■ **概要** 音声・画像・テキスト・音楽を離散表現に統一し、単一の LLM で any-to-any モーダル変換を実現するマルチモーダルモデル。 ■ **特徴・用途** - **統一アーキテクチャ**: 異なるモーダルを同じ discrete token 空間にエンコード → Next Token Prediction で単一の LLM で訓練。複数のモーダル固有デコーダを持つ従来設計より実装・推論が単純化。 - **モーダル間コンバージョン**: テキスト→音声、画像→音楽など任意方向の変換が可能。chat モデルは自由な位置に異なるモーダルを挿入できる混合対話に対応。 - **データセット公開**: AnyInstruct（複数生成モデルベース）で訓練済み。ベースと chat モデルの両者を公開しており、実装の再現性が相対的に高い。 ■ **結論** モーダル統一による設計シンプル性は強みだが、各モーダルの量子化損失と離散トークン数のバランスが品質を左右する鍵—特に高忠実度が必要な画像・音声タスクでの実用性は公開ベンチマークで要検証。