#AI

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。

LingBot-World：Ant Groupがオープンソース化したリアルタイムワールドモデル

Ant Group傘下のRobbyantが公開したLingBot-Worldは、1枚の画像からリアルタイムでインタラクティブな映像を生成するワールドモデル。従来の動画生成AIとの違い、技術的特徴、Apple Silicon対応状況を整理した。

NovelAI精密参照をローカルで再現する方法を調べた — ComfyUI + IP-Adapter

NovelAIの精密参照（キャラ参照+絵柄参照）をComfyUI + IP-Adapterでローカル再現するための下調べ。セットアップ手順とパラメータ設定をまとめた。

planning-with-files: Manus風プラン管理をClaude Codeに導入するスキル

ファイルシステムを拡張メモリとして使い、セッション間で計画・調査・進捗を引き継ぐ手法を解説

TJ_ComfyUI_HashRecorder - 「ブロックチェーン風」著作権保護ツールの実態

ComfyUI向けの著作権保護ツールを調べたら、ブロックチェーンと名乗りつつ実態はローカル完結だった話

ACE-Step：ローカルで動く音楽生成AI基盤モデルを調べた

音楽版Stable Diffusionを目指すACE-Stepについて、M1 Maxで試す前の下調べとしてまとめた。アーキテクチャ、機能、インストール手順など。

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。

Z-Image-Distilled — 蒸留で高速化しても多様性を維持したZ-Image派生モデル

Z-Imageを蒸留で高速化したZ-Image-Distilledの概要。FLUX.1 Schnellとの違い、M1 Max 64GBでの動作、LoRA互換性についてまとめた。

FLUX.2 Klein — 9Bパラメータの軽量画像生成モデルとApple Silicon対応状況

Black Forest LabsのFLUX.2 Klein 9Bモデルの概要と、M1/M2/M3/M4 Macでの動作についてまとめた。メモリ帯域幅やFP8量子化など、CUDA vs MPSの性能差の要因も解説。

Agent Lightning: MicrosoftのAIエージェント強化学習フレームワーク

Microsoftが公開した、ほぼコード変更なしであらゆるAIエージェントを強化学習で最適化できるフレームワーク。LangChain、AutoGen、Claude Agent SDKなど任意のフレームワークに対応。

KugelAudio - 7BパラメータのオープンソースTTS（ComfyUI対応）

ヨーロッパ24言語対応、ボイスクローン機能付きのText-to-Speech。ElevenLabsを上回るベンチマーク結果を出したオープンソースモデル。

OpenRouterの無料モデルとFreeルーターを調べた

OpenRouterが提供する無料モデルの仕組み、レート制限、エージェント利用時の注意点についてまとめた