gemini 2.0 Flash Preview Image Generation

Google が 2025 年 5 月 7 日にリリースした Gemini 2.0 Flash の画像生成プレビューモデルで、開発者による対話型の画像生成・編集アプリケーションの構築を対象としています。リリース時には Google AI Studio と Vertex AI を通じて利用できました。(developers.googleblog.com) テキストプロンプトに基づいて画像を生成し、レ…

Google

Gemini 2.5 Pro Preview (I/O edition)

Google が 2025 年 5 月 6 日に前倒しでリリースした Gemini 2.5 Pro のプレビュー更新。プログラミング能力、特にインタラクティブなウェブアプリケーションとフロントエンドインターフェースの開発能力の強化に重点を置いている。(blog.google) コードの生成、変換、編集、および複雑なエージェントワークフローをサポートする。Google は、関数呼び出しのトリガー率が…

Moonshot AI

Kimi 思考模型

kimi-thinking-preview は、Moonshot AI が公開した長考モデルのプレビュー版です。公式は、マルチモーダル推論と汎用推論の能力を備え、深い推論を得意とし、複雑なコード、数学、仕事上の問題の処理に使用できるモデルと説明しています。発表では、対応するモダリティの全てとそのインターフェース仕様は詳しく列挙されていません。(platform.kimi.com) API レスポン…