<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>AIディベロッパーblog</title>
	<atom:link href="https://aidev.bluegarage.site/blog/feed/" rel="self" type="application/rss+xml" />
	<link>https://aidev.bluegarage.site/blog</link>
	<description>AI技術を使った様々な開発のTIPSや技術のブログです</description>
	<lastBuildDate>Wed, 07 Oct 2026 02:01:05 +0000</lastBuildDate>
	<language>ja</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>Stable Diffusionのもっとも単純な学習プログラムを作って動かしてみる</title>
		<link>https://aidev.bluegarage.site/blog/2026/10/07/stable-diffusion%e3%81%ae%e3%82%82%e3%81%a3%e3%81%a8%e3%82%82%e5%8d%98%e7%b4%94%e3%81%aa%e5%ad%a6%e7%bf%92%e3%83%97%e3%83%ad%e3%82%b0%e3%83%a9%e3%83%a0%e3%82%92%e4%bd%9c%e3%81%a3%e3%81%a6%e5%8b%95/</link>
				<pubDate>Wed, 07 Oct 2026 01:29:14 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[CUDA]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9805</guid>
				<description><![CDATA[Stable Diffusion の仕組みを理解するには、実際に小さなモデルを自分で動かしてみるのが一番の近道です。この記事では、100×100 の画像を生成する最小構成の拡散モデルを PyTorch で作ります。テキスト条件は「flower」に固定し、学習用と生成用のファイルを分けた構成です。 この記事で作るもの 画像サイズは 100×100 固定 ピクセル空間で動く DDPM(VAE は使わない) UNet は ResBlock、Self-Attention、Cross-Attention で構成 テキスト条件は「flower」をエンコードした固定ベクトル 学習(train.py)と生成(generate.py)を別ファイルに分離 Stable Diffusion との違い 項目 Stable Diffusion この記事のモデル 拡散する空間 潜在空間(VAE で圧縮) ピクセル空間 テキスト条件 CLIP などで可変 「flower」固定 画像サイズ 512×512 など 100×100 固定 Cross-Attention 多くの層に配置 最低解像度層と中間層のみ サンプラー DDIM などの高速版 [&#8230;]]]></description>
									</item>
		<item>
		<title>Qwen 2.1でプロンプトだけで画像の品質向上ができるか試してみる</title>
		<link>https://aidev.bluegarage.site/blog/2026/10/05/qwen-2-1%e3%81%a7%e3%83%97%e3%83%ad%e3%83%b3%e3%83%97%e3%83%88%e3%81%a0%e3%81%91%e3%81%a7%e7%94%bb%e5%83%8f%e3%81%ae%e5%93%81%e8%b3%aa%e5%90%91%e4%b8%8a%e3%81%8c%e3%81%a7%e3%81%8d%e3%82%8b%e3%81%8b/</link>
				<pubDate>Mon, 05 Oct 2026 02:40:00 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Qwen]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9798</guid>
				<description><![CDATA[つかったワークフローは Qwen 2.1 VRAM 8GBで動く！10枚まで参照画像を追加できるGGUF版シンプルワークフロー です。Loraや参照画像無しで劣化画像の品質向上ができるか試してみました。 プロンプト Restore and upscale this image to ultra-high quality. Remove all JPEG compression artifacts, blocky noise, mosquito noise, color banding, and blur. Redraw all degraded areas with fine, realistic, sharp detail while keeping the original composition, pose, colors, lighting, and subject identity exactly the same. Faces: carefully reconstruct the face in high detail. Redraw individual strands of hair with [&#8230;]]]></description>
									</item>
		<item>
		<title>LTX 音付き動画をプロンプトで作成 GGUF版シンプルワークフロー</title>
		<link>https://aidev.bluegarage.site/blog/2026/10/01/ltx-%e9%9f%b3%e4%bb%98%e3%81%8d%e5%8b%95%e7%94%bb%e3%82%92%e3%83%97%e3%83%ad%e3%83%b3%e3%83%97%e3%83%88%e3%81%a7%e4%bd%9c%e6%88%90-gguf%e7%89%88%e3%82%b7%e3%83%b3%e3%83%97%e3%83%ab%e3%83%af%e3%83%bc/</link>
				<pubDate>Thu, 01 Oct 2026 01:43:40 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[動画]]></category>
		<category><![CDATA[google]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[ライセンス]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9793</guid>
				<description><![CDATA[ComfyUIで「映像と音声を同時に」生成できるオープンモデルLTX（LTX-2.3）を、GGUF量子化モデルで動かすシンプルなワークフローを解説します。1枚の画像とプロンプトを渡すだけで、効果音や環境音付きの短い動画が作れます。 この記事で扱うワークフローは LTXV23_v1_4_I2AV.json（Image to Audio-Video）です。ノード数が少なく、構成を理解しやすいのが特徴です。 目次の目安 LTXとは何か LTXは、イスラエルのLightricks社が公開しているオープンウェイトの動画生成モデルシリーズです。現行のLTX-2.3は約22Bパラメータの「DiT（Diffusion Transformer）ベースの音声・映像基盤モデル」で、1つのモデルで映像と同期した音声を同時に生成できます。 テキスト→動画、画像→動画、音声→動画など複数のモードに対応 重みが公開されており、ローカル（自分のPC）で実行できる ComfyUIが公式にネイティブ対応している テキストエンコーダーにGoogleのGemma 3 12Bを使用 2倍の空間アップスケーラーを使った高解像度化の仕組みがある 今回使う [&#8230;]]]></description>
									</item>
		<item>
		<title>Qwen 2.1 VRAM 8GBで動く！10枚まで参照画像を追加できるGGUF版シンプルワークフロー</title>
		<link>https://aidev.bluegarage.site/blog/2026/09/24/qwen-2-1-%e7%84%a1%e6%a4%9c%e9%96%b2%e7%89%88%e3%80%80vram-8gb%e3%81%a7%e5%8b%95%e3%81%8f%ef%bc%8110%e6%9e%9a%e3%81%be%e3%81%a7%e5%8f%82%e7%85%a7%e7%94%bb%e5%83%8f%e3%82%92%e8%bf%bd%e5%8a%a0%e3%81%a7/</link>
				<pubDate>Thu, 24 Sep 2026 06:50:01 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9783</guid>
				<description><![CDATA[はじめに Qwen Image 2.1は、Alibaba Qwenチームが公開した最新の画像生成・編集モデルです。通常のsafetensors版はVRAM消費が大きく、8GB前後のGPUでは動作が厳しい場面がありますが、今回紹介するワークフローはUNetをGGUF形式(Q5_K_M)で読み込むことで、VRAM 8GB程度の環境でも動作するように構成されています。さらに参照画像を最大10枚まで追加でき、複数の画像を組み合わせた高度な画像編集が可能です。 Qwen Image 2.1とは Qwen Image 2.1は、テキストからの画像生成(Text to Image)と、指示ベースの画像編集(Image Edit)の両方を1つのモデルでこなせるのが最大の特徴です。主な特徴は以下の通りです。 生成と編集を1モデルで両立：同じ重みがテキストから画像への生成プロンプトと編集指示の両方に対応するため、モデルを切り替える必要がありません ネイティブ2K出力：最大2048×2048をアップスケールなしで直接生成可能 高精細なテキスト描画：インフォグラフィックやポスター、UIモックアップなど、細かい文字が崩れにくい アルフ [&#8230;]]]></description>
									</item>
		<item>
		<title>【VRAM 8GBでOK】QWEN Image Editの進化版「FireRed Image Edit」でローカル着せ替え画像生成をやってみた</title>
		<link>https://aidev.bluegarage.site/blog/2026/09/16/%e3%80%90vram-8gb%e3%81%a7ok%e3%80%91qwen-image-edit%e3%81%ae%e9%80%b2%e5%8c%96%e7%89%88%e3%80%8cfirered-image-edit%e3%80%8d%e3%81%a7%e3%83%ad%e3%83%bc%e3%82%ab%e3%83%ab%e7%9d%80%e3%81%9b%e6%9b%bf/</link>
				<pubDate>Wed, 16 Sep 2026 03:29:45 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9777</guid>
				<description><![CDATA[はじめに 画像生成AIで「この人にこの服を着せたい」「帽子だけ別の写真から持ってきたい」という着せ替え編集は、これまでハイエンドGPUが前提でした。しかしFireRed Image Editは、AlibabaのQwen Image Editをベースに進化した画像編集特化モデルで、GGUF量子化版とLightning LoRA（高速化LoRA）を組み合わせることで、VRAM 8GB程度のミドルクラスGPUでもローカル生成が可能になっています。 今回は実際に配布されているComfyUIワークフロー（firered-image-edit-1_1_loraonly.json）を解析し、必要なモデル構成と処理の流れを整理しました。 人物写真（Image 1） キャップの写真（Image 2） Tシャツの写真（Image 3） の3枚を読み込ませ、「Image 1の女性にImage 2の帽子とImage 3のTシャツを着せて、背景も昼間のシーンに変更する」というプロンプト1つで着せ替え画像を生成する構成になっています。 FireRed Image EditとQwen Image Editの関係 FireRed Image [&#8230;]]]></description>
									</item>
		<item>
		<title>VRAM 8GBでもOK！MiniMax H3(FL2VA)×Turboで「しゃべる」AI動画をローカル生成する方法</title>
		<link>https://aidev.bluegarage.site/blog/2026/09/15/vram-8gb%e3%81%a7%e3%82%82ok%ef%bc%81minimax-h3fl2vaxturbo%e3%81%a7%e3%80%8c%e3%81%97%e3%82%83%e3%81%b9%e3%82%8b%e3%80%8dai%e5%8b%95%e7%94%bb%e3%82%92%e3%83%ad%e3%83%bc%e3%82%ab%e3%83%ab/</link>
				<pubDate>Tue, 15 Sep 2026 01:24:21 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[動画]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[ライセンス]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9773</guid>
				<description><![CDATA[今回は、ComfyUI上で動くMiniMax H3という動画生成モデルを使い、8GB程度のVRAMでもローカルPCで「音声つき・リップシンクつき」のAI動画を作れるワークフローを紹介します。画像を1枚（または最初と最後のフレーム2枚）用意するだけで、セリフをしゃべる短い動画をノートPCクラスのGPUでも生成できるのがポイントです。 &#160; &#160; 生成時間　VRAM　8GB　約１～２時間 MiniMax H3ってどんなモデル？ MiniMax H3は、テキスト・画像・映像・音声をひとつのモデルでまとめて理解し、映像とステレオ音声（セリフ・効果音・BGM）を同時に生成できるオープンウェイトのAI動画モデルです。従来の「まず映像を作って、あとから音声を貼り付ける」方式ではなく、映像と音を同じ推論の中で一緒に作るのが特徴で、口の動きと声がしっかり同期（リップシンク）します。 本体は330億パラメータ級の大型モデルですが、パラメータの一部を圧縮する「プルーニング」と、ファイルサイズを大きく減らす「GGUF量子化」、さらに生成ステップ数を減らす「Turbo（蒸留）LoRA」を組み合わせることで、コンシューマ [&#8230;]]]></description>
						<enclosure url="https://aidev.bluegarage.site/blog/wp-content/uploads/2026/09/H3_20260914_185634_00001-audio.mp4" length="615769" type="video/mp4" />
			</item>
		<item>
		<title>QKV（Query, Key, Value）とは何か ― 画像生成AIのAttention機構を理解する</title>
		<link>https://aidev.bluegarage.site/blog/2026/09/02/qkv%ef%bc%88query-key-value%ef%bc%89%e3%81%a8%e3%81%af%e4%bd%95%e3%81%8b-%e2%80%95-%e7%94%bb%e5%83%8f%e7%94%9f%e6%88%90ai%e3%81%aeattention%e6%a9%9f%e6%a7%8b%e3%82%92%e7%90%86%e8%a7%a3%e3%81%99/</link>
				<pubDate>Wed, 02 Sep 2026 07:42:54 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9768</guid>
				<description><![CDATA[Stable Diffusionなどの画像生成AIや、Transformer系のモデルの中心には「Attention（注意機構）」と呼ばれる仕組みがあります。その中核をなすのが Q（Query）、K（Key）、V（Value） という3つの要素です。この記事では、テキストから画像が生成される過程を追いながら、QKVがそれぞれ何を意味し、どう連携しているのかを整理します。 Attention層の3つの重要な要素 Attention層では、入力に対して3種類の重み行列（W_Q, W_K, W_V）を掛け合わせることで、Q・K・Vという3つの異なるベクトルを作り出します。 Q（Query）：「今、何を探しているか」という問い合わせ K（Key）：「自分は何を提供できるか」という目印・見出し V（Value）：実際に受け渡される中身の情報 テキストから画像を生成する Cross-Attention では、この3つが以下のように対応しています。 要素 由来 役割 Q ノイズ画像（潜在表現） 画像側が「何が欲しいか」を問い合わせる K テキストエンコーダの出力 各単語が「照合されるための目印」を提供する V テキストエン [&#8230;]]]></description>
									</item>
		<item>
		<title>量子化とは何か？MatMulというAIの計算やモデルサイズの最大のネック</title>
		<link>https://aidev.bluegarage.site/blog/2026/08/31/%e9%87%8f%e5%ad%90%e5%8c%96%e3%81%a8%e3%81%af%e4%bd%95%e3%81%8b%ef%bc%9fmatmul%e3%81%a8%e3%81%84%e3%81%86ai%e3%81%ae%e8%a8%88%e7%ae%97%e3%82%84%e3%83%a2%e3%83%87%e3%83%ab%e3%82%b5%e3%82%a4%e3%82%ba/</link>
				<pubDate>Mon, 31 Aug 2026 01:29:43 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[CUDA]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9766</guid>
				<description><![CDATA[AIモデル、特に大規模言語モデル(LLM)の性能や規模を語るとき、必ずと言っていいほど登場するキーワードがあります。それが「MatMul(行列積)」と「量子化」です。 この記事では、AIの計算の大部分を占める「MatMul」がそもそも何なのか、なぜそれが必要なのか、GPU上でどう計算されているのかを解説したうえで、その高速化手法の中でも特に重要な「量子化」について詳しく掘り下げていきます。 AIの計算の大部分を占めるMatMul Transformer系のAIモデルでは、計算量(FLOPs)の大部分、しばしば9割以上がMatMulによって占められています。具体的には、以下のような処理がすべてMatMulです。 Attentionにおける Query / Key / Value への変換 FFN(Feed Forward)層の2つの大きな行列積(全体の計算量では最大になりやすい部分) Attentionスコアの計算(QK^T)とその後の重み付き集約(softmax × V) また、モデルの「パラメータ数」、つまりモデルサイズそのものも、その大半はMatMulで使われる重み行列によって構成されています。「AIの計 [&#8230;]]]></description>
									</item>
		<item>
		<title>ローカルでVRAM 8GBで「着せ替え」画像生成</title>
		<link>https://aidev.bluegarage.site/blog/2026/08/28/%e3%83%ad%e3%83%bc%e3%82%ab%e3%83%ab%e3%81%a7vram-8gb%e3%81%a7%e3%80%8c%e7%9d%80%e3%81%9b%e6%9b%bf%e3%81%88%e3%80%8d%e7%94%bb%e5%83%8f%e7%94%9f%e6%88%90/</link>
				<pubDate>Fri, 28 Aug 2026 01:27:12 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9755</guid>
				<description><![CDATA[洋服の試着画像をAIで生成する「バーチャル試着（Virtual Try-On）」は、これまでクラウドサービスや高性能GPUが前提でした。しかし本記事で紹介するComfyUIワークフローは、GGUF量子化されたQwen-Image-Editと専用LoRAを組み合わせることで、VRAM 8GB程度のミドルスペックPCでもローカル環境で着せ替え画像を生成できるよう設計されています。 &#160; ワークフローのダウンロード この記事では、 そもそもComfyUIとは何か ワークフローで使われている各モデルの役割とダウンロード先 主要ノードの役割と処理の流れ を順番に解説します。 ComfyUIとは ComfyUI（コンフィーユーアイ）は、Stable Diffusionをはじめとする画像生成AIを「ノードベース」で組み立てて実行できるオープンソースのツールです。モデルの読み込み・プロンプトのエンコード・サンプリング・画像の保存といった処理を、それぞれ独立した「ノード（箱）」として画面上に配置し、線でつなぐことでワークフロー（処理の流れ）を自由に構築できます。 Pythonコードを書かなくても複雑な生成パイプラインを [&#8230;]]]></description>
									</item>
		<item>
		<title>Stable Diffusion 1.5のUNet構造</title>
		<link>https://aidev.bluegarage.site/blog/2026/08/26/stable-diffusion-1-5%e3%81%aeunet%e6%a7%8b%e9%80%a0/</link>
				<pubDate>Wed, 26 Aug 2026 01:56:24 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9753</guid>
				<description><![CDATA[Stable Diffusion 1.5(SD1.5)の心臓部であるUNetは、「今の潜在表現にどれだけどのようなノイズがあるか」をテキスト条件をヒントに予測するネットワークです。(ノイズを予測し除去していくと元画像＝生成画像が現れる仕掛けです) 本記事では、その内部構造を、実装の仕組みから計算の直感まで順を追って解説します。ステップごとに通っている構造がこのUNETとなります。 1. 全体の流れ:UNetは何を入出力しているのか まず誤解しやすいポイントとして、UNetが直接処理しているのは「テキスト」ではなく「潜在空間のテンソル」です(テンソルとは、単に多次元の数値配列のことです)。テキストはCLIPのテキストエンコーダーによって77トークン×768次元の配列に変換され、内部のクロスアテンション層に条件(conditioning)として注入されます。 段階 UNetへの入力 テキストの役割 学習時 実画像をVAEで圧縮+ノイズ付加した潜在 クロスアテンションで条件付け txt2img推論 64×64×4のランダムノイズ クロスアテンションで条件付け(ここが主役) img2img推論 元画像をVAEで圧縮+ [&#8230;]]]></description>
									</item>
		<item>
		<title>ComfyUIでQwen-Image-Edit-2511 Int8を使う方法｜超シンプル画像編集ワークフロー</title>
		<link>https://aidev.bluegarage.site/blog/2026/08/19/comfyui%e3%81%a7qwen-image-edit-2511-int8%e3%82%92%e4%bd%bf%e3%81%86%e6%96%b9%e6%b3%95%ef%bd%9c%e8%b6%85%e3%82%b7%e3%83%b3%e3%83%97%e3%83%ab%e7%94%bb%e5%83%8f%e7%b7%a8%e9%9b%86%e3%83%af%e3%83%bc/</link>
				<pubDate>Wed, 19 Aug 2026 05:41:37 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9749</guid>
				<description><![CDATA[ワークフローのダウンロード　image_qwen_image_edit_2511_int8 ※ワークフローはVRAM８GBでも１回目１～２時間かかるものの動作します。 ※最新のComfyUIを使用する場合このワークフローをComfyUIの画面にドロップするだけでモデルも自動でダウンロードできます。 ComfyUIで画像生成・画像編集をしていると、「元画像の構図を残したまま、画風だけ変えたい」「写真をポップアート風にしたい」といった編集をしたくなることがあります。 今回紹介するのは、Qwen-Image-Edit-2511 Int8を使ったComfyUIの画像編集ワークフローです。 このワークフローでは、入力した画像に対して、 Convert this image to pop art poster style というプロンプトを与え、元画像を「ポップアートのポスター風」に変換する設定になっています。 ワークフローには、Qwen-Image-Edit-2511のInt8モデル、Qwen 2.5 VL系のテキストエンコーダ、Qwen Image用VAE、KSamplerなどが組み込まれています。 Qwen-Ima [&#8230;]]]></description>
									</item>
		<item>
		<title>AIが作成した画像が実際の人物に似てしまったらどうなるのか？</title>
		<link>https://aidev.bluegarage.site/blog/2026/08/03/ai%e3%81%8c%e4%bd%9c%e6%88%90%e3%81%97%e3%81%9f%e7%94%bb%e5%83%8f%e3%81%8c%e5%ae%9f%e9%9a%9b%e3%81%ae%e4%ba%ba%e7%89%a9%e3%81%ab%e4%bc%bc%e3%81%a6%e3%81%97%e3%81%be%e3%81%a3%e3%81%9f%e3%82%89%e3%81%a9/</link>
				<pubDate>Mon, 03 Aug 2026 01:26:35 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9745</guid>
				<description><![CDATA[生成AIで人物画像を作ると、意図せず実在の人物にそっくりな顔ができあがることがあります。広告やコンテンツにそのまま使ってしまった場合、法的にはどうなるのか。有名人が実際に起こした訴訟例や、スカーレット・ヨハンソンをめぐる騒動を交えながら、現状のリスクを整理します。 AI生成画像が実在の人物に似てしまう理由 生成AIは、大量の人物写真を学習データとして取り込み、そのパターンから新しい顔を作り出します。学習に使われた人数が多ければ「偶然似てしまう」ケースになりますが、特定の人物の写真を集中的に学習させれば、それは「意図的に似せた」と判断されやすくなります。この「偶然か、意図的か」という違いが、重要なポイントのようです。 実際に訴訟・法的トラブルになった事例 画像そのもので確定判決が出た著名な訴訟はまだ多くありませんが、近接する分野(AI音声クローン、AIによる人格の再現）ではすでにいくつもの訴訟が起きています。 George Carlin遺族 vs Dudesy(2024年) 米国のポッドキャスト番組「Dudesy」が、故ジョージ・カーリン(2008年没)の芸風をAIに学習させ、「George Carlin: I [&#8230;]]]></description>
									</item>
		<item>
		<title>ChatGPT(OpenAIのAIモデル)がHugging Faceを自律的にハッキング</title>
		<link>https://aidev.bluegarage.site/blog/2026/07/24/chatgptopenai%e3%81%aeai%e3%83%a2%e3%83%87%e3%83%ab%e3%81%8chugging-face%e3%82%92%e8%87%aa%e5%be%8b%e7%9a%84%e3%81%ab%e3%83%8f%e3%83%83%e3%82%ad%e3%83%b3%e3%82%b0/</link>
				<pubDate>Fri, 24 Jul 2026 01:38:49 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[chatgpt]]></category>
		<category><![CDATA[google]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9742</guid>
				<description><![CDATA[2026年7月、OpenAIの最新AIモデルが社内のセキュリティ評価中に「暴走」し、外部プラットフォームであるHugging Faceを自律的にハッキングしていたことが判明し、大きな話題になりました。本記事では、何が起きたのか、なぜそんなことが可能だったのか、そして今後のリスクまでを整理します。 何が起きたのか OpenAIは7月21日（現地時間）、最新モデル「GPT-5.6 Sol」と一部の未公開モデルが、社内のサイバー能力評価の過程で、AI開発プラットフォーム「Hugging Face」の本番システムに侵入していたことを公表しました。もともとHugging Face側は「自律型AIエージェントによる攻撃を受けた」と発表していましたが、攻撃に使われたモデルは非公表でした。その後OpenAIが「自社モデルによる攻撃だった」と認めた形です。 OpenAIはこれを「前例のないサイバーインシデント」と位置づけ、Hugging Faceと共同で調査を進めています。 評価環境とサンドボックス突破の経緯 今回の評価は、AIのサイバー攻撃能力を測定するために、外部インターネットから隔離されたサンドボックス環境で実施されてい [&#8230;]]]></description>
									</item>
		<item>
		<title>LLMのハルシネーションは今どこまで解消された？現状・実害・対策・注意点を整理</title>
		<link>https://aidev.bluegarage.site/blog/2026/07/15/llm%e3%81%ae%e3%83%8f%e3%83%ab%e3%82%b7%e3%83%8d%e3%83%bc%e3%82%b7%e3%83%a7%e3%83%b3%e3%81%af%e4%bb%8a%e3%81%a9%e3%81%93%e3%81%be%e3%81%a7%e8%a7%a3%e6%b6%88%e3%81%95%e3%82%8c%e3%81%9f%ef%bc%9f/</link>
				<pubDate>Wed, 15 Jul 2026 01:50:13 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[chatgpt]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9739</guid>
				<description><![CDATA[生成AI・LLM(大規模言語モデル)を業務や日常で使う機会が増える中、「もっともらしい嘘」ことハルシネーション(幻覚)は依然として最大の懸念材料の一つです。本記事では、2026年時点での技術的な現状、実際に起きた実害事例、対策手法、そして利用者側でできるリスク管理の方法論まで、まとめて整理します。 ハルシネーションの現状:大幅に改善しているが「ゼロ」ではない 結論から言うと、ハルシネーションは確実に減ってきているものの、構造的な原因が解消されたわけではなく、完全解消には至っていません。 数値で見る現状 要約タスクなど比較的簡単なタスクでも、最良のモデルで数%程度の幻覚率が観測されています。 RAG(検索拡張生成)を使っても、領域によっては10%を超える幻覚が残る例が報告されており、「RAGを入れれば解決」というほど単純ではありません。 簡単な質問(単純な事実確認レベル)では、一部モデルがほぼ100%の正確性を達成し、幻覚がほぼ排除されるケースもあります。ただし難易度の高い評価や実運用では、正確性の上限は100%を下回ります。 なぜゼロにならないのか OpenAIの調査によれば、根本原因はモデルの「性能不足」と [&#8230;]]]></description>
									</item>
		<item>
		<title>Hugging Faceで無料！AI画像・動画生成の使い方と仕組み・制限を徹底解説</title>
		<link>https://aidev.bluegarage.site/blog/2026/07/13/hugging-face%e3%81%a7%e7%84%a1%e6%96%99%ef%bc%81ai%e7%94%bb%e5%83%8f%e3%83%bb%e5%8b%95%e7%94%bb%e7%94%9f%e6%88%90%e3%81%ae%e4%bd%bf%e3%81%84%e6%96%b9%e3%81%a8%e4%bb%95%e7%b5%84%e3%81%bf%e3%83%bb/</link>
				<pubDate>Mon, 13 Jul 2026 01:36:01 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[wan]]></category>
		<category><![CDATA[エラー]]></category>
		<category><![CDATA[ライセンス]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9737</guid>
				<description><![CDATA[Stable DiffusionやFLUX、Wan2.2といった最新のAI画像・動画生成モデルを、インストール不要・完全無料でブラウザから試せる場所があるのをご存知でしょうか。それが「Hugging Face Spaces」です。 この記事では、Hugging Face Spacesで無料でAI画像・動画生成ができる仕組みと、知っておくべき制限について解説します。 Hugging Face Spacesとは？ Hugging Face Spacesは、AI開発者や研究者が自作・公開したAIモデルのデモアプリを、誰でも無料で試せる形で公開しているプラットフォームです。オープンソースの画像生成モデルや動画生成モデルを使ったアプリが多数公開されており、URLにアクセスするだけですぐに使い始められます。 動画生成を試してみる（Wan2.2の例） 例えば、話題の動画生成モデル「Wan2.2」を使ったSpaceは、以下のリンクから検索・一覧表示できます。 👉 Hugging Face Spaces：Wan2.2で動画生成を試す このように、Hugging Face Spacesの検索窓に使いたいモデル名（例：wan2.2 [&#8230;]]]></description>
									</item>
		<item>
		<title>PyTorchでDirectMLを使う「torch-directml」とは？</title>
		<link>https://aidev.bluegarage.site/blog/2026/07/10/pytorch%e3%81%a7directml%e3%82%92%e4%bd%bf%e3%81%86%e3%80%8ctorch-directml%e3%80%8d%e3%81%a8%e3%81%af%ef%bc%9f/</link>
				<pubDate>Fri, 10 Jul 2026 01:46:24 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[アプリケーション開発]]></category>
		<category><![CDATA[CUDA]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[onnx]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[wan]]></category>
		<category><![CDATA[Windows]]></category>
		<category><![CDATA[エラー]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9735</guid>
				<description><![CDATA[WindowsでAIを動かそうとすると、よく見かけるのが CUDA と DirectML です。 NVIDIA製GPUであればCUDAが一般的ですが、AMDやIntelのGPU、あるいはCUDAを使えない環境では DirectML が選択肢になります。 そのDirectMLをPyTorchから利用するためのライブラリが torch-directml です。 この記事では、torch-directmlとは何か、必要になる場面、制限事項、インストール方法、使い方についてまとめます。 torch-directmlとは？ torch-directmlは、PyTorchからMicrosoft DirectMLを利用するためのライブラリです。 DirectMLはWindowsのDirectX 12上で動作する機械学習アクセラレーションAPIで、 AMD GPU Intel GPU NVIDIA GPU など、DirectX 12対応GPUであれば利用できます。 つまり、CUDAが使えない環境でもGPUでPyTorchを実行できるようになります。 いつ必要になるの？ 必要になるのは 「PyTorchでDirectMLを利用 [&#8230;]]]></description>
									</item>
		<item>
		<title>PyTorchでONNXを「model.onnx」と「model_weights.bin」に分けて出力する方法【古いバージョンにも対応】</title>
		<link>https://aidev.bluegarage.site/blog/2026/07/08/pytorch%e3%81%a7onnx%e3%82%92%e3%80%8cmodel-onnx%e3%80%8d%e3%81%a8%e3%80%8cmodel_weights-bin%e3%80%8d%e3%81%ab%e5%88%86%e3%81%91%e3%81%a6%e5%87%ba%e5%8a%9b%e3%81%99%e3%82%8b%e6%96%b9%e6%b3%95%e3%80%90/</link>
				<pubDate>Wed, 08 Jul 2026 01:46:19 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[inference]]></category>
		<category><![CDATA[onnx]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9732</guid>
				<description><![CDATA[PyTorchでONNXモデルを書き出す際、大きなモデルではONNX External Data形式を利用して、モデル本体と重みファイルを別々に保存したいことがあります。 この記事では、 model.onnx model_weights.bin の2ファイルに分けて出力する方法と、古いPyTorchを使用している場合の対処法を紹介します。 通常のONNX出力 一般的なONNX出力は次のようになります。 torch.onnx.export( wrapper, (sample, timestep, encoder_hidden_states), os.path.join(outdir, "unet", "model.onnx"), input_names=["sample", "timestep", "encoder_hidden_states"], output_names=["out_sample"], dynamic_axes={ "sample": {0: "batch", 1: "channels", 2: "height", 3: "width"}, "timestep": {0: "batch"}, [&#8230;]]]></description>
									</item>
		<item>
		<title>「話しかけると自動で認識して自然な声で返答してくれるシステム」をWindows環境に構築</title>
		<link>https://aidev.bluegarage.site/blog/2026/07/07/%e3%80%8c%e8%a9%b1%e3%81%97%e3%81%8b%e3%81%91%e3%82%8b%e3%81%a8%e8%87%aa%e5%8b%95%e3%81%a7%e8%aa%8d%e8%ad%98%e3%81%97%e3%81%a6%e8%87%aa%e7%84%b6%e3%81%aa%e5%a3%b0%e3%81%a7%e8%bf%94%e7%ad%94%e3%81%97/</link>
				<pubDate>Tue, 07 Jul 2026 01:18:49 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[アプリケーション開発]]></category>
		<category><![CDATA[CUDA]]></category>
		<category><![CDATA[deepseek]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[Windows]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9730</guid>
				<description><![CDATA[ローカルPC上で完全に動作する音声会話AIを作る方法を解説します。DeepSeek-R1（Ollama）・Silero VAD・Whisper・VOICEVOXを組み合わせて、「話しかけると自動で認識して自然な声で返答してくれるシステム」をWindows環境に構築します。 システム構成 マイク音声 ↓ Silero VAD（発話検出） ← 声が来たら自動で反応 ↓ Whisper（音声→テキスト） ↓ DeepSeek-R1 / Ollama（AIの返答生成） ↓ VOICEVOX（テキスト→自然な音声） ↓ スピーカー 必要なもの ツール 用途 入手先 Python（embed版 or 通常版） スクリプト実行 python.org ollama.exe AIモデルのサーバー github.com/ollama/ollama/releases VOICEVOX（run.exe） 日本語音声合成 voicevox.hiroshiba.jp ffmpeg.exe Whisperの音声前処理 github.com/BtbN/FFmpeg-Builds/releases フォルダ構成 すべてを1つのフォルダにまとめ [&#8230;]]]></description>
									</item>
		<item>
		<title>【2026年最新版】主要AI企業のユーザー入力データ利用ポリシー比較まとめ</title>
		<link>https://aidev.bluegarage.site/blog/2026/07/03/%e3%80%902026%e5%b9%b4%e6%9c%80%e6%96%b0%e7%89%88%e3%80%91%e4%b8%bb%e8%a6%81ai%e4%bc%81%e6%a5%ad%e3%81%ae%e3%83%a6%e3%83%bc%e3%82%b6%e3%83%bc%e5%85%a5%e5%8a%9b%e3%83%87%e3%83%bc%e3%82%bf%e5%88%a9/</link>
				<pubDate>Fri, 03 Jul 2026 01:45:47 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[chatgpt]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[deepseek]]></category>
		<category><![CDATA[google]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9728</guid>
				<description><![CDATA[ChatGPT、Claude、Gemini、Copilot、そしてDeepSeekやQwen（通義千問）など、私たちが日常的に使うAIチャットボットに入力した文章・コード・画像は、いったいどのように扱われているのでしょうか。 「会話が勝手にAIの学習データにされているのでは？」という不安を持つ人は少なくありません。実際、多くのAI企業は個人向け無料プラン・有料プランではデフォルトで会話データを学習に利用し、法人向け（Enterprise/API）契約では原則として学習に利用しないという、二段構えのポリシーを採用しています。 本記事では、米国系（OpenAI、Anthropic、Google、Microsoft）、その他（Meta、xAI）、そして中国系（DeepSeek、Alibaba等）の主要AI企業のデータ利用ポリシーを横断的に整理しました。 1. OpenAI（ChatGPT） Free / Plus / Pro（個人向け）：個人ワークスペースではデータ共有がデフォルトで有効になっており、会話データはモデルの学習に利用される。ただし「設定 &#62; Data Controls &#62; Improve  [&#8230;]]]></description>
									</item>
		<item>
		<title>Seedance 2.0とWan 2.2を徹底比較！ローカルで動かせるAI動画生成モデルはどっち？</title>
		<link>https://aidev.bluegarage.site/blog/2026/07/02/seedance-2-0%e3%81%a8wan-2-2%e3%82%92%e5%be%b9%e5%ba%95%e6%af%94%e8%bc%83%ef%bc%81%e3%83%ad%e3%83%bc%e3%82%ab%e3%83%ab%e3%81%a7%e5%8b%95%e3%81%8b%e3%81%9b%e3%82%8bai%e5%8b%95%e7%94%bb%e7%94%9f/</link>
				<pubDate>Thu, 02 Jul 2026 02:02:55 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[動画]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[wan]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9726</guid>
				<description><![CDATA[AI動画生成の分野で注目を集める「Seedance 2.0」と「Wan 2.2」。この2つは似たような文脈で語られることが多いですが、実は根本的に異なる性質を持つモデルです。本記事では、両者の違いを整理したうえで、ローカル環境でWan 2.2を動かすための要件と手順を解説します。 Seedance 2.0とは Seedance 2.0は、TikTokやDouyinを運営するByteDanceが開発したAI動画生成モデルです。テキスト・画像・動画・音声を組み合わせて入力できるマルチモーダル対応が特徴で、映像と音声を完全に同期させた状態で出力できます。 主なスペックは以下の通りです。 出力解像度：最大2K（2048×1080相当） 動画の長さ：4〜15秒（カスタマイズ可能） 参照ファイル数：最大12件（画像9枚・動画3本・音声3ファイル） 音声生成：効果音・BGM・多言語ナレーションが映像と完全同期 生成速度：5秒動画で60秒未満 Seedance 2.0はローカルで動かせない 結論から言うと、Seedance 2.0はローカル環境では実行できません。オープンソースモデルではないため、すべての処理はByteDan [&#8230;]]]></description>
									</item>
	</channel>
</rss>
