オープンソースAI

主要ニュース

1. 1

   AWS、SageMakerで音声クローン

   AWSはQwenチームのQwen3-TTS-12Hz-1.7B-BaseをAmazon SageMaker JumpStart経由でリアルタイムエンドポイントに導入する方法を詳説した。 選んだ話者の声で、10言語のいずれでも、わずか数秒の参照音声から音声を生成できるようになった。モデルの再学習や大規模な学習データセットの収集は不要だ。

   導入が約24 GBのGPU内に収まるかだ。talkerとcode2wav間でGPUメモリを分割することが鍵。KVキャッシュのトークン予算56,928トークンに注目。

2. 2

   Intrinsic、Intrinsic Core™公開

   GoogleのAIロボティクス部門Intrinsicがプラットフォームの一部をオープンソース化すると発表。 ロボットアプリ開発者はハードウェア非依存の出発点を得られる。Intrinsic Controlを使えば、ドライバーを書き直さずにロボットアームやグリッパー、センサーを交換できると発表されている。

   成功の鍵は、オープンソースパッケージと実用例向けの既成リファレンスデザインOMTSがどこまで開発者に採用されるか。リンクされたGitHubのダウンロード動向に注目だ。

3. 3

   PrismMLの1ビットBonsai、AR1眼鏡に対応

   PrismMLはQualcommのSnapdragonチップ搭載スマートグラス向けに小型言語モデル版を開発した。Snapdragon Summitで1ビットBonsai LLMを披露。 モデルをクラウドではなくデバイス上でローカルに動作させることが要点だ。PrismMLのオンデバイス手法がQualcommのスマートグラスハードウェアと組み合わされつつある。

   PrismML搭載スマートグラスは未発表で製品化に至っていない。デバイスメーカーがSnapdragon AR1 Gen 1 Platform版採用に踏み切るか注目だ。

4. 4

   Amazon BedrockでOpenCodeを活用

   AWSがOpenCodeをBedrock上のKimi K3やGPT-OSS 120B、Nemotron 3 Super 120Bと組み合わせるガイドを公開した。 開発者はコードとプロンプトを自社のAWSアカウント内に保ち、席単位の料金ではなくトークン従量課金を利用できる。

   Bedrockによると、グローバルなクロスリージョン推論プロファイルは地理的プロファイルより約10％安い。

5. 5

   NVIDIA、VoiceArenaで首位

   NVIDIAが1億パラメータモデルNemotron 3 Diarizationを公開。Diarization-BenchでDiarization Error Rate 14.72%を記録し首位。 話者ダイアリゼーションは会話で誰がいつ話したかをラベル付けし、会議や通話の文字起こしを要約やアクション項目に使えるものにする。

   VoiceArenaの結果は暫定で、Version 1評価と対になった統計分析の完了で変わりうる。14.72%のDERが維持されるかを見極めたい。

6. 6

   Identity DigitalがKnown Systems AIを分社化

   Identity Digitalは、自社のInnovation Labs部門と、Domain Name System・公開鍵基盤・ブロックチェーン台帳上に構築した「AIエージェントの出生証明書」DNSidを基盤とするKnown Systems AI Inc.を分社化した。 数千のAIエージェントを運用する企業が、第三者と一つずつ信頼関係を築くのは現実的でなく、エージェントがプラットフォームをまたいで拡大するには共通の説明責任レイヤーが必要とされる。

   DNSidが広く採用されるオープン標準になるかは、Identity Digital以外の参加にかかっている。