Kohya Tech

Musubi Tunerに引き続き、sd-scriptsについても、AiHUB様からスポンサーシップをいただきました、重ねてのご支援に深く感謝いたします。ありがとうございます！　 #sponsors" target="_blank" rel="nofollow noopener">github.com/kohya-ss/sd-sc…

Workflow事前に公開していますが、LTX-2.3 Sora2化計画の全貌です。Prompt出力だけなのでGrok Imagineやその他動画生成サービスでも有効。System Promptの活用例…とも言えます(笑) 興味のある人は是非♪ pc.watch.impress.co.jp/docs/column/ni…

Last month we launched Lyria 3. Today, we’re introducing Lyria 3 Pro: our most advanced music model yet, from @GoogleDeepMind. 🎶 Now you can create tracks up to 3 minutes long with more creative control. We’re also bringing Lyria to more Google products starting today.

動画生成プラットフォームを運用してた立場から言うと、動画生成は開発用GPUを運用に回すぐらいのことをしないと、成り立たないぐらい、計算量が必要なんですよ。Sora終了はLLM開発を優先するには十分な理由なんです。

【注意】LLM関わるソフトウェアあちこちで利用される Pythonパッケージ「LiteLLM」、SSHキーやクラウドクレデンシャルをぶっこ抜くマルウェア（infostealer）が仕込まれているバージョンが数時間公開されていました。今のところ1.82.7、1.82.8が影響範囲です。ご確認を🙇 github.com/BerriAI/litell…

数字4桁入力するだけ高難度ローグライト『PASSIS』無料公開され一躍話題に。“ChatGPTなどと一緒に遊ぶの推奨”な頭脳フル回転ハッキング automaton-media.com/articles/newsj…

ただでさえ遅かったのにずいぶん遊んでしまった(;･∀･)　明日は少し時間取れるはず……。

passis #16 超えられなかった(;･∀･)

PyTorch 2.11 is now available, featuring 2,723 commits from 432 contributors since PyTorch 2.10. This release prioritizes performance scaling for distributed training and next-generation hardware architectures. Highlights include a FlashAttention-4 backend for FlexAttention on Hopper and Blackwell GPUs, Differentiable Collectives for distributed training, and performance optimizations for Intel GPUs via XPU Graph. This release also delivers comprehensive operator expansion for Apple Silicon (MPS) and RNN/LSTM GPU export support. 🖇️ Read the PyTorch 2.11 release blog and release notes: pytorch.org/blog/pytorch-2… #PyTorch #OpenSource #AIInfrastructure

AI Toolkit now supports fine tuning @Lightricks @ltx_model LTX 2.3. As always, let me know if you run into any issues. github.com/ostris/ai-tool…

qinglong-captions is now updated to version 4.2.1! Thanks to the efforts of codex and cluadecode, it now boasts a decent GUI. It supports multiple languages, mainstream APIs/OCR/VLM models, and Taggers Tool add text translation model and audio_separator model (better than UVR5)

Oh, I forgot to mention, Chenkin Lab team's open-source anime model, Chenkin noob V0.5, is about to be released, open source.

こちら、GENIACで私たちが開発したMoEによる動画生成のノウハウになります。世界でもまだ公開されていないと思いますので、ぜひ参考にしてください。

issueを一件つぶすのに1時間くらい掛かってしまった……(;･∀･)

NVIDIAが程よいサイズのローカルLLMを出している huggingface.co/nvidia/Nemotro…

物理世界とのインタラクションが大変なので、PC内にゲームを再現して、人間プレイヤー側もそこに参加するのが当たり前だけど楽だ(;･∀･)

Webカメラと衝立（カードを立てる）で、AIエージェントに物理カードゲームのプレイヤーとして参加してもらう、というのを試してたけど、工夫すれば行けそう。

ChatGPTのメルアドが変更できない（このアカウントでは無理、とサポートに言われた）ので、新しくFreeのChatGPTアカウントを作って、Codex Open Source Programに応募した。

ちょっと前にClaude Code+Opus 1Mで50万文字の小説を読ませたら、結局サブエージェントに読ませて自分のコンテキストは100Kくらいしか使ってなかった(;･∀･)　そしてサブエージェントが読んだ分でProの5時間使用枠を80%くらい消費した(;･∀･)

@gcem156 それができるとコンテキストをかなり節約できそうですね……。

@kohya_tech でかいファイルとか画像を直接読み込む前に、ローカルLLMに聞いてみる とかなんですかね〜よく分かりせんが

claude codeにllama.cpp使わせてトークン量圧縮とかできるのかな サブエージェントってやつ？とは違うのかな よーわからん

Qwen Image 2.0、オープンソース化取りやめへ。 当初オープンソースを示唆のタグが、ウェブサイトでクローズド製品用「Release」へ変更。 背景にアリババの収益化方針。 7Bモデルはローカル利用に最適と期待されたが、有料モデル競争力に疑問の声。 コミュニティに失望広がる。 #QwenImage #AIモデル URLはリプ⬇️