#オープンソース

Qwen3-TTS - pip一発で使えるオープンソース音声合成

Alibaba Qwenチームが公開したQwen3-TTSの技術解説。pip install一発でセットアップ完了、3秒のボイスクローン、自然言語での声デザイン、日本語含む10言語対応。Apache 2.0ライセンス。

Qwen3-Omni: 3BアクティブのMoEでテキスト・画像・音声・動画を統合処理するオムニモーダルモデル

Alibabaが公開したQwen3-Omni-30B-A3Bの技術解説。30Bパラメータ中3Bのみアクティベートするオムニモーダルモデルで、テキスト・画像・音声・動画の入力から音声付きで応答する。Thinker-Talkerアーキテクチャ、ベンチマーク、Qwen3 MoEファミリーの全体像を整理した。

UI-TARS-1.5-7B: GUIグラウンディングでSOTAを達成したVision AIエージェント

ByteDanceが公開したUI-TARS-1.5-7Bの技術解説。スクリーンショットからGUI要素を特定する精度でOpenAI CUAやClaude 3.7を大幅に上回る。デスクトップアプリも提供され、ローカルで動作可能。

Qwen3-Coder-Next: 3Bアクティブパラメータでローカル動作するコーディングエージェント

Alibabaが公開したQwen3-Coder-Nextの技術解説。80Bパラメータながら3Bのみアクティベートする超効率MoEで、RTX 4090単体でも動作。SWE-Bench 70%超えの実力をローカルで。

MOVA: オープンソース初の映像・音声同時生成モデル

OpenMOSSチームが公開したMOVA-720pは、動画と音声を1回の推論で同時生成するオープンソースモデル。Vidu Q3などクローズドモデルとの違い、アーキテクチャの特徴をまとめた。

PersonaPlex: NVIDIAのリアルタイム全二重音声対話モデル

NVIDIAが2026年1月にリリースしたPersonaPlex-7B-v1の概要。Moshiベースで全二重会話とペルソナ制御を実現した音声対話モデル。

Kimi K2.5: 1兆パラメータMoEのネイティブマルチモーダルエージェントモデル

Moonshot AIがリリースしたKimi K2.5の技術的特徴を紹介。1TパラメータMoEアーキテクチャ、MoonViTビジョンエンコーダー、Agent Swarm（PARL）、ベンチマーク結果など。

Z-Image — FLUXを超えたと言われるAlibaba発の画像生成AI

Alibabaが公開した画像生成モデルZ-Imageの特徴と、FLUX・Stable Diffusionとの比較。6Bパラメータで低VRAMながらオープンソース1位の実力。

MySQLは死ぬのか？2026年のMySQL・MariaDB事情を整理した

GitHubのコミット停滞、Oracleのレイオフ、コミュニティ会議でのフォーク議論。MySQLを取り巻く不穏な空気と、MariaDBの現状を整理した。

Pocket TTS - CPUで動く軽量テキスト音声合成

100MパラメータでCPU上でリアルタイムより高速に動作するオープンソースTTS。ボイスクローニングにも対応。