APK
リリースページからAPKをダウンロードし、下記のコマンドでAPKをインストールします。
adb install ailia-models-kotlin.apk
初回起動時はPoseEstimationが選択されています。画面上部のPoseEstimationをタップするとカテゴリを、その下のモデル名をタップすると使用するモデルを変更できます。画像系モデルではImage ModeまたはCamera Modeを選択してRunをタップします。
モデルが端末にない場合は、Run、Record、Generate、Sendなどを初めてタップしたときにダウンロードします。ダウンロードしたモデルはアプリ内に保存され、次回から再利用されます。
対応モデル: LightweightHumanPose
人物の姿勢を推定します。Image Modeではプリセット画像、Camera Modeではカメラ映像を入力として、Runをタップすると関節点と骨格を表示します。
対応モデル: YOLOX-S（TFLite）、YOLOX-S（ONNX）、DETR ResNet50（ONNX）
画像内の物体を検出します。Image ModeまたはCamera Modeを選択してRunをタップすると、カテゴリ名とBounding Boxを表示します。
対応モデル: YOLOX-S + ByteTrack（TFLite）、YOLOX-S + ByteTrack（ONNX）
検出した物体を追跡します。Camera Modeを選択してRunをタップすると、物体ごとのTracking IDをBounding Boxとともに表示します。
対応モデル: Multilingual MiniLMv2（L12）
入力文をゼロショット分類します。Input Sentenceに文章を入力してRunをタップすると、スマートフォン、エンタメ、スポーツ、政治、科学の各スコアを表示します。
対応モデル: MobileNetV2（TFLite／ONNX）、ResNet50（TFLite／ONNX）、ViT-B/16（ONNX）
画像をImageNetのカテゴリに分類します。Image ModeまたはCamera Modeを選択してRunをタップすると、スコアが高い上位3カテゴリを表示します。
対応モデル: U-2-Net
画像から前景を抽出します。Image ModeまたはCamera Modeを選択してRunをタップすると、背景部分を黒いオーバーレイで表示します。
対応モデル: SenseVoice Small、Whisper Tiny、Whisper Base、Whisper Small
音声認識を行います。Wavではプリセット音声をRunで認識し、MicではRecordをタップしてから発言し、Stopで認識結果を確定します。デフォルトではVAD単位で認識しますが、Live Modeを有効にすると中間結果も表示します。Speaker Diarizationを有効にすると話者分離を行い、この場合Live Modeは使用できません。
対応モデル: GPT-SoVITS V1、V2、V3、V2-Pro、V2-Pro Distill JA
入力した文章から音声を合成します。モデルと実行環境を選択し、文章を入力してGenerateをタップします。生成後はReplayで音声をもう一度再生できます。
対応モデル: Gemma 4 E2B、Gemma 4 E4B、Gemma 2 2B（いずれもQ4_K_M）
テキストによる対話を行います。メッセージを入力してSendをタップすると、生成結果を順次表示します。
対応モデル: Gemma 3 4B IT（Q4_K_M）
画像について質問できます。Image Modeではプリセット画像、Camera Modeではカメラ画像を使用し、質問を入力してSendをタップします。
対応モデル: WeSpeaker ResNet34（VoxCeleb）+ Silero VAD v6
話者を照合します。Reference speakerを選択し、Verify Wavをタップすると、プリセット音声との距離と類似度を表示します。Add Speakerをタップすると、マイクからReference speakerを追加できます。Micを選択した場合はRecordで照合対象を録音し、録音後にVerifyをタップします。
対応モデル: VoiceFilter + dynamic d-vector embedder + Silero VAD v6
混合音声から特定話者の声を抽出します。Reference speakerを選択し、Filter Wavをタップするとプリセット音声を処理します。Play BeforeとPlay Afterで処理前後の音声を再生できます。Add SpeakerでマイクからReference speakerを追加でき、MicではRecordで処理対象を録音してからFilterをタップします。