1765886428
2025-12-16 11:22:00
|
2025 年 12 月 16 日発行
今週、Alibaba が新たにオープンソース化した CosyVoice 3 は 9 つの言語をサポートし、複数の確立されたベンチマークにわたって SOTA パフォーマンスを達成しました。 AgentScope は、実稼働グレードの AI エージェントの開発と展開をより適切にサポートするためのアップグレードをリリースします。一方、スケーラブルで安全な、本番環境に対応した AI を活用した開発を企業に提供するために、Teams プランが開始されました。
アリババ、多言語ゼロの CosyVoice 3 をオープンソース‑最先端の音声合成を進化させるショットスピーチモデル
アリババはオープンソース化した コージーボイス 3、コンテンツの一貫性、話者の類似性、韻律の自然さの点で以前のモデルを大幅に上回る多言語音声合成モデルです。
の中心にあるのは、 モデル です 斬新な音声トークナイザー 自動音声認識 (ASR)、音声感情認識、言語識別、音声イベント検出、話者分析など、幅広い音声理解および分析機能を強化します。さらに、このモデルでは、 新しい微分可能報酬最適化 (DiffRO) メソッド トレーニング後の音声トークンを直接最適化します。この技術は、大規模言語モデル (LLM) ベースの音声合成モデルに特に有効であり、より正確で表現力豊かな音声生成が可能になります。
の広大なデータセットでトレーニング 100万時間のオーディオ、モデルには 2 つのバリエーションがあります—5億と15億をフィーチャー パラメータ、 それぞれ。 CosyVoice 3 がサポート 9つの言語 英語、中国語、ドイツ語、スペイン語、フランス語、イタリア語、日本語、韓国語、ロシア語が含まれます。確立された複数のベンチマークにわたって最先端 (SOTA) パフォーマンスを実現します。
ゼロショット音声生成モデルとしての CosyVoice 3 は、多言語の高忠実度音声合成において大きな進歩を遂げ、仮想アシスタント、オーディオブック/ポッドキャストのナレーション、カスタマー サービスの自動化、短いビデオやゲームのナレーション制作、教育現場でのインタラクティブな対話の生成など、現実世界のシナリオにおける、より多用途で自然でコンテキストを認識した音声アプリケーションへの道を切り開きます。
世界中の開発者が次のモデルにアクセスできるようになりました。 ハグフェイス、 ギットハブ そして モデルスコープ でモデルを体験してください デモ サイト。
CosyVoice3 はコンテンツの一貫性において優れたパフォーマンスを実現します
Alibabaw Tongyi Labが発表 AI エージェント開発フレームワークである AgentScope へのアップグレード、より広範なアプリケーション シナリオ、より強力なインフラストラクチャ、および実稼働グレードの AI エージェントの開発と展開をより適切にサポートする実稼働準備の向上に焦点を当てています。
アプリケーション側では、AgentScope は、詳細な調査、ブラウザの使用、計画などの基本的な機能の提供から、すぐに使用できるシナリオに最適化されたエージェント アプリケーションの提供まで進化しました。例えば、 エイリアス は、一般モードと特殊モード (財務分析、データ サイエンスなど) を動的に切り替え、ワンクリックのローカル展開をサポートし、ドメイン固有のソリューションのカスタマイズ可能なテンプレートとして機能する、本番環境に対応したエージェントです。 エボトレーダーズ 現実世界の投資チームをシミュレートし、ReMe メモリー システムを使用して戦略を洗練します。 Alias と EvoTraders はどちらも、ツールセット、プロンプト、オーケストレーション ロジックを構成するための高度にカスタマイズ可能なインターフェイスを提供し、すぐに使用したり、独自のツール、データ、ビジネス ワークフローを統合するために拡張したりできます。
AgentScope は、基礎層で、エージェントが複雑なタスクの機能を柔軟に構成できるプラグアンドプレイの動的スキル フレームワークであるエージェント スキルを導入します。また、デュアルビュー メッセージ ストリーム、ReAct 状態トレース、デバッグ効率と開発者のエクスペリエンスを向上させる OpenTelemetry 統合を備えたビジュアル開発環境である AgentScope-Studio も導入されています。
導入に関して、AgentScope-Runtime v1.0 では、使いやすさと柔軟性のバランスをとる「ホワイトボックス」パラダイムを導入しています。開発者は、シンプルさを犠牲にすることなく、エージェント アプリケーションのライフサイクルを正確に制御できるようになりました。ランタイムはマルチエージェントのコラボレーションをネイティブにサポートし、セッション、メモリ、ツールキットのカスタマイズ可能な共有を可能にして効率的な調整を可能にし、フレームワーク間のオーケストレーションも可能にして開発から運用までの一貫性を確保します。また、複数のタイプで構成されるサンドボックス マトリックスも備えており、さまざまなデバイス タイプにわたるローカル環境とクラウド環境をカバーし、ブラウザ制御、ファイル操作、モバイル オートメーションの安全かつ分離された実行を提供し、すべて MCP ベースの拡張性を備えています。
AgentScope エコシステムには、瞬時に視覚的に対話できる組み込み Web UI を備えた SparkChat と、エンタープライズ Java スタック用の AgentScope-Java v1.0 も含まれています。
最新の AgentScope アップグレードは現在、以下で一般公開されています。 GitHub、企業や開発者に、より堅牢で実稼働対応のエージェント開発エコシステムへのアクセスを提供します。
Qoder がエンタープライズ グレードの AI コーディングを加速する Teams プランを開始
実際のソフトウェア開発用に構築されたエージェント コーディング プラットフォームである Qoder がリリースされました コーダーチーム– スケーラブルで安全な、本番環境に対応した AI を活用した開発をさまざまな規模の企業に提供することを目的とした新しい計画です。
Teams プランは、高度なナレッジ サービス、強化されたコンテキスト認識、仕様主導の開発などのエンタープライズ グレードの機能を提供します。また、Qoder IDE、JetBrains IDE 用の Qoder プラグイン、Qoder CLI などの柔軟なツール スイートも提供し、多様なチーム ワークフローや既存の開発環境にシームレスに統合します。
主要なエンタープライズ機能により、一元的な請求、シングル サインオン (SSO) の統合、共有クレジット プールの今後のサポートなど、サービスがさらに強化されます。この今後の機能により、組織は AI クレジットをまとめて購入し、チーム間で動的に割り当てることができるようになり、使用量ベースの柔軟なリソース管理が可能になります。
AI 機能を開発環境に統合することで、Qoder はエンジニアリング チームがセキュリティやコードの品質を損なうことなく、コーディングを合理化し、コンテキストの切り替えを減らし、配信を加速できるように支援します。
#ニュースまとめ #多言語 #CosyVoice #3本番グレードの #エージェント向けにアップグレードされた #AgentScopeエンタープライズ対応 #コーディング