AIモデル情報.
変化を追い、更新の意味を読み解く。
百度 ERNIE-Wizshot-ME:静止画と音声からトーキングヘッド動画を生成する仕組み
2026年11月12日、百度(Baidu)は「Baidu World 2026」の開幕式にて、人物のクローズアップ表現に特化した動画生成モデル「ERNIE-Wizshot-ME(文心一鏡微表情大模型)」を紹介した。Baidu Cloud 千帆(Qianfan)の製品ページおよびAPIリファレンス(ドキュメント更新日:11月11日)に仕様と料金が掲載されている。
最新の記事04
公開日順百度 ERNIE-Wizshot-ME:静止画と音声からトーキングヘッド動画を生成する仕組み
2026年11月12日、百度(Baidu)は「Baidu World 2026」の開幕式にて、人物のクローズアップ表現に特化した動画生成モデル「ERNIE-Wizshot-ME(文心一鏡微表情大模型)」を紹介した。Baidu Cloud 千帆(Qianfan)の製品ページおよびAPIリファレンス(ドキュメント更新日:11月11日)に仕様と料金が掲載されている。
BaiduがERNIE 5.5 Flash Previewをernie-5.5-flash-previewとして公開、Flash Baseに基づく初のポストトレーニング中間版で、千帆APIが利用可能、コンテキスト長は1M
Baiduは2026年11月11日、先に公開された ERNIE 5.5 Flash Base を基にした初のポストトレーニング版として ERNIE 5.5 Flash Preview を発表した。正式なモデルIDは ernie-5.5-flash-preview。総パラメータ 280B、アクティブ 14B、コンテキスト長は 1M トークン。公式にはポストトレーニング中の中間チェックポイントとされ、訓練はまだ終わっておらず、正式版でさらに改善するとしている。APIはすでに百度の千帆プラットフォームで利用でき、テキスト生成と深度思考の両方に掲載されている。千帆の従量課金の公式価格は元/千tokens(ドキュメント更新日 2026-11-10)で、ピーク 8:00–22:00 とオフピーク 22:00–翌日 8:00 に活動価と原価がある。料金表に時区の記載はない。英語の発表は、重みを Apache 2.0 ですぐにオープンソースすると述べており、現時点では公開されていない。公式のベンチマーク図と完全な結果表も公開されている。既存の Flash Base 記事とは別件で、今回扱うのは Preview の API 公開である。
ERNIE-5.5-Flash-Baseを業務用AIに育てる前に確認したいこと
百度が公開したERNIE-5.5-Flash-Baseは、独自の言語モデルを開発するチーム向けの基盤モデルだ。業務に導入するには、用途に合ったデータの準備と追加学習、評価、運用体制の整備が必要になる。 公式説明によると、今回のBaseモデルは事前学習終了時点のチェックポイントで、中間学習や事後学習は行われていない。分野への適応や指示チューニングの土台として利用できる。
百度が Unlimited OCR 2 をオープンソース化:超長文書を一括解析
2026年10月27日、百度はUnlimited OCR 2をMITでオープンソース化(Hugging Face/GitHub、約3.3B)。SR-SWAにより超長のtext-visual attentionを固定サイズのworking referencesへ圧縮し、文書が長くなってもステップあたりの遅延をほぼ一定に保つと説明する。MPDocBench/MarathonDocBenchのSOTAはベンダー自己報告。infer_multiで複数ページを1リクエスト解析でき、TransformersとSGLangに対応。