# 軽量モデル

LiteAvatarは、リアルタイムチャットシーン向けの音声駆動型リアルタイム2Dアバター生成モデルです。 高効率の音声認識と口型パラメータ予測技術と軽量な2D顔生成モデルを組み合わせることで、CPUのみのデバイスで30fpsのリアルタイム推論を実現します。主な利点としては、高効率の音声特徴抽出、軽量なモデル設計、モバイルデバイスへの高い親和性などが挙げられます。リアルタイムなインタラクションが必要な仮想アバター生成シーン、例えばオンライン会議やバーチャルライブなどに適しており、リアルタイムインタラクションと低ハードウェア要件へのニーズに基づいて開発されました。現在、オープンソースで無料で提供されており、高効率で低リソース消費のリアルタイムアバター生成ソリューションを目指しています。

SmolLM2は、1.35億、3.6億、および17億パラメーターのバリエーションを持つ軽量な言語モデルシリーズです。これらのモデルは、軽量性を維持しながら幅広いタスクに対応でき、特にデバイス上での実行に適しています。17億パラメーター版のモデルは、命令の遵守、知識、推論、数学において、前世代のSmolLM1-1.7Bと比べて顕著な進歩を見せています。FineWeb-Edu、DCLM、The Stackなど複数のデータセットを用いて訓練されており、UltraFeedbackを用いた直接選好最適化（DPO）も行われています。このモデルは、テキストの書き換え、要約、機能呼び出しなどのタスクにも対応しています。

Gemma-2-9b-itは、Googleによって開発された、軽量で最先端のオープンソースモデルのシリーズです。Geminiモデルと同じ研究と技術に基づいて構築されており、テキストからテキストへのデコーダーのみの大規模言語モデルです。英語で提供され、質疑応答、要約、推論など、多様なテキスト生成タスクに適しています。比較的サイズが小さいため、ノートパソコン、デスクトップ、個人クラウドインフラストラクチャなどのリソースが限られた環境でも展開でき、高度なAIモデルの普及とイノベーションを促進します。

Gemma 2は、Googleが開発した一連の軽量で高度なオープンモデルであり、Geminiモデルと同じ研究と技術に基づいて構築されています。これらは、テキストからテキストへのデコーダーのみの大規模言語モデルで、英語のみのバージョンが提供され、オープンウェイトを備え、事前学習済みバリアントと指示調整バリアントに使用できます。Gemmaモデルは、質問応答、要約、推論など、さまざまなテキスト生成タスクに非常に適しています。比較的小さいサイズにより、ノートパソコン、デスクトップ、または独自のクラウドインフラストラクチャなど、リソースの限られた環境への展開が可能になり、高度なAIモデルへのアクセスを民主化し、すべての人々のイノベーション促進に役立ちます。

MotionFollowerは、動画モーション編集のための軽量なスコア誘導拡散モデルです。2つの軽量な信号コントローラーを使用して、ポーズと外観をそれぞれ制御し、負荷の高いアテンション計算は行いません。本モデルは、再構成と編集の2つのブランチからなるアーキテクチャに基づいてスコア誘導の原則を設計しており、テクスチャの詳細と複雑な背景のモデリング能力を大幅に向上させています。実験の結果、MotionFollowerは、最先端のモーション編集モデルであるMotionEditorと比較して、GPUメモリ使用量が約80％削減され、同時に優れたモーション編集性能を提供し、広範囲なカメラモーションとアクションを独自にサポートすることが明らかになりました。

Gemma-2B-ITは、Googleが開発した2Bパラメーターの指示調整モデルです。Geminiアーキテクチャに基づいており、数学、推論、コード処理能力の向上に特化して設計されています。一般的なノートパソコンでも動作し、大規模なAI計算能力は必要ありません。そのため、幅広い用途に使用できます。