（参考：Genmo | Open Video Generation）
（参考：genmo/mochi-1-preview · Hugging Face）
オープンソースでもクオリティが高い画像生成ツールが出てきた。
ただしでもはH100を４枚使ってるとのこと、なかなか試すのは難しそうだ。
日: 2024年10月29日
【トピックス】画面の状況をAIでテキスト化してくれるOmniParser
（参考：【OmniParser】全デバイスのUIを正確に分析できるMicrosoft製AIツール！ | WEEL）
（参考：https://github.com/microsoft/OmniParser?tab=readme-ov-file）
（参考：https://arxiv.org/pdf/2408.00203）
画面認識のモデル、細かく読めているようには見えます。
実際には、枠で囲んだところをテキスト化しているようで、少し得意な画面・不得意な画面はあるような感じです。