RinggRouter e2bの GGUF 版が公開。ローカル推論で使える。
この記事のポイント
- 多モーダル対応ルーター
- llama.cpp b11259で量子化
- Q4_K_Mは3.17GB
数字で見る
この記事に出てくる数字
| モデルサイズ | 3.17GB |
|---|
どこで使えるか
ローカルで多モーダル推論を組む人向け。llama.cpp対応でWebUIも使える Hugging Faceで公開済み ライセンスはapache-2.0
スポンサーリンク
解説
かみくだいて説明します
人工知能のモデル開発者、bartowskiが、画像と音声を入力できる言語モデル、RinggAI_ringg-router-e2bの軽量化版を、2026-09-30に公開しました。ファイルのサイズは3.17GBで、動作にはllama.cppというソフトウェアの、b11259というバージョン以上が必要です。
音声も画像も扱えるんですね。開発者がローカル環境で動かす場合、このb11259というバージョンは必須なんですか。
はい、このモデルのアーキテクチャが新しいバージョンで対応している場合に必要です。インストールはllama.appを使えば、コマンドを1行打つだけで完了します。
1行のコマンドで入るなら、技術者の方の手間は減りそうです。では、画像と音声を同時に読み取る仕組みについて教えてください。
本体のモデルとは別に、mmprojという名前の画像や音声を変換するファイルがセットで入っています。これを本体と組み合わせることで、テキストだけでなく写真や録音データも理解できるようになります。専門用語で言うマルチモーダル対応です。
マルチモーダルというのは、まだイメージが掴めません。もう少し分かりやすく言うとどうなりますか。
正確には、複数の感覚を一度に扱う仕組みです。例えば、写真に写っている風景の説明を音声で読み上げるとき、画像を解析する部分と、言葉を組み立てる部分を別の部品が担当します。このプロジェクトファイルが、写真や音声を言語モデルが読める形に翻訳する役割を果たします。
写真や録音を翻訳して渡す部品が別に用意されているんですね。では、このモデルをすでに使っている技術者は、どのくらいの環境で動かせるんですか。
対応するソフトウェアは7つあります。LM Studio、koboldcpp、ramalama、Jan AI、Text Generation Web UI、LoLLMs、Atomic Chatです。それぞれ別の開発元が作っていますが、llama.cppの規格に沿っているため、どのツールを選んでも同じデータを使えます。
7つのツールで同じデータが使えるのは、現場の選定幅が広がりますね。最後に、この公開が技術者の作業に与える影響について教えてください。
軽量版のうちQ4_K_Mは3.17GBで、llama.cppのb11259で作られていて、LM Studioやkoboldcppでも動く上に画像や音声の入力にも対応しています。
出典
この記事のもとになった情報
- Hugging Face:bartowski/RinggAI_ringg-router-e2b-GGUF
- 公開日:2026-09-30
※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。