今回リリースされたGoogle公式ブログは「Gemma 2 is now available to researchers and developers」というタイトルで、クレメント・ファラベット（Google DeepMindリサーチ担当副社長）、トリス・ワーケンティン（Google DeepMindディレクター）によるものです。
記事中でGemini AI Studio でりようできるとありましたので早速、試してみました。 以下、AICU media編集部の操作による Gemini AI Studio で Gemma2による翻訳でお送りします。
あらゆるハードウェアでの高速推論: Gemma 2は、高性能なゲーミングノートパソコンやハイエンドデスクトップからクラウドベースのセットアップまで、さまざまなハードウェアで驚異的な速度で動作するように最適化されています。Google AI Studioで完全精度でのGemma 2を体験したり、Gemma.cppを使用してCPUで量子化バージョンをアンロックしたり、Hugging Face Transformers経由でNVIDIA RTXまたはGeForce RTX搭載の家庭用コンピューターで試すことができます。
Jun 27, 2024 • #GoogleIO#GoogleIO2024 While many early large language models were predominantly trained on English language data, the field is rapidly evolving. Newer models are increasingly being trained on multilingual datasets, and there’s a growing focus on developing models specifically for the world’s languages. However, challenges remain in ensuring equitable representation and performance across diverse languages, particularly those with less available data and computational resources. Gemma, Google’s family of open models, is designed to address these challenges by enabling the development of projects in non-Germanic languages. Its tokenizer and large token vocabulary make it particularly well-suited for handling diverse languages. Watch how developers in India used Gemma to create Navarasa — a fine-tuned Gemma model for Indic languages. Subscribe to Google for Developers → https://goo.gle/developers
2024 年 6 月 27 日 #GoogleIO#GoogleIO2024 初期の大規模言語モデルの多くは主に英語のデータでトレーニングされていましたが、この分野は急速に進化しています。新しいモデルはますます多言語データセットでトレーニングされており、世界の言語に特化したモデルの開発に重点が置かれています。しかし、特に利用可能なデータや計算リソースが少ない言語では、多様な言語間で公平な表現とパフォーマンスを確保するという課題が残っています。 Google のオープン モデル ファミリーである Gemma は、非ゲルマン語のプロジェクトの開発を可能にすることで、これらの課題に対処するように設計されています。そのトークナイザーと大規模なトークン語彙により、多様な言語の処理に特に適しています。インドの開発者が Gemma を使用して Navarasa を作成した様子をご覧ください。これは、インド系言語向けに微調整された Gemma モデルです。 Google for Developers に登録する → https://goo.gle/developers
Easy, Simple, High Quality (with a slight trade-off in variety) blue_pencil-XL meets ANIMAGINE XL 3.0 / ANIMAGINE XL 3.1 License: Fair AI Public License 1.0-SD You should share the merge recipe if you release a model merged with anima_pencil-XL. This license does not add any restrictions on your generated images. For more details, please see the license section of ANIMAGINE XL 3.0. Please see the “About this Version” section for information on each version. `No generation services` only apply to v2.0.0 HuggingFace: https://huggingface.co/bluepen5805/anima_pencil-XL Why not merge ANIMAGINE XL 3.X into blue_pencil-XL? I want to provide blue_pencil-XL under the CreativeML Open RAIL++-M license.
このモデル「Anima_pencil-XL」は ANIMAGINE XL 3.0（CreativeML Open RAIL++-M）ではなく、ANIMAGINE XL 3.1と同じFair AI Public License 1.0-SDで配布されています。 つまりぶるぺん氏のオリジナル「blue_pencil-XL」をベースモデルであるSDXLと同じ「CreativeML Open RAIL++-M」で配布し続けつつ、その学習に使ったデータセットをANIMAGINE 3.0と3.1の表現能力を有した別モデルとして提供するという試みと理解します。
ぶるぺん氏によるサンプル画像とプロンプト
1girl, solo, cute, white short hair, red eyes, wizard hat, close-up, dynamic angle, smug face, :3, (drooling:0.6), (“I AM RICH”:1.2) printed shirt, pleated long skirt, pantyhose, holding bills, hand on own hip, floating, scattered bills, gambling, crowd, light particles, sparkles, depth of field, masterpiece, best quality, masterpiece, best quality
squid on the ground in the dark
ぶるぺん氏は、美少女だけでなく、このような愛らしいキャラクターを普段はよく生成されております。
1girl, solo, armpits, belt, black background, black belt, black dress, blue background, blunt bangs, brown hair, buttons, closed mouth, dress, gun, hand up, handgun, holster, holstered, light smile, looking at viewer, one eye closed, red eyes, revolver, short hair, upper body, utility belt, v, v-shaped eyebrows, watch, masterpiece, best quality
1girl, solo, indoors, black background, black hair, blue eyes, blunt bangs, bob cut, breath, brown coat, coat, duffel coat, eyelashes, fur trim, fur-trimmed hood, gradient hair, green hair, hood, looking at viewer, looking back, medium hair, multicolored eyes, multicolored hair, parted lips, pink eyes, streaked hair, upper body, winter clothes, winter coat, masterpiece, best quality
a man and woman are standing together against a backdrop, the backdrop is divided equally in half down the middle, left side is red, right side is gold, the woman is wearing a t-shirt with a yoda motif, she has a long skirt with birds on it, the man is wearing a three piece purple suit, he has spiky blue hair（例を見る）
a man wearing 1980s red and blue paper 3D glasses is sitting on a motorcycle, it is parked in a supermarket parking lot, midday sun, he is wearing a Slipknot t-shirt and has black pants and cowboy boots （例を見る）
a close-up half-portrait photo of a woman wearing a sleek blue and white summer dress with a monstera plant motif, has square white glasses, green braided hair, she is on a pebble beach in Brighton UK, very early in the morning, twilight sunrise（例を見る）
a man and woman are standing together against a backdrop, the backdrop is divided equally in half down the middle, left side is red, right side is gold, the woman is wearing a t-shirt with a yoda motif, she has a long skirt with birds on it, the man is wearing a three piece purple suit, he has spiky blue hair
Stable Image Ultra 1メガピクセル生成（以下、Ultra） Stable Image Core 1.5メガピクセル生成（以下、Core） Stable Diffusion 3 Large 80億パラメータモデル（以下SD3L） Stable Diffusion 3 Medium 20億パラメータモデル（以下、SD3M）
左上がSD3L、右上がUlta、左下がSD3LとUltraの合成、右下が3Mです。UltraとSD3LはAPIではなく文字プロンプトでスタイルを指定し、共通のシードでは同じような絵が出る傾向があります。 技術チームの印象としては、「cinema, analog filmなどの実写スタイル、SD3LとUltraの間での比較を商業的価値でレビューしてみてほしい」という所見を頂きましたので挑戦していきます。
Stable Image Ultra 1メガピクセル生成（以下、Ultra） Stable Image Core 1.5メガピクセル生成（以下、Core） Stable Diffusion 3 Large 80億パラメータモデル（以下SD3L） Stable Diffusion 3 Medium 20億パラメータモデル（以下、SD3M）
左上がSD3L、右上がUlta、左下がSD3LとUltraの合成、右下が3Mです。UltraとSD3LはAPIではなく文字プロンプトでスタイルを指定し、共通のシードでは同じような絵が出る傾向があります。 技術チームの印象としては、「cinema, analog filmなどの実写スタイル、SD3LとUltraの間での比較を商業的価値でレビューしてみてほしい」という所見を頂きましたので挑戦していきます。
ベースとなった共通プロンプト： {style*} best quality, trending on art station, looking at viewer, 1girl has a panel which is written [AICU], V-sign , in Shibuya crossroad
今回は最終的に動画を作ることになりましたので、もし同じ実験を追従される方がいらっしゃいましたら、生成時間の測定、連番ファイルでの生成やデータベースとの連動なんかも考えてみるとその後の活用がしやすいのかなと思いました。特に生成時間はローカルGPUや Google Colabでの生成と比較しても非常に高速で、数秒です。これ自身が価値あると考えます。
映像制作目的では、Google Apps Script + Google Slidesでのバリエーション広告での活用事例などもご参考にいただければ幸いです。AICU AIDX Labとしては、カスタマイズ依頼も歓迎です。
この画像の場合には、ファイル名が analog-film style, best quality, trending on art station, looking at viewer, 1girl has a panel which is written [AICU], V-sign , in Shibuya crossroad_14117_1_Ca.png となっています。
modeling-compound style, best quality, trending on art station, looking at viewer, 1girl has a panel which is written [AICU], V-sign , in Shibuya crossroad_9240_5_Ca.png こちらもCa、つまりCoreAPIでプロンプト指定によって生成されています。CoreAPIには文字を描く能力はないはずですが、胸には「ACU」の文字が確認できます。指は本数は5本できちんとVサインをしていますが、掌と親指がちょっと怪しげな結果です。しかしこのぐらいであればPhotoshopや image to image で修正できる可能性は高いと考えます。
