【生成AIニュース+】『SL2T』『Grok 4.6』『Qwen3.8-27B』『LangExtract』『LTX-2.5 IC-LoRA Pixel Spatial Upscaler』『MiniMax H3 Realism People LoRA』『awesome-ltx2』『MiniMax-H3-Turbo』『ComfyUI-H3-FaceRefine』『ComfyUI PR #15570』『Rest2Art』『DeWorldSG』『reBot-DevArm』

まいどです。
ちと遅れましたが、本日の生成AIニュース+テクノロジー情報です。

■SL2T

SL2Tは、Google DeepMindが開発した手話からテキストへの翻訳モデルです。
手・体・顔の同時的な動きを直接テキストに変換することで、聴覚障害者向けのAndroid機能を実現しています。
Pixel 11のGboardとLive Transcribeで、アメリカ手話から英語への入力が可能となり、タイピングの代わりに手話でウェブ検索やメッセージ作成、Geminiへの問い合わせができます。
10万時間以上・50以上の手話データで学習し、FLEURS-ASLベンチマークでゼロショット70 BLEURTの最先端性能を達成しています。
プライバシー保護のためデバイス上でポーズを追跡し、座標のみをサーバーに送信する仕組みを採用しています。
Deafコミュニティと共同で開発され、今後他の手話やデバイスへの拡大を予定しています。

■Grok 4.6

Grok 4.6は、xAIが2026年8月12日にリリースした最新の大規模言語モデルです。
Grok 4.5をベースに、長時間稼働するエージェント、複雑なコーディング、知識作業、インタラクティブ・ビジュアルなプロジェクトに重点を置いて強化されています。
同一価格帯でGrok 4.5から大幅に性能を向上させ、Artificial Analysis Intelligence IndexでGPT-5.6 Solと並ぶ61点を記録するなど、フロンティア級の知能を達成しています。
CursorやGrok Build、APIなどで利用可能で、特にエージェント的なWeb開発タスクで高い評価を得ています。

■Qwen3.8-27B

Qwen3.8-27Bは、AlibabaのQwenチームが発表した約270億パラメータのオープンウェイト大規模言語モデルです。
Qwen3.8シリーズの中でローカル・オンプレミス実行向けのコンパクトな位置づけで、大規模なQwen3.8-Max（2.4Tパラメータ・MoE）のオープンウェイト版と並んでリリース予定です。
コーディング、エージェント作業、マルチモーダル推論、長文脈処理に強みを持つとされ、Hugging Face上にプレリリースページが公開されています。
ウェイトは近日内に公開される見込みで、コミュニティで強く待望されています。

■LangExtract

LangExtractは、Googleが公開したオープンソースのPythonライブラリです。
大規模言語モデルを使って非構造化テキストから構造化情報を抽出し、抽出結果を元のテキストの正確な位置に対応付ける機能を備えています。
ユーザーが定義した指示と少数の例に基づき、一貫したスキーマで出力を生成し、インタラクティブな可視化も可能です。
Geminiをはじめとする複数のLLMバックエンドに対応しており、医療記録や契約書などの長文処理に適しています。

■LTX-2.5 IC-LoRA Pixel Spatial Upscaler

LTX-2.5 IC-LoRA Pixel Spatial Upscalerは、Lightricksの動画生成モデルLTX-2.5向けのIC-LoRAアダプターです。
低解像度の動画を入力として、単純な補間ではなく新しい細かいディテールを合成して創造的にアップスケールする生成型アップスケーラーです。
低解像度で構図や動きを確定させた後に高解像度化してディテールを加えるワークフローに適しており、ComfyUIなどで利用可能です。

■MiniMax H3 Realism People LoRA

MiniMax H3 Realism People LoRAは、MiniMax H3で人物をより自然で実写的に描くためのLoRAです。
顔のアップ、肌の質感、表情、手の動き、複数人のシーンなどを重点的に強化しており、映画風のライティングや手持ちカメラらしい動きも狙っています。
T2V、I2V、Reference-to-Videoで利用でき、H3本来の同期音声も維持されます。

■awesome-ltx2

awesome-ltx2は、LTX-2向けに公開されているモデル、LoRA、エンコーダー、ComfyUIワークフローなどをまとめたリンク集リポジトリです。
LTX-2をローカルやComfyUIで使う際に、必要なモデルや追加機能、関連ツールを探しやすく整理することを目的としています。

■MiniMax-H3-Turbo

MiniMax-H3-Turboは、MiniMax H3を4〜8ステップで高速生成するためのTurbo LoRAと、その推論コードやComfyUIワークフローをまとめたプロジェクトです。
T2VAとFL2VAに対応し、4ステップ版、8ステップ版、768p向け4ステップ版が公開されています。
Distillation（少ない計算回数でも元モデルに近い出力を出せるよう学習する手法）によって高速化しており、ComfyUIでは通常のMiniMax H3本体にLoRAを追加して使用します。

■ComfyUI-H3-FaceRefine

ComfyUI-H3-FaceRefineは、MiniMax H3で小さく映った顔が崩れやすい問題を補正するためのComfyUI拡張です。
顔部分を切り出して画面内で大きく扱い、低いDenoise（元映像を残しながら再生成する強さ）でH3に再生成させた後、元の動画へ戻すことで、目や口などの顔構造を改善します。
単純なアップスケールではなく、顔そのものを再生成する点が特徴です。

■ComfyUI PR #15570

これは、ComfyUIにMiniMax Music 3のネイティブ対応とCUDA Graphs（GPU処理の繰り返し部分をまとめて高速実行する仕組み）を追加する大型アップデート案です。
MiniMax Music 3では歌詞、楽曲説明、生成設定を扱う専用ノードが追加され、モデルの無駄な重みを整理してVRAM効率も改善しています。
CUDA Graphsによる高速化も大きなポイントで、RTX 5090のテストでは120秒分の生成が約287.5秒から87.7秒まで短縮された例が報告されています。
一方でGPUによって効果には差があり、現在このPRはまだOpen（未マージ）です。

■Rest2Art

Rest2Artは、単一の静止状態（閉じた状態）の画像から、関節を持つ物体（扉や引き出しなど）の3D形状と関節パラメータを再構築するECCV 2026の手法です。
実際の動きを観察することなく、ビデオ拡散モデルを使って関節の動き仮説を生成し、幾何学的一貫性で検証することで、シミュレーション可能なアセット（URDF形式など）を出力します。
ビジョン・言語モデルとセグメンテーションを融合してパーツ構造を推定し、デジタルツインやロボット操作への応用を目指しています。

■DeWorldSG

DeWorldSGは、RGB-Dシーケンスから時空間的に一貫した3Dセマンティックシーングラフを生成するフレームワークです。
深度を考慮した確率的な3Dオブジェクトモデリング（インスタンスごとの3Dガウス分布）と、世界モデル（V-JEPA 2）による関係推論を組み合わせることで、従来手法の課題であった不安定な3D表現やフレーム単位推論による関係の欠落を解消します。
3DSSGおよびReplicaSSGデータセットでオブジェクト・プレディケート予測ともに最先端性能を達成し、トリプレットリコールで77.4%、プレディケートリコールで23.2%の向上を示しています。
ロボット操作やAR用途に適した時空間一貫性の高いシーン構造を生成可能で、コードとモデルはオープンソース化されています。

■reBot-DevArm

reBot-DevArmは、Seeed Studioが提供する完全オープンソースの6自由度（＋グリッパー）ロボットアームです。
デスクトップ向けの具身知能実験用に設計されており、アーム長約650〜767mm、ペイロード1.5kgまたは2.5kgを備え、Python SDK、ROS1/2、LeRobot、Isaac Simなどに対応しています。
ハードウェア設計図・BOM・ソフトウェアをすべて公開しており、組み立て・コーディング・学習が可能な「ブラックボックスではない」開発プラットフォームです。
キット購入や自作が可能で、シミュレーションから実機への移行を容易にします。

本日は以上となります。

過去の生成AIニュースは買い切りマガジンの「【生成AIニュース】アーカイブ」で全て見ることができます。

SDなどで使えるプロンプト集です。マガジンご購入者にももれなく付いてきます。

マガジンご購入者専用の特典「生成AIツール辞典」です。

それでは、また。