音声・テキスト・画像・音楽など複数の種類のデータを一度に処理できるマルチモーダルな大規模言語モデル(LLM)の「AnyGPT」が発表されました。 既存の大規模言語モデル(LLM)のアーキテクチャやトレーニングパラダイムを変更することなく、安定して ...

Modern virtual receptionists often use AI to do their jobs. This lets them respond in real time, follow predefined call flows ...

米Googleは11月19日（現地時間）、「Gemini 3」を発表した。同社の最新かつもっとも高度なAIモデルで、最先端の推論力、深いマルチモーダル（テキスト、音声、動画など）理解、そして強力なエージェント機能を備えるという。同社のCEOであるSundar Pichai氏は ...

米Microsoftは2月26日（現地時間）、小規模言語モデル（SLM）である「Phi」ファミリーに「Phi-4-multimodal」「Phi-4-mini」が加わったと発表した。現在、「Azure AI Foundry」、「HuggingFace」、「NVIDIA API Catalog」で利用可能。 小規模言語モデル（Small Language Model：SLM）は ...

マルチモーダルRAGとは、通常のRAGと何が違うのか？ 企業データの90%が非構造化データであり、その80%以上が画像、動画 ...

アクロクエストテクノロジー株式会社（本社：神奈川県横浜市・代表取締役：新免流、以下、アクロクエスト）は、テキストでも画像でも、もしくは、その両方合わせてでも検索可能な、次世代の検索を実現する「マルチモーダル検索ソリューション」の ...

現地時間の2025年11月12日、スタンフォード人工知能研究所で所長を務めたコンピューターサイエンスの権威であるフェイフェイ・リ氏らが立ち上げたAI企業のWorld Labsが、独自のマルチモーダルワールドモデル「Marble」を発表しました。 空間知能はAIの新たな ...

パナソニック ホールディングス株式会社（以下、パナソニックHD）およびパナソニックR＆Dカンパニーオブアメリカは、カリフォルニア大学ロサンゼルス校の研究者らと共同で、テキスト、画像、音といった異なるデータ形式を自由に相互変換できる（以下 ...