#AI

Geminiが検索を拒否したり応答が止まったりする原因とされる指示文の正体を、リーク済みシステムプロンプトと突き合わせて確認。テキスト注入とツール未提供の2ケースの見分け方と対処も

Flow MatchingベースのローカルTTS「Irodori-TTS」をWindows + RTX 3050 Ti Laptop（VRAM 4GB）で実行。通常のTTS生成とボイスクローンの音声サンプル、所要時間、MP3のお手本でFFmpegのDLLエラーが出る問題の回避策をまとめた。

ブログの文体チェックが取りこぼすAI文体を小型エンコーダに学習させる前段。Claude Codeの会話履歴からEditツールの修正前後1,560ペア、WordPress時代の日記600文、公開済み記事622本の一括スキャンで学習データを集めた記録。

3キャラ合体LoRA(trio_v2)で、同じ日本語指示10シーンを3つのLLMに英語プロンプト化させ、同一シード60枚をM1 MaxのローカルComfyUIで生成して照合した。Qwen-DiT系だから変換もQwenが有利という仮説の検証と、人数ロック付きブリーフで直る崩れ・どう書いても直らない崩れの切り分け。

Un-0に触発された学習なしのtoy generator。QwenにプロンプトをJSON化させ、M1 MaxのNumPyだけで2D蔵本モデルを時間発展させて抽象画像を出す。写実は無理でも構図・色・動きはプロンプトで実際に変わった。実装と出力例、詰まった所まで。

Unconventional AI（Naveen Rao）が2026年6月に公開したUn-0は、ニューラルネットの重み付き加算ではなく結合振動子（蔵本モデル）の物理で画像を生成する。仕組みとFID 6.74の実力、GPU比1000倍の省電力がまだ未実証な点を、動かせる同期デモ付きで整理する。

富士通PHOTONの「最大475倍」をarXiv論文のTPMと1.2B評価条件から読む。単発が速いのではなく、品質を少し落としてGPUメモリあたりの生成量を増やし、9クエリー統合でTransformer水準に戻すマルチクエリー前提の数字だった。

けい・かな・こはるの3キャラを1本のAnima(Qwen-DiT) LoRA(rank256・294枚)に合体し、学習を初めてBlackwell(RTX 5090, sm_120)で走らせた実機ログ。4090から差し替える環境スタック(cu128/torch2.8/SDPA)、最弱キャラがキャプション非対称で他キャラに吸収される原因と直し方、ControlNetなしでトリガーのみ＋ep143で密着3人を描き分けるまで。AnimaやQwen-DiTでマルチキャラLoRAを学習する人向け。

AMD Radeon 8060S（EVO-X2 / Strix Halo / 48GB UMA）でローカルWan動画生成を実走。ZLUDAは公式PyTorchと非互換で全滅し、AMD TheRockのgfx1151ホイールでネイティブROCmが動いた。FastWan 1.3Bは4分、Wan 14B I2Vは13.6分、ボトルネックはVAEデコードと16GB RAMのSegfault。

RTX 4060 Laptop 8GBでFramePack F1を実走。VRAMは5.75GBしか使わないのに、26GBのモデルが32GB RAMに収まらずページファイルへ溢れ、5秒の生成に56分かかった。ノートPCでローカル動画生成をやるときの本当のボトルネックはVRAMでなくRAM、という実機検証。

2026年6月公開のKrea 2 Raw/TurboをM1 Max 64GBのComfyUIで実機検証。12B DiTはbf16なら載りTurboは約3分半/枚で回るが、fp8拡散はMPSで弾かれ、Raw（52step+CFG3.5）は47分かけてNaNで黒画像になった。速度・メモリ・写実/アニメ/文字の品質、NSFWの通り具合とアンフィルターノードの実際、ライセンスまで。

PLaMo 3.0 Prime・Sakana Fugu・LLM-jpの3つの作り方を比較。重みをゼロから作る/全部公開する/作らず司令塔で外部モデルを束ねる違いを、Fuguの仕組みとOpenRouterとの差まで技術的に整理した。