01 / UNDERSTAND
仕組みと使いどころ
この資料では、次の単語を予測する自己回帰型Transformerの考え方を音声・映像へ広げ、次の音声トークンと視覚トークンを予測するモデルを指す。声の調子、表情、ためらいなどを読み取り、見る、聞く、推論する、話す、表現するといった処理を同時かつリアルタイムに行うことを目標としている。一般的に確立した分類というより、同社が開発中の対話モデルを表す呼称である。
02 / IN PRACTICE
Human Foundation Modelの活用例
たとえば、こんな場面で
相手の声や表情に反応し、相づちやうなずきを交えながら対面形式で案内する用途が考えられる。
03 / GOOD TO KNOW
使うときのポイント
完成済みの一般技術とみなさず、資料上で開発中の機能と実際に提供される能力を区別する。
参考資料
Nuance Labs （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。