<?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>タグ:gpu &#8211; AIディベロッパーblog</title>
	<atom:link href="https://aidev.bluegarage.site/blog/tag/gpu/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>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>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>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>「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>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>
		<item>
		<title>2026年版｜中国系AI APIは本当に危険なのか？DeepSeek・Qwen・GLMを価格・性能・セキュリティで徹底比較</title>
		<link>https://aidev.bluegarage.site/blog/2026/05/28/2026%e5%b9%b4%e7%89%88%ef%bd%9c%e4%b8%ad%e5%9b%bd%e7%b3%bbai-api%e3%81%af%e6%9c%ac%e5%bd%93%e3%81%ab%e5%8d%b1%e9%99%ba%e3%81%aa%e3%81%ae%e3%81%8b%ef%bc%9fdeepseek%e3%83%bbqwen%e3%83%bbglm%e3%82%92/</link>
				<pubDate>Thu, 28 May 2026 01:34:28 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[claude]]></category>
		<category><![CDATA[deepseek]]></category>
		<category><![CDATA[google]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9681</guid>
				<description><![CDATA[生成AIブームが続く中、2025〜2026年にかけて急速に存在感を高めているのが、中国系LLM（大規模言語モデル）です。 特に、 DeepSeek Qwen GLM Kimi Doubao などは、驚異的な低価格で高性能APIを提供し、世界中の開発者に利用され始めています。 一方で、 「中国製AIは危険なのでは？」 「アメリカ製なら安全？」 「実際に企業はどれを使っている？」 という疑問を持つ人も多いでしょう。 この記事では、2026年時点での中国系AI APIについて、 価格比較 性能比較 実務での利用状況 中国AIが安い理由 セキュリティ上の懸念 アメリカ製AIとの違い をまとめて解説します。 中国系AI APIとは？ 中国系AI APIとは、中国企業が開発・提供しているLLM（大規模言語モデル）のAPIサービスです。 代表的な企業には以下があります。 DeepSeek Alibaba Cloud（Qwen） Zhipu AI（GLM） Moonshot AI（Kimi） ByteDance（Doubao） 近年はOpenAIやAnthropicに匹敵する性能を、圧倒的な低価格で提供することで急成長してい [&#8230;]]]></description>
									</item>
		<item>
		<title>ローカルで動かせる画像生成AIモデル6選【技術比較・VRAM目安・互換性まとめ】</title>
		<link>https://aidev.bluegarage.site/blog/2026/05/19/%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%8b%e7%94%bb%e5%83%8f%e7%94%9f%e6%88%90ai%e3%83%a2%e3%83%87%e3%83%ab6%e9%81%b8%e3%80%90%e6%8a%80%e8%a1%93%e6%af%94/</link>
				<pubDate>Tue, 19 May 2026 01:22:21 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[ControlNet]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[U-Net]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9667</guid>
				<description><![CDATA[画像生成AIはクラウドサービスだけでなく、自分のPC上でローカル推論できるモデルも多数存在します。本記事では、ローカルで動作する主要モデルを6つ取り上げ、アーキテクチャの違い・必要なVRAM・各ツールとの互換性を徹底解説します。 アーキテクチャ別モデル解説 ① Stable Diffusion 1.5（SD 1.5） アーキテクチャ：UNet + CLIP パラメータ数：約860M ネイティブ解像度：512 × 512 VAE：KL-f8 必要VRAM：2〜4 GB Stability AIが2022年にリリースした画像生成AIの基盤モデルです。軽量で動作が速く、膨大な数のLoRAや拡張機能が存在する点が最大の強みです。SDXLやFluxと異なり、低スペックなGPUでも動作するため、今もコミュニティの中心的な存在です。 ② Stable Diffusion XL 1.0（SDXL） アーキテクチャ：UNet（2.6B）+ OpenCLIP + CLIP-ViT-L（2つ） ネイティブ解像度：1024 × 1024 VAE：SDXL-VAE 必要VRAM：6〜8 GB SD 1.5の後継モデルで、解像度と画質が [&#8230;]]]></description>
									</item>
		<item>
		<title>WindowsでVOICEVOXを使いPythonから日本語を話させる方法</title>
		<link>https://aidev.bluegarage.site/blog/2026/05/08/windows%e3%81%a7voicevox%e3%82%92%e4%bd%bf%e3%81%84python%e3%81%8b%e3%82%89%e6%97%a5%e6%9c%ac%e8%aa%9e%e3%82%92%e8%a9%b1%e3%81%95%e3%81%9b%e3%82%8b%e6%96%b9%e6%b3%95/</link>
				<pubDate>Fri, 08 May 2026 01:32:39 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[Windows]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9655</guid>
				<description><![CDATA[VOICEVOXとは？ VOICEVOXは、無料で使えるローカル動作の音声合成ソフトです。ずんだもん・四国めたん・春日部つむぎなど、個性豊かなキャラクターボイスを使って日本語テキストを音声に変換できます。 完全ローカル動作（インターネット不要） 商用・個人利用ともに無料（各キャラクターの利用規約要確認） REST API経由でPythonから簡単に呼び出し可能 Windows / Mac / Linux 対応 VOICEVOX Engineのダウンロード GUIアプリが不要な場合は、エンジン単体版をダウンロードするのがおすすめです。 以下の GitHub Releases ページにアクセスします。 https://github.com/VOICEVOX/voicevox_engine/releases 最新バージョンの Assets から Windows 用ファイルを選択します。 GPU版（NVIDIA GPU搭載の場合）：windows-nvidia-*.zip CPU版（一般的なPC）：windows-cpu-*.zip ZIPファイルをダウンロードし、好きな場所に展開します。 例：C:\voicevox [&#8230;]]]></description>
									</item>
		<item>
		<title>【完全無料】Ollamaで“ChatGPTみたいなAI”をローカルPCで動かす方法｜VRAM 8GBでもOK・セキュリティ安心</title>
		<link>https://aidev.bluegarage.site/blog/2026/05/07/%e3%80%90%e5%ae%8c%e5%85%a8%e7%84%a1%e6%96%99%e3%80%91ollama%e3%81%a7chatgpt%e3%81%bf%e3%81%9f%e3%81%84%e3%81%aaai%e3%82%92%e3%83%ad%e3%83%bc%e3%82%ab%e3%83%abpc%e3%81%a7%e5%8b%95/</link>
				<pubDate>Thu, 07 May 2026 03:16:37 +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[gpu]]></category>
		<category><![CDATA[Python]]></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=9651</guid>
				<description><![CDATA[「ChatGPTみたいなAIを、自分のPCだけで無料＆無制限に使いたい」 そんな人におすすめなのが、ローカルAI実行ツール Ollama と、高性能モデル DeepSeek-R1 の組み合わせです。 この方法なら、 月額料金なし API料金なし 回数制限なし 入力データが外部送信されない オフラインでも使える PHPなどのプログラミングも可能 という、かなり強力な環境を作れます。 しかも、VRAM 8GBクラスのGPUでも動作可能です。 今回は、Windows環境で初心者でもできる導入方法を、5ステップで解説します。 Ollamaとは？ Ollama公式サイト Ollamaは、AIモデルを自分のPCで簡単に動かせる無料ツールです。 通常、ChatGPT系AIはクラウド上で動作しますが、Ollamaを使うと、 自宅PC ゲーミングPC ノートPC などでローカル実行できます。 つまり、会話内容やコードが外部サーバーへ送信されません。 企業の機密情報やソースコードを扱う人にも人気があります。 DeepSeek-R1とは？ DeepSeek公式サイト DeepSeek-R1は、高性能な推論型AIモデルです。 特に強 [&#8230;]]]></description>
									</item>
		<item>
		<title>CUDA Version表示の正しい意味と、動作するGPU・安全なバージョン選び</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/27/cuda-version%e8%a1%a8%e7%a4%ba%e3%81%ae%e6%ad%a3%e3%81%97%e3%81%84%e6%84%8f%e5%91%b3%e3%81%a8%e3%80%81%e5%8b%95%e4%bd%9c%e3%81%99%e3%82%8bgpu%e3%83%bb%e5%ae%89%e5%85%a8%e3%81%aa%e3%83%90%e3%83%bc/</link>
				<pubDate>Mon, 27 Apr 2026 00:59:24 +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[PyTorch]]></category>
		<category><![CDATA[tensor]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9641</guid>
				<description><![CDATA[はじめに nvidia-smi を実行すると、次のような表示を見ることがあります。 CUDA Version: 13.0 この表示を見て、 「CUDA 13が使える」 「どのNVIDIA GPUでも動く」 と思ってしまうケースが非常に多いですが、これは正確ではありません。 この記事では、 CUDAとは何か（簡単に） CUDA Version 表示の本当の意味 CUDAが動くGPUの条件 推論用途でCUDAを自分で入れる必要があるのか 失敗しないCUDAバージョンの選び方 を整理して解説します。 CUDAとは何か（簡単に） CUDA（Compute Unified Device Architecture）は、 NVIDIAのGPUを使って高速計算を行うための仕組み です。 通常、プログラムはCPUで実行されますが、CUDAを使うことで： 並列計算（同時に大量の処理） 行列計算（AI・画像処理など） をGPUで高速に実行できます。 特に以下の分野で使われます。 機械学習・深層学習 画像処理 科学技術計算 CUDA Version 表示の正体 CUDA Version: 13.0 これは次の意味です。 インストール [&#8230;]]]></description>
									</item>
		<item>
		<title>VAEとは？Stable Diffusionでの役割とONNXへの変換方法（encoder / decoder分離）</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/17/vae%e3%81%a8%e3%81%af%ef%bc%9fstable-diffusion%e3%81%a7%e3%81%ae%e5%bd%b9%e5%89%b2%e3%81%a8onnx%e3%81%b8%e3%81%ae%e5%a4%89%e6%8f%9b%e6%96%b9%e6%b3%95%ef%bc%88encoder-decoder%e5%88%86%e9%9b%a2/</link>
				<pubDate>Fri, 17 Apr 2026 01:21:29 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[アプリケーション開発]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[onnx]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[wan]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9627</guid>
				<description><![CDATA[VAE（Variational Autoencoder）とは VAE（Variational Autoencoder）は、画像を「圧縮」と「復元」するためのニューラルネットワークです。 Stable Diffusion では、画像生成の効率を高めるために重要な役割を担っています。 VAEは主に次の2つの構成要素から成り立っています： Encoder（エンコーダー） 画像（RGB）を潜在表現（latent）に圧縮する Decoder（デコーダー） 潜在表現（latent）を画像に復元する Stable DiffusionにおけるVAEの役割 Stable Diffusionでは、直接画像を生成するのではなく、次のような流れになっています： ノイズから潜在空間（latent）を生成 そのlatentをVAEのdecoderで画像に変換 また、画像を入力として使う場合（img2imgなど）は： 画像をVAEのencoderでlatentに変換 latentを加工・生成 decoderで画像に戻す つまり： 処理 使用する部分 画像 → latent Encoder latent → 画像 Decoder safet [&#8230;]]]></description>
									</item>
		<item>
		<title>Stable Diffusionのメモリ最適化まとめ（CPU offload / slicing / bitsandbytes / accelerate）</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/16/stable-diffusion%e3%81%ae%e3%83%a1%e3%83%a2%e3%83%aa%e6%9c%80%e9%81%a9%e5%8c%96%e3%81%be%e3%81%a8%e3%82%81%ef%bc%88cpu-offload-slicing-bitsandbytes-accelerate%ef%bc%89/</link>
				<pubDate>Thu, 16 Apr 2026 00:54:18 +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[Stable Diffusion]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[エラー]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9625</guid>
				<description><![CDATA[Stable Diffusionなどの画像生成モデルを動かすとき、特に問題になるのが「VRAM不足」です。この記事では、Diffusersでよく使われるメモリ最適化機能と、その仕組み・注意点をまとめます。 メモリ最適化機能の概要 enable_model_cpu_offload() モデル全体をGPUに常駐させず、必要なときだけCPUからGPUへ転送する仕組みです。 使う直前にGPUへロード 使い終わったらCPUへ戻す 特徴 VRAM使用量：大きく削減 実行速度：低下（転送コストがある） enable_sequential_cpu_offload() enable_model_cpu_offload()の強化版で、モデルをレイヤー単位で扱います。 レイヤーごとにGPUへロード 計算後すぐCPUへ戻す 特徴 VRAM使用量：最小レベル 実行速度：かなり遅い（毎回転送が発生） enable_attention_slicing() Attention計算を分割して処理することで、メモリ使用量を抑える機能です。 特徴 VRAM使用量：中程度削減 実行速度：やや低下 enable_vae_slicing() 画像を生成 [&#8230;]]]></description>
									</item>
		<item>
		<title>Phi-3 Mini + OnnxRuntimeGenAI で作る C# 翻訳エージェント</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/14/phi-3-mini-onnxruntimegenai-%e3%81%a7%e4%bd%9c%e3%82%8b-c-%e7%bf%bb%e8%a8%b3%e3%82%a8%e3%83%bc%e3%82%b8%e3%82%a7%e3%83%b3%e3%83%88/</link>
				<pubDate>Tue, 14 Apr 2026 00:50:59 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[アプリケーション開発]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[onnx]]></category>
		<category><![CDATA[Windows]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9620</guid>
				<description><![CDATA[1. Phi-3 Mini とは？ — 小型SLMの実力 Phi-3 Mini は Microsoft が 2024 年に公開した Small Language Model (SLM) です。パラメータ数は 3.8 億（3.8B） と GPT-4 系の 1/100 以下でありながら、多くのベンチマークで同規模または大規模モデルに匹敵する精度を達成しています。 なぜ翻訳エージェントに向いているのか？ 日英翻訳の精度が高い — 高品質な英語テキストで重点的に学習しているため、英語⇔日本語の変換品質が安定している 指示追従性（Instruction Following）が優秀 — 「日本語に翻訳してください」といったシンプルな指示を忠実に実行できる 低スペックPC でも動作 — INT4 量子化 ONNX モデルなら CPU のみで推論可能（Core i7 程度で快適） 完全ローカル動作 — データが外部に送信されないためプライバシー・セキュリティ面でも安心 💡 SLM vs LLM：Large Language Model（LLM）が数十〜数百B のパラメータを持つのに対し、Small Language Mode [&#8230;]]]></description>
									</item>
	</channel>
</rss>
