AI NEWS.ccAIが動く、未来が変わる
♡ 保存済み 0
AI NEWS・モデル情報能力を知り、根拠ある選択を。 ↗基本情報を先に収録・詳細を随時追加
THE AI MODEL DIRECTORY ここからモデルを探す

あなたに合う AIモデルを。

言語から画像、オープンウェイトからAPIまで。能力と実際の費用を比較。
次のアイデアに合うAIを見つけましょう。

人気の検索
84,991 件のモデル13202 社の提供元・公開者45 件の機能分類465件の比較可能な料金・30件の公開評価
Tテキスト生成▧画像生成▷動画生成⌘コード生成◖音声合成♫音楽生成⬡3Dモデリング▤文書分析
DISCOVER & COMPARE

AIモデルを探す 11

注目のモデルを見つける

Quantized GGUF versions of **task-arithmetic merged** ACE-Step v1.5 XL DiT models, ready for use with C++ inference engines. These are **DiT (Diffusion Transformer)** models created by merging the official ACE-Step v1.5 XL checkpoints using task arithmetic. Task arithmetic blends the learned "task vectors" of two fine-tuned models at a controlled interpolation ratio, producing models that inherit qualities from both parents. - **SFT × Turbo** blends combine SFT's strong lyric adherence and musical structure with Turbo's faster convergence and energy - **Base × Turbo** blends bring Base's raw generative range together with Turbo's efficiency - Different ratios let you dial the trade-off to taste — lower λ for more structure, higher λ for more speed

翻訳待ち・原文を表示

音声合成
入力 テキスト→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗
出典・文書 ↗

MXFP4 quantized DiT models for ACE-Step music generation, in GGUF format. **Compatible with acestep.cpp and HOT-Step-CPP.** MXFP4 (Microscaling FP4) is a 4-bit floating point format from the Open Compute Project MX Specification. Unlike integer quantization (Q4_K_M etc.), MXFP4 stores weights as E2M1 floating point values with shared E8M0 block scales.

翻訳待ち・原文を表示

分類準備中
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗
出典・文書 ↗

A fine-tuned **AutoencoderOobleck** decoder with an intent to improve audio fidelity for the ACE-Step 1.5 music generation pipeline. Drop-in compatible with all existing ACE-Step DiT checkpoints. ACE-Step 1.5 uses a VAE (Variational Autoencoder) to convert between audio waveforms and the latent space that the DiT diffusion model operates in. The original VAE decoder attenuates high-frequency content, resulting in audio with reduced clarity and detail above 6kHz. ScragVAE retrains the decoder half of the VAE to better reconstruct upper harmonics, transient detail, and spectral "air" — while keeping the encoder frozen so all existing DiT models remain fully compatible.

翻訳待ち・原文を表示

音声処理
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗
出典・文書 ↗

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

基本情報を収録・詳細は順次追加

分類準備中
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗
出典・文書 ↗

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

基本情報を収録・詳細は順次追加

分類準備中
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗
出典・文書 ↗

GGUF conversion of MiniMaxAI/MiniMax-Music3 for **HOT-Step CPP**, a fully local desktop app for AI music generation with a native C++/GGML engine. As far as we know this is the first GGUF conversion of this model. These files are downloaded automatically by HOT-Step's Model Manager when the MiniMax-Music3 backend is selected. They are **not** usable with llama.cpp alone: `mm3-lm-*.gguf` is structurally a Qwen3 GGUF, but music generation requires the full five-module pipeline (LM → RVQ depth decoder → condition encoder → flow-matching DiT → vocoder) implemented in HOT-Step's engine. Since 2026-08-14 the repo carries **one file per pipeline component**, so each can be picked at its own quantisation and swapped without re-downloading the others:

翻訳待ち・原文を表示

分類準備中
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗
出典・文書 ↗

GGUF conversion of OpenMOSS-Team/MOSS-Music-8B-Instruct for **HOT-Step CPP**, a fully local desktop app for AI music generation with a native C++/GGML engine. As far as we know this is the first GGUF conversion of this model. Unlike everything else HOT-Step ships, this model **analyses** audio rather than generating it. It listens to a track and writes a caption describing what it hears — used in HOT-Step's Training Studio to caption your own dataset locally, with no API key and nothing leaving the machine. These files are downloaded automatically by HOT-Step's Model Manager. They are **not** usable with llama.cpp alone: `moss-lm-*.gguf` is structurally a Qwen3 GGUF, but captioning requires the audio tower in `moss-aud-f16.gguf` and the deepstack injection wiring implemented in HOT-Step's engine.

翻訳待ち・原文を表示

音楽生成オープンウェイト
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗
出典・文書 ↗

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

基本情報を収録・詳細は順次追加

分類準備中
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗
出典・文書 ↗

YuE2-GGUF

scragnog

GGUF conversions of m-a-p/YuE2-3B and m-a-p/YuE2-Vae for HOT-Step CPP, a local C++/GGML music generation engine. YuE2 is an autoregressive-planner + flow-matching music model from the M-A-P team; these files let it run through HOT-Step's GGML inference stack instead of the original PyTorch checkpoint. - Size: 3,960,938,800 bytes. - SHA256: `96fe199377309001ed8cd26a944baeee8cc31a20ba7c36d1d3c0a7e1f4149db6`. - No changes to the upstream checkpoint; the upstream CC BY-NC 4.0 licence applies. See LICENSE. All model weights here are derived from the original YuE2 release. Credit and thanks to the YuE2 authors (M-A-P) for the underlying research and checkpoints:

翻訳待ち・原文を表示

分類準備中
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗
出典・文書 ↗
COST EXPLORER

モデル選びに、費用の視点も。

コスト分析

月間トークン数を調整してAPI費用を比較。

1 M = 100万トークン・米ドル
同一チャネルの基本テキスト料金を比較

収集済みの比較可能な100万トークン当たり米ドル料金です。キャッシュ割引、段階料金、追加推論出力、税金は含みません。最新料金は出典で確認してください。

MODEL HANDBOOK

モデルを理解して選ぶ

選び方とよくある質問
API料金はどう比較しますか？+

入力・出力・キャッシュ料金を分け、同じ用途と使用量で総費用を比較します。画像・音声・動画は枚数、時間、解像度で課金される場合があります。

オープンウェイトは無料で商用利用できますか？+

必ずしもそうではありません。バージョンごとのライセンス、商用制限、ポリシーを確認してください。自前運用には計算資源と保守費用も必要です。

ランキング1位が最適ですか？+

順位はテスト、バージョン、評価方法によります。実際の業務データで精度、遅延、安定性、費用を比較してください。

AI NEWS・情報から選択へ

ニュースで知り、ツールで効率化、モデルで可能性を。

AIニュースを読む ↗AIツールを探す ↗