私たちのDoubaoガール
無断転載防止用です 笑🤣 大作というほどではないですが、私の汗と努力の結晶ですから。 さあ、誰がうちのDoubaoガールを馬鹿にできるか見てみましょうか。
Xに投稿したAIショート動画集です。クリックで音声付きで再生されます。
無断転載防止用です 笑🤣 大作というほどではないですが、私の汗と努力の結晶ですから。 さあ、誰がうちのDoubaoガールを馬鹿にできるか見てみましょうか。
産業革命の時代、織布職人がジェニー紡績機と初めて対面したときに抱いたであろう無力感。
新しい制作物ですが、なかなか良い仕上がりになったと思います。 画面をこうして直撮り録画したのは、みなさんがフェイクに騙されないようにするためですよ フフ
元AppleのデザイナーがAIをフル活用して自ら開発したPhotoshop代替ツール「Compositor」です。 容量はわずか7MB、完全無料のオープンソース(MITライセンス)。レイヤー、マスク、色調補正、さらにはコンテンツに応じた塗りつぶし機能まで備えています。 Photoshopが数GBも容量を食うのに対し、こちらはたったの7MBで、コードの大半をAIが書いたそうです。 https://github.com/robbietilton/Compositor
うわ、Muse本当に凄すぎます。プロンプトをたった1行入力しただけなのに、30秒の超ドアップ自撮り動画が一瞬で完成しました。こんなの好きにならずにいられませんよね?
Muse版のフィンガーダンス(手振りダンス)動画です。 使用ツール:Muse、Opus プロンプト:リプ欄
Doubaoで女性の衣装チェンジ(ルックブック風)動画を作ってみました。 仕上がりが想像以上に良くていい感じです。
本当に重要なポイントを見つけました。Museに直接「複製(リメイク)」を指示すると、結果がかなり残念なことになります。 要するに、Museが自律生成するプロンプトの精度が甘いんですよね。 そこでOpus 5.5にプロンプトを再構成させて回してみました。この仕上がりを見てみてください。プロンプトはリプ欄に置いておきます。
仕方ないですね、一番得意なAI動画作りに戻ってきました。みなさんもやっぱりこっちの方がお好きみたいですしね。プロンプトはリプ欄に置いておきます。
参考画像に写る若い女性を単独の人物リファレンスとし、輪郭、目鼻立ちの比率、目、鼻、唇の特徴、ダークトーンの無造作なロングヘア、ナチュラルメイク、超至近距離のドアップ自撮り構図と既存のポーズを完全に維持します。スマートフォンのインカメラで実際に撮影したような、リアルで生々しい実写風自撮り動画を生成してください:レンズにぐっと近づいたアンニュイな自撮りの姿勢を保ち、優しく一度まばたきをし、呼吸に合わせて肩や首筋がごくわずかに上下します。柔らかな視線でカメラを見つめ、唇の力を自然に抜きます。顔の位置とアングルはおおむね安定させ、急に顔を背けたりしません。黒髪のロングヘアは本物の人間の髪のようなリアルな毛流れを保ち、額の産毛やフェイスラインに揺れる後れ毛、毛先が室内の微細な気流に揺らぎます。ウィッグのような不自然に整った輪郭にならないよう、髪の毛同士の重なりをナチュラルに描写します。手でスマホを持って自撮りしているようなわずかな手ブレと呼吸に伴う微細なティルトのみを反映し、人物の一貫性を崩したり、急激なズームイン/アウト、画面の切り替えは禁止します。無加工のノーマルカメラ実写感、日常的なセルフィーの質感、みずみずしく柔らかな色彩、室内の柔らかな自然光、低コントラスト、自然なスキントーンを保ち、本物の肌のキメ、微小なノイズ、ソフトフォーカス、スマホのインカメラ特有のパース感を再現します。全体のテンポは静かで日常的、親密で極めて自然であること。セリフやBGMは入れず、ごく小さな室内の環境音のみを含めます。大げさな表情、顔立ちの崩れ、ビニール肌、ウィッグ感、アニメ調、油絵調、3Dレンダリング質感、商業的な過剰レタッチ、余分な人物や手足、急激なライティング変化、シーン転換は厳禁とします。
せっかくのMuseサブスクを寝かせておくのはもったいないですよ。RED(小紅書)、TikTok、リール、Instagramなど直接保存できない動画や画像は、Museに専用ツールを組んでもらって無劣化でサクッとダウンロードしちゃえば解決です ╮(¯▽¯)╭❤️
プロンプトが長すぎてXのリプライ欄に収まりませんでした。これ以上の長さのコンテンツはブログに掲載していきます。必要な方は自由にお持ち帰りください、ありがとうございます❤️!
1枚目にアップロードした画像を正確な第1フレーム(開始コマ)として使用し、2枚目にアップロードした画像をキャラクターリファレンスとして使用してください。大人の女性。動画全体を通して同一の顔立ちを維持します。以下の要素を正確に維持してください:前髪なしでフェイスラインに沿って流れるロングレイヤーのダークブラウン・ストレートヘア(センター分け)、跳ね上げアイライン、グレーブラウンのカラーコンタクト、うるおいのある鮮やかな赤リップ、小さなラインストーンがあしらわれた長めのヌードホワイト・コフィンネイル、ネイビーの2本ラインが配色されたルーズフィットの白Tシャツ。 背景:ゲーミングルーム。彼女の後ろにはグレーのメッシュオフィスチェアがあり、画面左側にはピンクとブルーの抽象的な壁紙が表示されたモニターとブルーのLEDライティングが光るPC本体、画面右側にはフィギュアが並ぶウッドシェルフがあります。ライティング:約4000Kの温かみのある室内照明と、顔を照らす柔らかく透明感のある正面からのライト。ライティングは一貫して安定させます。 ワンカット(一発撮り)のロングテイク撮影、9.2秒、16:9横画面、カット編集なし。腕を伸ばしてスマートフォンのインカメラを横向きに構えた構図、頭部から肩までのクローズアップ、目線よりわずかに高いハイアングル、自然な手持ちカメラの微細な揺れ。後半にかけてカメラレンズへとさらに顔を近づけます。ムード:クールでコケティッシュ、自信に満ちた空気感。動画を通じて歌を口ずさむようにリップシンクします。 タイムライン(左右は画面上の位置基準。30fps基準のフレーム数): 0.00-0.60秒(第1-18フレーム):画面右側の手が顔の横に上がり、長いネイルで髪の毛を一筋耳にかけながら、視線は画面右側をチラリと見ます。 0.60-1.00秒(第19-30フレーム):手がフレーム外へと下がり、顎を少し上げてレンズをまっすぐに見つめます。 1.00-1.40秒(第31-42フレーム):首をわずかに傾け、目を半分閉じたまま、舌先を唇の端からいたずらっぽく少し覗かせます。 1.40-1.70秒(第43-51フレーム):画面向かって左側の片目だけで、お茶目にウインクします。 1.70-2.60秒(第52-78フレーム):レンズに向かって少し近づき、唇をすぼめて歌詞を口ずさむようにリップシンクしながら、頭を画面右側へと傾けます。 2.60-3.20秒(第79-96フレーム):首の傾きを戻し、約3.00秒あたりで画面左側の目で再度素早くウインクします。 3.20-3.70秒(第97-111フレーム):唇を少し開けたまま、レンズをぶれずにじっと見つめます。 3.70-4.20秒(第112-126フレーム):下から手が上がってきて、人差し指を下唇の真下の顎にそっと添えます。 4.20-4.60秒(第127-138フレーム):顎に指を添えたままゆっくりとまばたきし、首を画面左側に傾けます。 4.60-5.20秒(第139-156フレーム):指は顎に置いたまま、目線でレンズを捉えます。 5.20-5.80秒(第157-174フレーム):唇をわずかに開き、指先で下唇に軽く触れながら、一瞬目を閉じて再び開きます。 5.80-6.40秒(第175-192フレーム):指が滑るように下りて顎先を軽く包み、そのままフレーム外へと下ろします。 6.40-8.00秒(第193-240フレーム):顔がフレームいっぱいに収まるようさらにカメラへと近づき、頭を軽く揺らしながら歌詞を口ずさみ、落ち着きのある強い眼差しを向けます。 8.00-8.40秒(第241-252フレーム):画面右側の手がレンズの至近距離をサッと横切り、画面右端が一瞬ブレます(モーションブラー)。 8.40-9.20秒(第253-276フレーム):8.50秒頃、舌先を再び唇の端からお茶目に少し覗かせたあと、唇を優しく引き締めて最後までカメラ目線をキープします。 首をかしげるたびに、髪の毛がふわりと自然に揺れます。指は正確に5本、長いネイルの長さと形状は常に一定を保ちます。ウインクは片目のみ閉じます。 オーディオ:静かな室内の環境音(ルームトーン)、かすかなPCファンの駆動音、穏やかな息遣い。明瞭な歌声やBGMはなし。 スタイル:本物のスマホ実撮り映像、自然な肌の質感、美肌フィルターなし、過剰なブラーなし、シネマ風の重いカラーグレーディングなし。字幕、ウォーターマーク、判読可能なテキスト、ブランドロゴ、スマートフォンのステータスバー、アプリのUI表示はすべて排除してください。
Museの動画生成を試してみたのですが、スクリーンショットをたった1枚入れただけで10秒でこんな映像が出てきました。クオリティの進化スピードが日に日に凄まじくなっていますね。
Museのクオリティ、本当にヤバすぎます😭 人物の参考写真3枚とプロンプトたった1行を入れただけなのに、2003年のレトロなMiniDVハンディカム質感の映像がそのまま出てきました。 雨上がりの路地裏、透明なビニール傘、石段の上の冷たい炭酸ドリンク……20秒間ずっとヒロインの顔の崩れが一切なく、手持ちカメラの微細な手ブレからテープのノイズ感まで完璧です。 時々、AIの限界を決めているのはプロンプトの言語化力なんだと痛感させられます。 #AIVideo #MiniDV
8つのプロンプトで仕上げた80秒の「天宮」シリーズ。 Museを使って、中国仙侠ワールドの神秘的な天宮を再現してみました。 全プロンプトはリプ欄に共有してあります。
Museで香港のストリート自撮り動画を作ってみました。プロンプトを入力しただけなのに、ヒロイン、街の情景、カメラワークまで全部お手の物で仕上げてくれました。
1枚目の画像に写る人物の顔立ちを参照し、海辺のバストアップポートレートとして演出してください。海風に自然になびく豊かなロングヘア、背景のボケ味とフィルムカメラ特有のエモーショナルな質感、流し撮り(パンニング)の手法を取り入れて躍動感あふれる緊張感を表現します。淡いパステル調、低彩度、重厚で幻想的な色調、薄暗がりの中の強いコントラストとモーションブラー、大胆なアングルとアシンメトリーな構図で、カモメが飛び立つ海辺の清純かつ蠱惑的な瞬間を切り取ります。アンニュイでどこか陶酔的、感情の揺らぎを感じさせ、魅力的な表情と無造作に乱れた髪のテクスチャを活かして圧倒的な臨場感とエモーショナルな没入感を引き出します。大胆なパースペクティブ、暗部の階調、ハイライトの滲み、ヴィンテージ感のある退色と光漏れ(ライトリーク)効果を加え、ざらりとしたフィルム粒子とノイズの質感で重層的かつ絵画のような強烈な視覚的インパクトを与えます。明暗のダイナミクスを極限まで高め、HDRとLOMOエフェクトを効かせることで、コンセプトアートとシュルレアリスムが融合した最高峰のマスターピーススタイルに仕上げてください。
アップロードした2枚の人物参考画像を使用して、写実的でリアルな写真を1枚生成してください。 人物設定および顔の一貫性(アイデンティティ)維持 画像1は女性Aの顔および外見の参考画像です。 画像2は女性Bの顔および外見の参考画像です。 女性Aは画像1と完全に同一の顔の特徴(アイデンティティ)を維持してください。輪郭、目元、眉、鼻、唇、顔のパーツ比率、スキントーン、そして自然な肌の質感をそのまま保ってください。自然におろした黒髪ロングヘアのスタイリングも維持してください。 女性Bは画像2と完全に同一の顔の特徴を維持してください。輪郭、目元、鼻、唇、顔のパーツ比率、および固有の外見的特徴をそのまま保ってください。ダークカラーの髪を自然に低めの位置でまとめたローニシニヨン(お団子ヘア)スタイルを維持してください。 2人の顔を混ぜ合わせたり入れ替えたりしないでください。顔を勝手に改変したり、過剰に美肌加工したりしないでください。それぞれの参考画像の人物と同一人物であることが確実に分かるように描写してください。 構図および人物の配置 2人が一緒に写る、自然なスマートフォンのインカメラ自撮り写真として演出してください。 女性Aはカメラのすぐ手前、左側の前面(フォアグラウンド)に位置し、画面の約40%を占めます。腕を伸ばしてスマホで自撮りをしているような構図です。カメラレンズをまっすぐ見つめ、リラックスした少し茶目っ気のある表情と自然な微笑みを浮かべています。顔と上半身が鮮明に写るようにしてください。 女性Bは女性Aから数メートル離れた右奥の背景に位置します。膝上までが写る構図にしてください。カメラに向かって自然に歩み寄りながら、片腕を軽く上げておどけたジェスチャーをしています。明るく自然な笑顔を浮かべています。 2人とも画面内で明瞭に見えるようにしてください。自然なパースペクティブと現実的な身体プロポーションを維持してください。女性Aは前景でシャープにピントが合っており、女性Bも背景にいますが顔立ちが十分に判別できる鮮明さで表現してください。 衣装 女性Aは画像1に写っているものと同じネイビーブルーのワンピースを着用します。ホワイトのフリルネックと白いリボンのディテールまで正確に維持してください。 女性Bは画像2に写っているものと同じ、ネイビーの花柄キャミソールワンピースにホワイトのカーディガンを羽織っています。 衣装のデザイン、色、柄、細部のディテールを勝手に変更しないでください。 背景およびロケーション — 大韓民国 舞台は大韓民国ソウルにある美しい大学のキャンパスに設定してください。 ベージュ系の石材とコンクリートで構成された洗練された韓国の大学建築、大きな窓、長く伸びる屋外の遊歩道、壁の一部に沿って茂る緑のツタ、木製のベンチや周囲の並木があるキャンパスです。 遠くに見える背景には、韓国語(ハングル)のキャンパス案内標識が自然に配置されています。 ヨーロッパの古城やファンタジー風の学園ではなく、実際のソウルに実在するような現代的な韓国の大学の空気感で描写してください。 ライティングおよび空気感 遅い午後の温かなゴールデンアワーの自然光、色温度は約4500K。 通路の脇から差し込む陽光が2人の顔や髪に自然に当たり、柔らかな影と温もりあるハイライトを作り出します。 講義が終わった後の美しい午後に、仲の良い友達同士がキャンパスで思い思いに自撮りを楽しんでいるような、心地よく愛らしい韓国の女子大生の日常の空気感です。 撮影スタイルおよび写真のテクスチャ 実際のスマートフォンで撮影されたかのような、極めて写実的な実写スナップ写真。 自然な24mm広角インカメラの自撮り画角、手持ちで撮影したようなリアルな構図、自然な被写界深度(ボケ味)、現実的な肌のキメ、微細な画像ノイズ、繊細な髪の毛や服の布地テクスチャ。 商業広告の写真のように過剰に作り込みすぎず、友人が何気なく撮ったような、自然で少し不完全さの残るスナップ写真の質感を活かしてください。 最終的な仕上がりは、2人の女性が韓国の美しい大学キャンパスで実際に並んで自撮りをしたように見えなければなりません。 必須条件 生成する画像は1枚のみ。 横長 16:9 比率。 コラージュ、グリッド配置、画面分割は禁止。 余分な人物の追加は禁止。 顔の混ざり合い、顔のアイデンティティ変更は禁止。 過剰な美肌フィルターや肌のスムージング(ぼかし)処理は禁止。 ファンタジー建築やヨーロッパ風の古城背景は禁止。 字幕、テキストオーバーレイ、透かし(ウォーターマーク)の追加は禁止。
プロンプトの全文はリプ欄に残しておきますね、本文の文字数制限で入りきりませんでした😂
Museプロンプト: 同一のヒロインのキャラクターを維持。 甘く自然体な日常のワンシーン:朝の陽光が窓から柔らかく差し込むキッチン。ルームウェアを着て朝食の準備をしながら、カメラ(彼氏目線)に向かって優しく微笑み、焼きたてのトーストをカメラの前に差し出す仕草。iPhoneの手持ち撮影のような親密でリラックスしたPOVの空気感、9:16縦画面。
曇り空の日、高速列車の窓際席、イヤホンから静かに流れる音楽。 何も考えずに、窓の外を流れ去っていく景色だけをぼんやり眺める時間。 プロンプトは後ほどリプ欄に残しておきますね。
私のこだわりを分かってくれる君と、君の心を理解している私 (˘³˘)💕。
Museで動画を生成しているとあるあるなんですが、キャラクターたちがやたらと首をコテンと傾けたりフリフリしたりしますね。
なぜこんなに冷淡になってしまったのか聞かないで。私にだって、温かかった頃があったのですから。
Museで生成した動画ですが、キャラクターのボイスアフレコまでワンテイクで一発完成しちゃいました。
ChatGPT、仕事はしたくないんだけど、どうすれば一攫千金して大富豪になれますか?
第2弾です。音楽まで自ら当ててみました。プロンプトは後ほど整理して投稿しますね。楽曲は他の動画から抽出して合成したものです。
衣装チェンジ動画を生成します。変身前の女性は部屋着(パジャマ)を着て髪を自然におろして座っており、すっぴんでメガネをかけただけの素朴な姿です。麦わら帽子を深く被った瞬間、参考画像のように一瞬にしてクールで洗練されたスタイリングへと完璧に変身します。変身のプロセスでは、前半が標準スピードで再生され、帽子を被る瞬間にわずかにスローモーションがかかることで、ハリウッド映画のワンシーンのようにクールでドラマチック、感嘆を誘う演出へと仕上げます。
クオリティはなかなか良い感じなんですが、ちょっとしたバグが一つ。ウサギが宙にプカプカ浮いちゃってます。
しばらくツボに入って爆笑してから、ようやく投稿できました。 賞金なしクイズ:これ、一体どのAIモデルで出力したでしょうか?
なぜこんなに冷淡になってしまったのか聞かないで。私にだって、温かかった頃があったのですから。
出力結果のクオリティが回を追うごとに良くなっている気がするんですが、気のせいですかね? |・ω・`)
Seedance 2.0 Fastモデルに切り替えてみたのですが、出力結果がかなり満足のいくクオリティになりました。
Claude Opus 5.5には本当に心の底から感服しました。 ジュー・ジンイー(鞠婧禕)の3Dフォトアルバムをゼロから一人で丸ごと作ってくれたんです。578枚の写真をドラッグして360度見回せる花の島やフォトスフィアとして配置し、光の粒子や鏡面反射エフェクトまで盛り込んでありました。写真をクリックすると目の前までスーッと飛んできます。 さらにWeb上からフィルモグラフィーの年表を自ら取得して163件もの情報源を一つずつ検証し、最後はバックグラウンドでブラウザを立ち上げてこのデモ動画まで勝手に録画していました。 外部フレームワークを一切使わず、ピュアなHTMLとバニラWebGLだけで構築されています。 最初にAstraで試したときはリセット枠を2回も使い果たしてバグだらけだったというのに。
X(旧Twitter)で長文の返信を書いているとき、文字を打つたびに画面が激しくチラつくバグです。
Museを使った動画リメイク手法を試してみました。 渡したのは元動画とChatGPTで作った第1フレーム(先頭コマ)1枚だけだったのですが、アクションを秒単位で緻密に分解して2つのセクションを生成し、動画全体を通して顔をがっちり固定(フェイスロック)した上で、元の音声と綺麗に合成してくれました。 13.5秒のクリップですが、正直ここまで顔が一切ブレずにキープできるとは思っていませんでした。
何百回と目にしてきたはずの有名絵画6枚。実はどの絵にも、今まで気づかなかった驚きの秘密が隠されています。 『モナ・リザ』には眉毛がなく 『ヴィーナスの誕生』の首は不自然なほど長く引き伸ばされ 『真珠の耳飾りの少女』の背景には元々緑色のカーテンが描かれており 『神奈川沖浪裏』の激しい大波の下には富士山が静かに潜んでいます 『星月夜』の丘の麓に広がる村は、ゴッホの病室の窓からは絶対に見えない方角にあり 『叫び』の左上隅には鉛筆で「狂人にしか描けなかった!」という走り書きがあります。これはムンク本人が記した筆跡です 皆さんが知っている、名画の隠れたトリビアは何かありますか?
これがあの圧倒的低コストで有名なDeepSeekから出力された3D生物学習教材だなんて、信じられますか? 13種類もの細胞小器官の立体構造がくっきりと可視化され、左側にはカテゴリ検索機能まで備わっています。画面下部のスライダーを動かして細胞膜を剥ぎ取る瞬間、思わず感嘆の声が漏れました。AIモデルの技術競争がここまで到達しているとは、素直に脱帽するしかありません。
新型テスラ・ロードスターがついに公開されましたが、文字通り本当に宙を飛んでいますね。 0-60mph(0-96km/h加速)は0.59秒以下。瞬きするよりも速いです。 その秘密は、タイヤの限界を4〜5倍も凌駕するコールドガス・スラスター(冷ガス推進器)の噴射力にあります。 空中で逆さまに静止したまま微動だにしないことすら可能です。 2017年に2020年発売を約束していた車ですが、気づけばもう2028年ですね。 皆さんなら手付金5万ドル(約750万円)を払って予約しますか?
全く同じプロンプト1つで、AIに11年間絵を描かせ続けてみました。 2015年 DeepDream:画面一面に広がる犬の目玉 2018年 StyleGAN:指がひと塊に溶けて潰れている 2021年 VQGAN+CLIP:指が7本 2022年 Midjourney v3:指6本、綺麗だけどどこか不気味 2023年 SDXL:相変わらず6本 2026年:ついに本数を正確に描けたと思ったら……猫が前足をひょいと上げる この55秒の動画では、画像生成や動画生成のモデルを一切使っていません。映像、場面転換、BGMに至るまで全てClaudeがコードだけで書き上げ、@AlchainHust 氏がOSS公開したhuashu-art-motion skillの手法を活用しています。 みなさんが初めてAIイラストに触れたのは何年でしたか?
一つ気づいたのですが、Museは顔の一貫性を保つのがやや苦手な反面、顔が映らないダンスチャレンジなどの動画ならむしろ完璧にハマりそうですね。
ブラウザ上で直接動かして遊べる3Dミニチュア都市を作りました 🏙️ 道路や橋を架け、区画を指定して都市を自律的に発展させ、バス路線、消防車の出動、雨や雪の天候エフェクトまで…… 自ら車を操縦してタクシー営業、レース、パトカーとのチェイスまで楽しめます 🚓 たった1枚のWebページの中で、Three.jsによるリアルタイム描画を実現しています。 Claude Opus 5.5こそ史上最高峰のフラッグシップモデルだと確信しました。 https://claude.ai/artifact/3fqN9nwgnAbinDZP65Yvyz
Claude Opus 5.5を活用して、Claude Duetのプロモーション動画を制作してみました。 ソース元:⬇️ https://claude.com/product/claude-duet
ClaudeにこのUIをブラッシュアップ(最適化)してもらったのですが、かなりお気に入りの仕上がりになりました。
ClaudeにこのUIをブラッシュアップ(最適化)してもらったのですが、かなりお気に入りの仕上がりになりました。
理由はよく分からないのですが、こういう動画を見ているとすごく心地よくて癒されますね。すっきりと整った感覚。
賞金付き当てっこクイズ:これは一体何を使って作ったでしょうか? 正解された方にはささやかですが9.9ドル差し上げます、よろしければぜひ。
三輪車だって空を飛べるんですね。 Museにプロンプトをたった1つ投げただけで、この10秒のクリップ丸ごとを一発出力してくれました。深夜、ネオン輝く垂直のスロープを疾走する小さな電動三輪車が闇夜へと飛び立ち、ピンクの煙を突き抜けてヘッドライトをギラリと光らせながら着地するシーンです。 カット編集もカラーコレクション(色補正)も一切していません。ツールがここまで優秀だと、アイデア一つあれば何でも形になりますね。
すべてのAI画像は、一面のノイズ(砂嵐)画面から始まります。絵筆で一筆ずつ描いていくのではなく、ノイズの層を一枚ずつ拭い去っていくような仕組みです。 ディフュージョンモデルの実際の動作原理は以下の通りです。 まずは学習(Training)ステップ。実写画像にわずかなノイズを加え、さらに少しずつ足していきます。1,000ステップも経つと、元の画像は跡形もなく消え去り、純粋な砂嵐ノイズ(static)だけが残ります。そこでモデルにノイズ画像を見せて「どんなノイズが追加されたか?」を当てさせます。間違っていれば重み(パラメータ)を微調整する。これを何十億枚もの画像で繰り返します。LAION-5Bデータセットだけでも58.5億組もの画像・テキストペアが含まれています。 生成(Generation)は、この工程を完全に逆再生します。ランダムなノイズからスタートし、モデルがノイズを予測して少し除去し、また予測する。通常20〜50ステップほど繰り返します。最初の数ステップではぼやけた輪郭や色のかたまりしか見えませんが、微細なディテールは最後の最後になってようやく姿を現します。水の中にインクが広がっていく現象を逆再生するようなプロセスであることから、「拡散(Diffusion)」と呼ばれているのです。 では、ユーザーが入力したプロンプトはどこで使われるのでしょうか? CLIPのようなテキストエンコーダーがプロンプトを数値(埋め込みベクトル)に変換し、すべてのデノイズ(ノイズ除去)ステップがそれを読み取って、どの方向へノイズを削っていくかを決定します。同じノイズからスタートしても、プロンプトが違えば全く異なる絵が生まれるのはこのためです。また、Guidance Scale(通常7.5前後)という調整ダイヤルがあり、値が低すぎるとプロンプトを無視し、高すぎるとコントラストが過剰になって色焼けを起こしてしまいます。 Stable Diffusionはここにさらなる工夫を加えました。生のピクセル空間で直接計算する代わりに、512×512の画像を64×64の潜在空間(Latent Space)へと圧縮したのです。計算量が実に48分の1に激減します。小さな潜在空間でノイズを除去したのち、デコーダー(VAE)で元の解像度へと復元するわけです。 指が不気味に崩れてしまうのはなぜでしょう? 手はいろいろな角度に折れ曲がり、学習データの中でも小さかったり隠れていたりすることが多いからです。モデルはピクセルの統計的パターンを学んだだけで、指の本数を数える概念を教わったわけではないのです。 SD3やFLUXなどの最新モデルでは、ノイズから画像へとより直線的に到達するFlow Matching方式へとシフトしました。それでも出発点は変わりません。すべては「ノイズ」から始まるのです。 皆さんがこれまで目にした中で、最も驚かされたAI画像は何でしたか?
ウォニョンは相変わらず綺麗すぎますね。こんなの見つめないでいられるわけがないです 笑
新しい制作物です。 個人的にはかなりクオリティ高く仕上がったと思いますが、みなさんどう思われますか? Doubao搭載の2.5モデルで動画を制作し、 プロンプトはOpus 5.5で作成、 衣装やヘアメイクのリファレンス画像はChatGPTで生成しました。 反応が良ければ、コメントを確認したあとプロンプトを整理して共有しますね。
Opus 5.5でミニチュア版の都市スカイラインを作ってみたのですが、完成度が本当に凄いです。まだ未完成ではありますが、車に乗って街中を走り回るだけで一日中遊べちゃいます 笑 ただ私、免許を持っていないので運転テクニックはかなり壊滅的です 笑🤣
今日の午後は本当に時間の経つのが早かったです。さっきClaudeに今日使ったプロンプトを全部まとめてほしいと頼んだら、こんなに綺麗な一覧表にしてくれました。
講義を始めます!たった5ステップで直感的に理解できる大規模言語モデル(LLM)の仕組み。 https://claude.ai/artifact/83a6cae7-c2cf-48ad-b6f7-c50efc6802ee
今年の4月17日、自分が何をしていたか覚えていますか? おそらく写真フォルダをかなり遡らないと思い出せないはずです。それなのに、幼い頃にプールで泳ぎを習ったあの夏休みの記憶は、今でも鮮明に蘇ってきますよね。 同じように過ぎ去った1年なのに、どうしてある年はたった数言で片付いてしまうのでしょうか? 1本のフィルムに刻まれたストーリーを通して、私たちの脳と記憶がこの1年間をどのように記録・保管しているのかを紐解いてみました。動画の最後には、1年を振り返ったときにより長く、豊かで充実していたと感じられるようにするための「3つの秘訣」も紹介しています。 今年、あなたにとって最も心に残った1日はいつでしたか? ぜひコメントで気軽に教えてください。 #月日の流れは早い #時間知覚 #心理学 #科学雑学 #年末総括
アプリを立ち上げたときの起動(スプラッシュ)アニメーションが洗練されていて本当に素敵です。 国内のアプリはどこも一面広告ばかりなのに比べると雲泥の差ですね😓
ポテトのジョーク集: 1. 画家ピップ:私はグレービーソースだけで絵を描くんだ。 2. 潜水キャプテン:水深チェック完了:ディップソースが浅すぎるな。 3. ポテト保安官:この街はハッシュドポテトが2つ住むには狭すぎるぜ。 4. 舞踏会の女王:こんなにドレスアップしたのに、ただのサイドディッシュ(付け合わせ)だなんて。 5. ルーキー:コーチ、僕を出してください! 転がるのは得意なんです。 6. ぬくぬくビー:セーターの季節? マフラーをオーブンでこんがり焼いちゃった。 7. マリス女王:私のことは「デンプン陛下」とお呼びなさい。 8. DJマッシュ:僕のミックステープは全部マッシュアップ(マッシュポテト)さ。 9. ラセット男爵:実に素晴らしいヴィンテージだ。ほぼ土の味だがね。 10. デイジー:この帽子? 自分で芽吹かせて作ったのよ。 11. ビーニーベイビー:耳がぽかぽか。……あれ、私の耳どこ行った? 12. クールガイ・スパッド:俺はクールすぎてノンフライヤーには収まりきらないぜ。 13. クリスプシェフ:本日のスペシャルメニューは……うそ、やめて! 14. ケチャップキッド:ケチャップ重窃盗の容疑で指名手配中。 15. 長靴ボーイ:天気予報でグレービーの雨が降るって言うから完全防備してきたよ。 16. カイゼル髭教授:うむ、この口髭は本物じゃよ。 17. 紙吹雪キット:サプライズ! 私こそがプレゼントよ。 18. 本の虫:レシピ本を読んだんだけど……私たち今すぐ逃げなきゃ! 19. スキッパー:グレービーボート(ソース入れ)に全員乗船せよ! 20. バター髭船長:バターを埋めておいたんだが、宝の地図をなくしてしまってな。
Kimi 3.1 Proが構築した3Dロケットモデルを見て、本当に息を呑みました! ロケット本体や発射台、周囲の環境ディテールが想像を絶するほど精巧です。視点を360度自在に回転できるだけでなく、時間帯に応じたライティングの切り替えまで可能です。 これだけの表現力があると、KimiがChatGPT、Astra、Claude、Fable 5.5を本気で凌駕したんじゃないかとすら思えてきます。 https://anrehkyitbrog.ok.kimi.link #Kimi #AI #3D #AIGC
Gitを扱えない人が世の中に本当にいるんだなと実感しました。 昨日プロジェクトチームのインターンがコードをミスして、「前のバージョンにどうやって戻せばいいですか?」と聞いてきたんです。「git logを見てみて」と伝えたら、「Gitって何ですか?」と聞き返されて絶句しました。 有名大学の情報工学科を出ているのにGitを知らないなんてこと、本当にあるんですね。 コードは全部AIに書かせ、コミットもAIツールのボタンをポチッと押すだけだったんでしょう。AIを活用すること自体には大賛成ですが、基礎すら身についておらず何かあったときに自力でリカバリーもできないようでは困りものです。 clone、commit、push、branch、コンフリクト解消、ロールバックまで、4分のアニメーションで丸ごと解説しました👇
Museで組んだワークフローに一つ惜しい点があります。キャラクターの一貫性が少し崩れやすい点です。 とはいえ、アクションや動きの滑らかさに関しては本当に見事ですね。
オリジナルのニュアンスや空気感は実に見事に再現できるのですが、キャラクターの一貫性がまだやや不安定ですね。 時間があるときにMuseの機能をもう少し深掘り研究してみます。
今日、1,000ページにも及ぶPDFドキュメントを自分専用のプライベートAIアシスタントに変身させてくれる素晴らしいオープンソースプロジェクトを見つけました。 このプロジェクトの名前は「AnythingLLM」。現在GitHubで数万個のスターを獲得し、今最も注目を集めているオープンソースAIナレッジベースの一つです。Mintplex Labsによって開発され、一般のユーザーでも自分だけのAIアシスタントを素早く手軽に構築できるようにすることを目標としています。 AnythingLLMを使えば、PDF、Word、Markdownなど様々な形式のドキュメントをアップロードして、AIに直接質問を投げかけることができます。例えば論文の要約、レポートの要点抽出、データ分析はもちろん、自分の知識ベースをもとに新たなコンテンツを生成させることも可能です。RAG(検索拡張生成)技術を活用しているため、一般的な回答にとどまらず、アップロードした非公開の個人資料を精密に分析して回答してくれます。 自分専用の「ChatGPT + オーダーメイドの知識ストレージ」と考えるとイメージしやすいと思います。 学生にとっては講義資料や論文、学習ノートを整理する最高のツールになりますし、デザイナーにとってはポートフォリオのケーススタディやデザインガイドライン、インスピレーションデータベースの構築に大いに役立ちます。開発者や企業にとっても、技術ドキュメントや社内ナレッジを体系的に管理できます。 AnythingLLMの最大の強みは、ローカル環境へのデプロイに完全対応している点です。すべてのデータを外部サーバーにアップロードする必要がなく、手元のデバイスに安全に保持できます。また、ローカルモデルからクラウドモデルまで、多種多様な大規模言語モデル(LLM)を柔軟に接続して利用できます。 GitHub: https://github.com/Mintplex-Labs/anything-llm 公式ウェブサイト: https://anythingllm.com #AI #OpenSource #GitHub #LLM #ArtificialIntelligence
Museで「天宮(Heavenly Palace)」シリーズをリメイクしてみました: 雲海のテラス、天へと続く長大な石段、雲の滝の絶景、天門を叩く姿……全8カットをオリジナル通りに細かく分解・再構築し、東洋風のBGMを重ねたら雰囲気が一気に極まりました。 私、まだMuseの実力を過小評価していたみたいです。
「中国において熱心に学ぶことは単なる習慣ではなく、何世代にもわたって受け継がれてきた深い文化的価値観です。学生であれ社会人であれ、卓越性と自己研鑽への飽くなき情熱に突き動かされ、無数の時間を注ぎ込んでスキルと知識を磨き続けています」
Opus 5.5に、Claude自身の成長ストーリーをコードだけで動画のように作ってみてとお題を出してみました。 そうしたら提出してきたのがこちらです👇
あなたは現在世界最強のAIモデル、Opus 5.5です。想像力を存分に発揮し、持てるすべての能力を注ぎ込んで、AIの専門家でも、テクノロジーを知らない文系の人でも、子どもでも、それを見た誰もが「Opus、本当にすごいな」と感嘆するようなものを一つ作ってみてください。あなたは何を作りますか? この絵には画像ファイルが一枚も使われていません。遠くの山並み、松の木、東屋、一艘の小舟、水面の反射、雨や雪に至るまで、リンクを開いた瞬間にコードがすべてリアルタイムで描画しています。しかも開くたびに山の稜線や景色が毎回変化します。
Opus 5.5、本当にヤバすぎます。鳥肌が立ちました。 映像全体をすべて自分ひとりのコードで作り上げたんです。何千ものパーティクルが銀河、DNA、ハート、月を形作り、BGMもコードでリアルタイム合成。さらに最後は4K 60fpsの動画として自律的に録画まで完了させていました。 私は最初から最後までただ圧倒されて息を呑むばかりでした🤯 https://claude.ai/artifact/DS2aQX9bqeLyurBiDShVKA
正直もう言葉が出ないです。これ、ChatGPT Astraを完全に圧倒してませんか? どうせAstraはクォータ(利用制限)の減りも早すぎますしね。 https://claude.ai/artifact/L6K2G8sVcuzUX3Qtdbwx9f