アリババクラウドは、最新のAI画像生成モデル「通義万相（Tongyi Wanxiang）」を発表した。アリババクラウドの知識整理、視覚AI、自然言語処理（NLP）における先駆的なテクノロジーを搭載した最新モデルで、現在中国の企業顧客向けにベータテストを提供中。

「通義万相」は中国語や英語のテキストプロンプトに対応し、水彩画、油彩画、中国画、アニメーション、スケッチ、フラットイラスト、3D漫画など、さまざまなスタイルの画像を生成する。任意の画像を類似したスタイルの新しい画像に変換したり、スタイル転送によって画像をスタイリッシュに変化させたりすることも可能。これにより、元の画像の内容を保持しながら、別の画像の視覚スタイルを適用することができる。

画像合成の品質と創造性を維持しながら、空間レイアウトやパレットなどの最終的な画像出力をより細かく制御が可能とのこと。

通義万相のデモビデオ

Prompt - Picture a cityscape at twilight, a world merging modern architecture with the evocative aesthetics of anime.

Prompt - Beautiful nature superimposed into an infinite loop sign with bright colours.

Prompt - Immersive, captivating, grayscale coloring, featuring a tiger in the tranquil mandala forest. (後略）

Prompt - A six-year-old girl beautiful and exquisite Chinese-style Hanfu is displayed in front of a clothes rack.（後略）

アリババクラウドはさらに、言語、視覚、音声領域にわたる複雑で専門的なAIタスクの達成を支援するために設計された汎用フレームワークである「ModelScopeGPT（モデルスコープGPT）」も発表。ModelScopeは、アリババクラウドが昨年導入したオープンソースのモデル・アズ・ア・サービスプラットフォームであり、900以上のAIモデルを搭載している。

ModelScopeGPTは、LLMをコントローラとして使用し、ModelScopeオープンソースコミュニティ内の広範なドメイン固有のエキスパートモデルに接続する。企業や開発者は、ModelScopeGPTを無料で利用し、多言語ビデオの開発など、ユーザーのリクエストに基づいて高度なAIタスクを実行するための最適なモデルにアクセスし、実行することができるという。

アリババクラウドは、今年4月にLLM「通義千問」をリリース。将来的には、通義千問をアリババのさまざまなビジネス全体に統合し、ユーザーエクスペリエンスを向上させる予定だ。同モデルの発表以来、フィンテック、エレクトロニクス、輸送、ファッション、乳業など、幅広い分野の企業から30万件を超えるベータテストの依頼が寄せられているとのこと。

また、通義千問はアリババクラウドのインテリジェント・アシスタント「聴悟（Tingwu）」にも統合され、アシスタントがマルチメディアコンテンツを高い精度と効率で理解・分析できるようになった。発売以来、36万人以上のユーザーがこのAIアシスタントにアクセスしている。

アリババクラウド・インテリジェンスの最高技術責任者（CTO）の周 靖人（Jingren Zhou）は、「通義万相のリリースにより、高品質な生成AI画像がより身近になり、Eコマース、ゲーム、デザイン、広告など、幅広い分野で革新的なAIアートやクリエイティブな表現の開発が進むだろう。また、コンテストやその他のコミュニティイベントを開催することで、より多くの開発者や起業家と関わることができ、彼らのアイデアを実現し、生産性の向上、産業の未来変革をはじめ、より汎用性の高いAIツールの作成を促進したい」とさらなる開発への意欲を見せている。

プレスリリースはこちら

通義万相のHPはこちら

通義万相のデモビデオ

ModelScopeGPT

Composer

Top Image : © アリババ 株式会社