Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

NVIDIA は、デジタル ヒューマンの能力を強化することを目的とした新しい一連の小規模言語モデル (SLM) を発表しました。より関連性の高い回答を提供する大規模コンテキスト モデルや、画像を入力として受け入れるマルチモーダル モデルなど、これらのモデルは、エージェント、アシスタント、アバターを動かすために設計されたテクノロジのコレクションである NVIDIA ACE を通じて利用できるようになりました。

NVIDIA Nemovision-4B-Instruct モデルは、デジタル ヒューマンが現実世界と Windows デスクトップからの視覚情報を解釈し、より適切な応答を行えるようにするマルチモーダル SLM として際立っています。このモデルは、開発者が求める精度を損なうことなく、さまざまな NVIDIA RTX GPU で効率的に実行できるように最適化された NVIDIA VILA および NVIDIA NeMo フレームワークを活用しています。マルチモーダル アプローチは、ユーザーの介入を最小限に抑えて、推論し、独立して行動できるデジタル ヒューマンを作成するために不可欠です。

より複雑なクエリに対応するため、NVIDIA は、膨大なデータ入力を処理できる大規模コンテキスト SLM の新しいファミリを導入しました。8B、4B、2B のパラメータを備えたバージョンを備えた Mistral-NeMo-Minitron-128k-Instruct シリーズは、NVIDIA RTX AI PC での速度、メモリ使用量、精度のバランスをとるように調整されています。これらのモデルは、単一のパスで大規模なデータセットを処理できるため、データのセグメント化と再構築の必要性が減り、精度が向上する可能性があります。

これらの進歩に加えて、NVIDIA は Audio2Face-3D NIM マイクロサービスを更新し、よりカスタマイズ可能で簡単に導入できる形式で、リアルタイムのオーディオ駆動型リップシンクと顔のアニメーションを提供するようになりました。さらに、NVIDIA は、NVIDIA RTX AI PC へのデジタルヒューマンの導入を効率化するための新しいSDKプラグインとサンプルを発表しました。音声認識や Unreal Engine 5 サンプルアプリケーションを含むこれらのツールは、現在ベータ版の NVIDIA In-Game Inference SDK上に構築されており、開発者はすぐに使用を開始できます。