なぜAIは学習していない画像を生成できるのか？──創造性をめぐる最新研究 AIの画像生成は、単なるコピペとかのレベルを遙かに超えていますが、AIがどう動いているのかは、まだ完全には解明されていません。 AIの動作を現在分かっている事や、説なんかを解説している記事です。 気になる方は読んでみてください。 AIの内部に脳の「報酬系」に酷似したシステムを発見：大規模言語モデルの知能を支える1%のドーパミンニューロンと価値回路の正体 AIの仕組みに関しての研究です。 人間の脳と同じような動きをAIもしている話なので、色々考えさせられます。結構面白いです。 サーバーワークス、Anthropicの生成AIモデル「Claude」をAWS上で正規ライセンス販売 コード生成AIは、コードを一度サーバーに送るので、漏洩などの心配から利用できない企業も多かったですが、この仕組みを使うとAWSで自社専用に借りたサーバーで「Claude」を動かす事が出来るので、使いやすい会社も多くなりそうな仕組みです。 他に比べて使い勝手が良くるので、「Claude」が更に強くなりそうです。 AMDがグリグリ
こんな記事があったので、実際にsunoでも同じ歌詞の曲を作って比較してみます。 無料で「Suno v4.5」超え？ 音楽生成AI「ACE-Step v1.5」公開 個人向けGPUでも動作 「ACE-Step v1.5」は、ComfyUIにテンプレートがあるので、簡単に利用できまます。 軽く曲を作って、「suno v4.5」でも作成してみます。ついでに「suno v5.0」でも作成して、比較してみたいと思います。 まずは、作成する曲についてです。 曲調などのスタイルは Style Prompt: Acoustic Guitar, Folk, Country, Warm, Upbeat, Female vocal このような指定で、ギター中心のカントリーで、ボーカルは女性を指定しました。 続いて歌詞ですが、以下のような歌詞です。 ちなみに「Cast
キシリトールガムなどが出てから、キシリトールは歯に良いって話があるのですが、科学的にどうなのか？ 調べると近しい甘味料としてエリスリトールとアルロースが出てきましたが、これってって何？ その辺をAIに聞いて調べました。 今回使用したAIです。 Gemini3 PRO gpt-oss:120b(ローカル) GPT5.2 など高性能なAIを取りそろえて、色々聞いた結果をまとめています。 とは言え、結論が欲しい方のために最初に結論を比較できるようにまとめました。 内容をもう少し掘り下げたい人は、その先を読んでもらえればと思います。 しかもNANObananaにわかりやすい画像にまとめてもらったので、こちらを見れば一目瞭然です。 まずは、歯への影響です。 キシリトールなんかは分かっていましたが、エリスリトールがかなり優秀です。 次は、人体への影響です。 歯に良くても体に負担がかかると良くありません。 キシリトールはお腹がゆるくなる問題がありますし。 こうして見てみると、歯にとってはエリスリトールが優秀ですね。 そして、ダイエットならアルロースって感じでしょうか。
0:00 /0:08 1×
まるで成長していない。「USB4」になっても呼び名が混乱している件。Gen 2とか相変わらず分かりにくいまま 本当にUSB企画は分かりにくいというか、使う人の事を考えていないですよね。 USB3の時に規格がぶれまくって、整理するかと思いきや、 USB4になって、何も変わらずグダグダって・・・ なぜ『ボーダーブレイク』は国際的成功の好機を逃してしまったのか―結局日本限定でしか遊べなかった、理想的な「海外ゲーマー向け」作品【オリーさんのロボゲーコラム】 お財布ブレイクでも有名なボーダーブレイクは確かに世界的な人気作品になっても良さそうなゲームルールとデザインだと思うのですが、惜しい作品だと思います。 その辺の経緯や問題などをまとめられていて、非常に読み応えがあったので、興味がある方は是非読んでみてください。 “積みゲー”がタワーとして可視化できるツール「ツミナビ」が無料公開中。Steamアカウントと連携すると、所有しているゲームのリスト化やゲーマータイプ診断、傾向の分析などをおこなってくれる 紹介記事では１０本ぐらいのアカウントで試しているようなので、ゲームの所持数が影響
GPT-5.2とGemini3の画像作成で大きな違いが出るのはなぜか GPTとGeminiの設計思想の違いを解説しています。 両方の特徴を理解して使い分ければ、欲しい情報や回答を得やすいって事だと思います。 記事では、以下のように GPT-5.2が考えるAIとして設計 と書かれており、考えをまとめたり問題点を洗い出すなど、何かをする前の準備段階で有効に使えそうで、 Gemini3は次のように書かれていて、 Gemini3は、業務で使われる成果物を作ることを強く意識した設計 最終的にまとめる時や、資料となる画像や具体的な書類を作成するのに向いている感じですね。 記事には以下のように書かれており、 GPT-5.2は、思考から表現へ進みます。Gemini3は、成果物から構成を逆算 GPT-5.2は優秀な戦略コンサルタントです。Gemini3は優秀な資料作成担当 アプローチが真逆なのが面白いですね。 だからこそ、使うタイミングや使い方が大事だと分かります。 更に、 日本語の文字化け問題は、すべての言語で同じように起きているわけではありません。 と書かれていて、そ
最近色々と忙しくて更新をサボっていましたが、久々の更新が「あけおめ」ですみません。 生成サービスで違いがあるので、その辺も含めてお楽しみください。 まずプロンプトですが、 全体的に日本のアニメ調にしてください。 日本の正月の挨拶用動画を作成してください。 画面上部に日本語で「あけましておめでとう」と毛筆で書いているように表示してください 画面下部にデフォルメしたリスを表示して正面へ向かって手を振ってください 画面左右に門松を配置してください 画面の左下に「AIS」と表記してください 正月の背景は日本っぽい風景にしてください といったプロンプトで作成していきます。 日本語の文字生成はsoraしか再現できないので、 画面上部に日本語で「あけましておめでとう」と毛筆で書いているように表示してください このプロンプトを削除して、文字以外で生成します。 必要なら後から動画編集ソフトで、文字を入れればいいかなと思います。 それでは、各動画生成AIで作成した動画を見ていきます。 最初はwan2.2で作成 ローカルで作成できるため、制限が無いので、数を作成しています。 一挙に３本
もう、今年もは終わりに近づいてきたので、2025年に遊んだSteamのゲームを振り返ってみたいと思います。 aisのSTEAMリプレイ2025 https://s.team/y25/jhcqwnq?l=japanese 公開に設定しているので、気になる方は見てみてください。 Steamのゲームを遊びたいと思いつつ、いまいち遊べていない感じがしていましたが、遊んでいるゲーム数も減っているので、コードレッドですｗ 動画の編集が意外と時間かかっているので、ここを少し省略したいなとか、「Super Mining Mechs」の動画編集が地味に時間かかっているのですが、無事最終回を迎えたので、少し楽になるかなと思います。 「Super Mining Mechs」プレイリスト プレイしたゲーム数が１５本減っているみたいです。 去年も一昨年と比べて、かなり減っていたので、やばいですｗ 本数を沢山やればいいってもんじゃ無いですが、ゲームを遊んでいる時間も減っているので、じかんをつくれる男になろうと思いますｗ ほぼ半減で、実績の減りが凄いですｗ ゲームによって違うので、一概には言えませんが、や
毎度の最近の気になったニュースです 安定して定期的に書きたいのですが、色々とありまして・・・不定期です GoogleがGeminiの活用法を紹介する電子書籍を無償公開 ～全国の大学生と合同で作成 本家サイト＆ダウンロードはこちらのサイトから 大学生とともに作った「Gemini 活用事例集」を公開 色々と参考になる物が無料なので、AIを活用する上で、見ない選択肢は無いかなと思います。 PDFなので、それをAIに更に要約してもらうとか、参考になるページを印刷する等、利用しやすいのもいいですね。 Nano Banana Proで短編マンガを作ってみた︰作り方のポイントをレビュー【画像生成AI / Gemini 3】 私も使ってみましたが、４コマ漫画くらいなら、簡単な指示で作成してくれました。 キャラのデフォルメ具合も含めて凄すぎでした。 今度、実際に作る記事を作成してみます。 つい課金してしまいました・・・・。 NANObananaで日本昔話をイメージした画像を作ってもらいました 桃太郎感強いですねｗ 『まんが日本昔ばなし』公式YouTubeチャンネルが「大勢に
このブログは「Ghost」と言うシステムを使用しています。 自分で運用すれば、オープンソースなので無料で利用できます。 とは言え、サーバーレンタル費用やドメインの費用など細々と費用がかかるので、どっちが得とかは無いと思います。 むしろ「Ghost」の有料サービスの方が得まであります。（「Ghost」の標準プランは月＄８です） なぜ「WordPress」を使わなかったのか？ですが、標準になりすぎて、攻撃対象になりやすい（設置直後に不正アクセスを狙うBTOが来る） 一般的な物を使うのが面白くないｗ そんな感じです。一番はセキュリティーですかね。 使ってみて思った違いを、簡単に書きます。 良い点 ・システムの維持費無料 ・自分で色々カスタマイズできる ・サーバーを維持する勉強になる ・サーバーはブログ以外の用途に利用できる 悪い点 ・サーバー維持費がかかる ・自分でシステムをメンテナンスする必要がある（アップデートとか） ・「Ghost」の本家でしか提供されていないサービスが使えない 結局ブログを書くのが目的なら、メンテナンスや色々なサービス（アクセス解析や有料会員機能など）が受け
ここ最近色々追いつかなくて、更新が滞っております・・・・ 書きかけの記事も何個かあって・・・ぐぬぬ そんな訳で、最近気になったニュースです。 エレコム、よくやった！ ひと目で｢仕様｣がわかるUSB-Cケーブル登場 USBケーブルって凄く種類が多くて、規格を考えた奴土下座しろって言いたくなりますｗ データーの転送速度と、電気の流量の組み合わせで性能に差があり、100Wの電気が流せるのに、データの転送速度が「USB2.0」相当とか・・・ 「USB3.1 Gen1」は「USB2.0」の約１０倍ぐらいの速度なので、差が激しいですよね。それが全く書かれていないし、分からないケーブルも沢山あるので書いてくれるとありがたいですね。 USB Cable Checker3 ちなみにこんな製品も出ていて、USBケーブルの性能をテストできます。 実は持っている上に、クラファンで購入したので、ブログに書こうと思っているので、その内書きます。 AIは著者が中国人であることが明らかになると途端に「反中」モードになることが判明：特にDeepSeekが顕著な傾向 面白い記事ですね。学習元の影響が大きい
MMAudio は、ビデオやテキストや画像の入力が与えられると、動画は同期されたオーディオ、画像はそれに合った音を生成します。 使用方法は Pinokio https://pinokio.co/ こちらのアプリからインストールして、「MMAudio」を使います。 インストール方法などは別記事を書きたいと思います。 比較対象として 時計のG-shockでおなじみのCASIO（カシオ）の新サービス！AIで効果音が生成できる「Waves Place」を試してみた の記事と比較しやすいように、同じようなプロンプトで作成します。 MMAudio は、ビデオやテキストや画像の入力が与えられると、動画は同期されたオーディオ、画像はそれに合った音を生成します。 使い方が非常に簡単な上に、動画に合わせて生成できるのも使い勝手がいいですね。カシオの「Waves Place」はテキストからだけだったので、こちらの方が少し上な感じがします。 実際にできるのは、 ・テキストから効果音生成 ・画像から効果の音生成 ・動画に合わせて効果音生成 前に「Waves Place」用に作成した動画が、丁
ＡＩがＷＥＢサイトをコーディングしてくれるサービスです。 DeepSite https://huggingface.co/spaces/enzostvs/deepsite 今回はテトリスっぽいゲームを作ってもらいました 今回の完成品 https://iaisd9-blocky-blitz-bonanza.static.hf.space/index.html では本題です。 アカウント（無料）を作ると、完成品をこのように公開できます。 ちなみに無料のユーザー登録すると、制作物を「DeepSite」で公開できる機能もあるので便利です（今回はその機能を使っています）。 複数のページが相互接続された複雑なウェブサイトを構築できます。 シンプルなランディングページから、動的なルーティングとナビゲーションを備えたフル機能のウェブアプリケーションまで、あらゆるものを構築できます。 と言う事で、ＷＥＢページであれば、かなりの物を作成できるサービスなので、当然ブラウザで遊べるゲームも作る事ができるので、テトリス的なゲームを作ってもらいました。 このサービスに限らず、既にＷＥＢ
前に気になっていたけど、試していなかったので、今回試してみました。 CASIOのアカウントを作成する必要があります。 ちょっとめんどいですが、無料で試せるのでとりあえず作成して試してみました。 一応プレスリリースです。 AIで効果音が生成できる「Waves Place」とライブ配信専用スケジューラー「Streamer Times」を正式リリース 実際どんな交換が生成できるのか、結構気にはなってます。 効果音系のアプリも実は持っているので、そんなのと比較もしてみたいですが、今回はこのサービスがどんな感じかを試します。 まず、料金プランのリンクです。最新情報はこちらを参照してください。 一応現在時点のプランです。 フリープランでは商用は不可ですね。 「starter」プラン以降で商用利用可能です。 フリーだと月２０回までお試しできる感じです。 月千円（「starter」プラン）で８００回って事なので、普通は「starter」プランで使い切れない気がします。 使うとすると、基本的に必要な時に有料プランして、終わったらフリーに戻すみたいな使い方になりそうなサービスです。 実際
『とんでもスキルで異世界放浪メシ2』シーズン2登場の企業20社が明らかに エバラや不二家など20社が協力 原作だとぼかされていたメーカー製品が、アニメで実際のメーカー名を出して表記しているので、原作ではやりたかったけどできなかったかもしれない事をアニメでできているのはいいですね。 メーカーもいい宣伝になるって判断でしょうかね 特に、海外へアニメは輸出されるので、知名度アップには貢献しそうです。 「DeepSeek-OCR」を試す 画像でテキストをトークン圧縮するDeepSeek-OCRがいろいろすごい AIネタです。 画像でテキストをトークン圧縮する研究をしていたら、OCR（Optical Character Recog nition(光学文字認識)）の技術が凄い良くなったって事みたいです。 面白い上に有益ですね。 Web版 Claude Code の概要 Claude Codeは今までのAI支援開発ツールとは何が違うのか Claude Skillsを使ってみた - システムプロンプト的なカスタマイズが面白い Claude Codeのカスタムスラッシュコマンドをマスター
少し間が空いてしまったので、チェックしたニュースが溜まってしまいました。 Windows上でローカルAIの実行基盤となる「Windows ML」正式版に。CPU/GPU/NPUなどのハードウェアを抽象化した上でさまざまなAIモデルを実行 これが本格的に色々なAIモデルが出てくると、面白いことになりそうですね。 AIのdirectXみたいな事になって、色々な 韓国、政府のオンラインストレージが火災で焼失 8年分の業務資料858TBが消滅か バックアップなく「気が遠くなる」 現地報道 バックアップが大切だだとよく分かります。 それと、リチウムイオン電池は取扱注意ですね。 映像もあるので、こちらを参照してください SteamやPSNなど世界規模でゲームサービス障害が発生、AISURUボットネットが原因か？ 結構広く影響があったみたいですね。 なんかSteamが不調だなぐらいに見てましたｗ 迷宮ダンジョン探索RPG『Paper Dungeon』、日本人気が凄いので日本語対応決定。1000人以上の日本ユーザーが待ちわびる なんかこういうニュースいいですよね。 ユーザー層を気に
社長が、自腹のRTX2080で国産生成AIをゼロから作ってみた話 https://note.com/rk611/n/n4dfffbbed408 実際に初歩的な事をやってみるは、経験として大きいかなと思いました。 ちょっと、やってみたくなりました。ハードルはちょっと高いですけど・・・ ″仕様駆動開発″というプロンプトを外付けするSpec Kit https://zenn.dev/watany/articles/46f7a8006eb054 kiroが人気になって、それ系の考え方で色々な物が作られていますが、これもその一つですね。 結局ちゃんと仕様書を作った方がいい物ができるのは自明なので、その仕組みをAI開発に持ち込むって事で、これもなるべくしてなった感はありますね。 複数 AI エージェントの MCP サーバーの設定を一元管理する「mmcp」の紹介 https://zenn.dev/kou_pg_0131/articles/mmcp-introduction いろいろやっていると、あると便利かもって感じだったのでメモ 【2025年版】テンセントAI「Hunyuan (混元)
「HuMo AI」が「ComfyUI」から簡単に利用できるようになったので、軽く使って見ました。 この生成AIのポイントが何かというと、 テキスト + 画像 テキスト + オーディオ テキスト + 画像 + オーディオ このようにプロンプトに画像やオーディをを合わせた動画を作成できます。 テキスト+画像は、よくあるベース画像にテキストのプロンプトで動きやシーンを指示するものです。 オーディオはリップシンクしてくれるので（最近は当たり前のようにリンプシンクしてくれるので凄いですよね）、テキストの読み上げ音声に合わせて唇が動く動画や、歌に合わせて唇を動かすものから、曲に合わせてダンスする物も作成できる感じです いろいろ試してみましたが、私の環境「RTX5070 Ti」だと、メモリーの都合で最大6秒ぐらいまでしか生成できませんでした。 ですので、安定して生成できる5秒の動画を作成しています。 ただ、3秒までの生成が、動画のクオリティも上がる感じがするので、5秒まで生成できるが3秒までが推奨のなんだと思います。 では、実際にやってみました。 最初はテキストプロンプトと音楽のみです。
ソフトウェア公開サイトソフトウェア公開サイト Audio Converter & Splitter https://test.aisgm.me/test_prog/app/audio-converter/ アプリの公開用サイト 使い方 音ファイルを点線の枠内にドラッグ＆ドロップします。 画像では赤い部分です ファイルを選択します。 同時に複数のファイルをアップできるので、分割したりフォーマット変換したいファイルを選択します。 音声分割を行う場合、分割方法（黄緑）の選択をして、分割数（黄色）を指定します。 秒数指定を行いたい場合は、秒数を指定します。 水色部分をクリックすると分割処理が始まります。 今回は１４秒単位での分割を行いました。 処理が終わると画像のような表示になり、赤い部分をクリックすると一括でダウンロードできます。 それぞれのファイル毎にダウンロードすると事もできます。 フォーマット変換する場合 WAV、MP３、ogg、それぞれ変換することができます。 赤い部分で変換先のフォーマットを選択します。 青い部分が実行ボタンになるので、設定に
今回のポイント ・歌の音ファイルの作り方 ・音ファイルを動画生成用に分割する ・リップシンクの動画ファイルの作り方 ・動画編集 前段は前回の記事を参照してください 音楽ファイルの作成 SUNO AIを使用して作成しています。 ベースの歌詞をAIに作成してもらって、手直しします。 どんな歌詞を作るか、概要をまとめてAIに渡します。 具体的なプロンプト 作りたい歌詞の内容や使用したい単語、曲のイメージを説明します。 それに、以下の分をコピペしてくっつけてAIに投げます。 歌詞は以下のタグ中から使用してください [Verse 1] [Verse 2] [Verse 3] [Verse 4] [Chorus] [Powerful‐Chorus] [Bridge] [Outro] [Lead-In] [Pre-Chorus] [Post-Chorus] [Ending] [rap] [hook] [drop] [hook] [Piano-solo] [Violin‐solo] [Drums‐solo] [Bass Drum‐solo] [Electr
結構長くなりそうなので、何回かに分けて書きます。 続きは以下からどうぞ 素人が作る実写っぽいミュージックビデオの作り方 その２ 今回作成したミュージックビデオです。 音楽以外はローカルで作成しました。 クラウドサービスは、結構サービス料金がかかりますが、GPUの購入価格と比較すると、どちらが高くなるかは、使用頻度なんかで変わるかと思います。 一点、ローカルで有利なので、試行錯誤を行いやすい事でしょうか？ ローカル環境の紹介と大雑把な制作の流れ、クラウドとの比較なんかをしていきたいと思います。 今回の実際に作成した過程や、ローカル環境での細かい作り方等は次回行いたいと思います。 まず作成環境 動画生成 AMD Ryzen AI 9 HX 370 / Radeon 890M RTX5070TI 動画生成ツールは「ComfyUI」を使用 AIは「WAN2.2」と「humo」を使用しました。 音楽はSUNOを使用しました。 音楽作成はSUNO Ver4.5+が最新だったので、Ver4.5+です。 元々の女性はQwenImageを使用しました。 動画は比較的生成
