Hugging Faceとは何の会社?AIの“GitHub”と呼ばれる理由
「AIのGitHub」と呼ばれるのはなぜ?モデルとデータセットを共有する場という正体

室谷代表取締役Hugging Face、ひと言でいうと機械学習のコミュニティがモデルとデータセット、それにアプリまで共同で作って共有するためのプラットフォームなんですよね。運営しているのは米国の企業で、本社はニューヨーク。
個人が触る範囲なら無料で使えます。
個人が触る範囲なら無料で使えます。
テキトー教師DotAI 認定講師初めて触る人に多いのが「これってGitHubですか?」という反応なんですよ。画面がリポジトリっぽく見えるので、そこで止まってしまう人が一定数います。
室谷代表取締役中身はかなり違うんですけどね。トップページには「2M+ models」「500k+ datasets」「1M+ applications」と出ていて、40万以上の組織が使っていると表示されている。
Gitベースで共同編集できる土台の上に、モデルとデータが積み上がっている構造なんです。
Gitベースで共同編集できる土台の上に、モデルとデータが積み上がっている構造なんです。
テキトー教師DotAI 認定講師コードを置く場所だと思って開いたら、大きいファイルと説明書きが並んでいた、と。そこで「あ、別物だ」と気づく流れですね。
運営会社は何をしている?本社の場所とプラットフォームの関係
室谷代表取締役ここ、混ざりやすいところなんですけど、Hugging Faceは会社名で、その会社が運営しているのがHugging Face Hub。公式の説明でも「The AI community building the future」、機械学習コミュニティがモデル・データセット・アプリで協働するプラットフォームだと書かれています。
会社名とサービス名が同じなので余計にこんがらがるんですよね。
会社名とサービス名が同じなので余計にこんがらがるんですよね。
テキトー教師DotAI 認定講師現場でも「で、これは何で成り立ってるんですか」という疑問が出るんですよ。無料でここまで置かせてもらえる理由が見えないと、逆に不安になるみたいで。
室谷代表取締役構造としては、無料のホスティングで巨大な公開資産を集めて、その上に有料プランと計算リソースを乗せる形です。Meta、Google、Microsoft、NVIDIA、Anthropic、OpenAI、IBM あたりが公式にアカウントを持っていて、企業が自社モデルをここで公開している。
集まるほど価値が上がる側なので、無料開放は合理的なんですよ。
集まるほど価値が上がる側なので、無料開放は合理的なんですよ。
テキトー教師DotAI 認定講師あー、それは納得です。入口が無料じゃないと、研究者も企業も同じ場所に集まらないですもんね。
GitHubとの違いは何?扱う対象と試せる範囲で比べる
室谷代表取締役じゃあGitHubと何が違うのか。まず扱う対象がコードか、モデルの重みとデータセットか、という違いがあります。
重みファイルは数GBから数百GBになるので、そもそも前提が違う。各モデルのページには性能や想定用途、制限を記したモデルカードが付いています。
重みファイルは数GBから数百GBになるので、そもそも前提が違う。各モデルのページには性能や想定用途、制限を記したモデルカードが付いています。
テキトー教師DotAI 認定講師そこ、最初に戸惑うのが「取得したら数GB落ちてきた」というパターンです。コードの感覚で触ると確実にハマります。
室谷代表取締役もうひとつ決定的なのが、ページを開いた時点で試せることですよね。Spacesのデモならブラウザでそのまま動くし、API経由の推論も用意されている。
技術選定の初動が「探す→読む→動かす」で同じ場所に閉じているわけです。
技術選定の初動が「探す→読む→動かす」で同じ場所に閉じているわけです。
テキトー教師DotAI 認定講師以前だと論文を読んで環境を作って、でしたからね。そこで半日溶かすかどうかは、地味に大きい差だと思います。
どんな経緯で生まれた?チャットボット企業からの転換
2016年の設立と3人の創業者
室谷代表取締役2016年にニューヨークで設立、創業者はClément Delangue、Julien Chaumond、Thomas Wolfの3人なんですよね。もともと10代向けのチャットボットアプリを作る会社だった、というのが個人的にかなり好きで。
テキトー教師DotAI 認定講師そこ、初めて知る人はけっこう驚くところで。「AIプラットフォームの会社が、最初はチャットボット?」って反応になるんですよ。
ただチャットボットって裏でモデルを動かす必要があるので、技術の積み方はそこに地続きなんですよね。
ただチャットボットって裏でモデルを動かす必要があるので、技術の積み方はそこに地続きなんですよね。
室谷代表取締役そうなんですよ。で、そのモデルを自社だけで抱えずオープンソースにしたわけで・・・経営判断としてはかなり攻めですよね。
自社の資産を手放すように見えて、実際は開発者の信頼を一気に取る動きなので。
自社の資産を手放すように見えて、実際は開発者の信頼を一気に取る動きなので。
テキトー教師DotAI 認定講師現場感覚で言うと、モデルが公開されていると「まず動かしてみる」のハードルが一段下がるんですよ。そこから触る人が増えていく流れになります。
チャットボットの裏側にあったモデルを公開したことが転機
室谷代表取締役チャットボットの裏側で使っていたモデルを公開したら反応が良かった、というのが転換点らしいんですよね。そこから機械学習の民主化を目的にするプラットフォーム企業へ舵を切った、と。
テキトー教師DotAI 認定講師ここ、ハマる人多いんですよ。「製品が当たったから伸びた」ではなくて、裏方の技術を出したら開発者が集まってきた、という順番なんです。
因果が逆に見えるんですよね。
因果が逆に見えるんですよね。
室谷代表取締役時給で換算すると、モデルを一から学習させる時間って桁が違うんですよ。それが公開モデルを触るところから始められる。
浮いた時間がそのまま検証や試作に回るので、小さいチームほど効くんです。
浮いた時間がそのまま検証や試作に回るので、小さいチームほど効くんです。
テキトー教師DotAI 認定講師ただ、最初に戸惑うのが「公開されているものを業務で使って大丈夫なのか」という点で。そこはモデルごとに条件が違うので、使う前に必ず確認が必要です。
Hub開始、Gradio買収、評価額20億ドルまでの流れ
室谷代表取締役その後の流れが速くて。2020年にHubを始めて、翌年にDatasetsとSpacesを追加、2021年12月にはGradioを買収してるんですよね。
Gradioは数行のPythonコードでMLデモやWebアプリを作れるもので、Spacesと噛み合うわけです。
Gradioは数行のPythonコードでMLデモやWebアプリを作れるもので、Spacesと噛み合うわけです。
テキトー教師DotAI 認定講師順番がきれいなんですよ。共有の場を作って、データを足して、見せる手段を買ってきた。
バラバラの発表に見えて、一本の線になってるんです。
バラバラの発表に見えて、一本の線になってるんです。
室谷代表取締役資金も同じ方向に動いていて、2021年3月にシリーズBで4000万ドル、2022年5月のシリーズCでは評価額20億ドルに。2023年にはIBMのwatsonx.aiとの協業が始まって、IBMがシリーズDにも参加してる。
テキトー教師DotAI 認定講師数字だけ追うと華やかですが、根っこは「モデルを置ける場所」を作り続けたことに尽きるんですよね。だから今の姿にも素直につながってるんだと思います。
Hugging Face Hubとは?モデル・データセット・Spacesの役割
Hubには何が並んでいる?モデル・データセット・アプリの棚
室谷代表取締役Hubがこの会社の中心なんですよね。モデルとデータセットとSpaces、この3種類を無料でホストしていて、Gitベースで共同編集できる。
トップページには2M以上のモデル、500k以上のデータセット、1M以上のアプリケーションって表示されてます。
トップページには2M以上のモデル、500k以上のデータセット、1M以上のアプリケーションって表示されてます。
テキトー教師DotAI 認定講師初めて開くと、まず量に圧倒されるんですよ。で、棚が3つに分かれてることになかなか気づかないまま、検索窓に単語を入れて迷子になる人が多くて。
室谷代表取締役そこは経営目線で見ても面白くて。Meta、Google、Microsoft、NVIDIA、Anthropic、OpenAI、IBM あたりが企業アカウントとして並んでるんですよね。
自社モデルの配布窓口として、ここを外せない構造になってきてる。
自社モデルの配布窓口として、ここを外せない構造になってきてる。
テキトー教師DotAI 認定講師企業の公式モデルと個人の実験作が同じ棚に並ぶって、感覚的には不思議ですよね。でもだからこそ「公式が出してる方」を選べばいい、という判断がしやすいんだと思います。
Spacesとは?ブラウザですぐ試せるデモの仕組み
室谷代表取締役で、3つ目のSpacesが実は一番取っつきやすい。モデルをブラウザで動かすデモアプリを、そのまま公開できる場所なんですよね。
テキトー教師DotAI 認定講師これ、現場感覚で言うとハードルが低いんですよ。Pythonを書いて環境を揃えて、というところで最初の一歩が止まる人が多いんですが、Spacesはページを開いた時点でもう動いてる状態なので。
室谷代表取締役モデルページから辿って、試して、良ければAPI経由で叩く。この順番で判断できるのは大きいですよね。
導入検討のコストが一段下がるというか。
導入検討のコストが一段下がるというか。
テキトー教師DotAI 認定講師たしかに。作る側からしても、文章で説明するより触ってもらった方が早いんですよね。
デモが説明書代わりになってる印象です。
デモが説明書代わりになってる印象です。
モデルカードとデータセットカードは何のためにある?
室谷代表取締役で、各ページに付いてるのがモデルカードで。性能とか想定用途、制限が書かれてるドキュメントなんですよ。
データセット側にも同じ役割のカードがある。
データセット側にも同じ役割のカードがある。
テキトー教師DotAI 認定講師ここを読まずに使い始めて「思ってたのと違う」となる人が多いので、最初に開いてほしい場所ですね。どんな用途を想定してるかが書いてあるだけで、判断のスピードが変わります。
室谷代表取締役業務で使うかどうかの判断って、結局そこに集約されるんですよね。何ができて何ができないかが明文化されてるかどうかで、社内レビューの通しやすさが全然違う。
テキトー教師DotAI 認定講師「これ使っていいですか」の根拠がカードに書いてあるかで止まるかどうかが変わるので、地味だけど一番大事な部分かもしれないです。
TransformersとDatasets、周辺ライブラリで何ができる?
Transformersライブラリとは?Hubのモデルを動かす共通の土台
室谷代表取締役Transformers、名前だけ聞いたことがある人は多いんですけど、実態は「モデルの型を決める共通の定義」なんですよね。公式ドキュメントでもモデル定義フレームワークと書かれていて、vLLM や TGI みたいな推論基盤からも参照される。
要は業界の共通言語になってるんですよ。
要は業界の共通言語になってるんですよ。
テキトー教師DotAI 認定講師たしかに。現場でよく聞くのは「モデルごとにコードの書き方がバラバラで動かせない」という悩みなんですが、Transformers を挟むと書き方が揃うんです。
初めて触る人は、Hub のモデルページにあるサンプルコードをそのまま貼れば動く、というところに驚きますね。
初めて触る人は、Hub のモデルページにあるサンプルコードをそのまま貼れば動く、というところに驚きますね。
室谷代表取締役Hub 側に 1M+ の Transformers モデルチェックポイントがある、と公式が書いてる。ここまで来るともう“ライブラリ”というより流通規格ですよ。
規格を押さえた側が開発速度で有利になる構図は、ソフトウェア業界で何度も繰り返されてきたんですよね。
規格を押さえた側が開発速度で有利になる構図は、ソフトウェア業界で何度も繰り返されてきたんですよね。
Datasetsライブラリとは?データの共有と読み込みを担う役割
テキトー教師DotAI 認定講師モデルは動かせても、次に詰まるのがデータなんですよ。「学習に使うデータってどこから持ってくるんですか」という声、最初に必ず出ます。
室谷代表取締役そこを担うのが Datasets。Hub 上に並んでいるデータセットを、そのまま読み込める形で扱うためのライブラリです。
さっき話した Hub のデータセットとセットで効いてくる部分ですね。
さっき話した Hub のデータセットとセットで効いてくる部分ですね。
テキトー教師DotAI 認定講師自分で作ったデータを Hub に上げて共有する側にも回れるのがポイントで。ファイルを手で配っていた頃に比べると、同じ前処理を全員が再現できるのが大きいんですよ。
室谷代表取締役データの再現性って、事業だと地味に効くんです。誰がどのデータで学習したかを後から辿れると、品質の議論が一気に短くなる。
これはコストというよりガバナンスの話なんですよね。
これはコストというよりガバナンスの話なんですよね。
Diffusers・Tokenizers・PEFT・Safetensorsなど主要ライブラリの顔ぶれ
室谷代表取締役周辺も役割分担がはっきりしてますよね。拡散モデルなら Diffusers、高速なトークナイザなら Tokenizers、パラメータ効率の良いファインチューニングなら PEFT、重みの保存形式なら Safetensors。
公式ドキュメントでも Core ML Libraries、Training & Optimization、Collaboration & Extras といったカテゴリに分けて整理されてます。
公式ドキュメントでも Core ML Libraries、Training & Optimization、Collaboration & Extras といったカテゴリに分けて整理されてます。
テキトー教師DotAI 認定講師全部を一気に覚える必要はなくて、目的から逆引きするのが早いんです。画像生成をやりたいなら Diffusers、手持ちのモデルを少ない計算資源で調整したいなら PEFT、という順番ですね。
室谷代表取締役あと隠れた効きどころが Safetensors で。重みの保存形式が決まっていると、配布する側も受け取る側も事故が減る。
企業アカウントが大量に並ぶプラットフォームでは、こういう地味な標準化の価値がでかいんですよ。
企業アカウントが大量に並ぶプラットフォームでは、こういう地味な標準化の価値がでかいんですよ。
テキトー教師DotAI 認定講師現場感覚で言うと、ファイル形式でつまずく人は多いんです。読み込みでエラーが出て、そこで止まってしまう。
最初から形式が揃っているありがたさは、慣れてから気づくやつですね。
最初から形式が揃っているありがたさは、慣れてから気づくやつですね。
ソフトウェアの外へ:smolagents・LeRobot・Reachy Miniの広がり
主要ライブラリの役割分担
Transformers
モデルの型を決める共通の定義。Hubの1M+モデルチェックポイントを動かす土台で、vLLMやTGIからも参照される
Datasets
Hub上のデータセットをそのまま読み込める形で扱う。自作データの共有にも対応し、前処理の再現性を確保
Diffusers
拡散モデル(画像生成など)を扱う
Tokenizers
高速なトークナイザを提供
PEFT
パラメータ効率の良いファインチューニング。少ない計算資源でモデルを調整
Safetensors
重みの保存形式。形式が決まることで配布・受け取り時の事故を減らす
smolagents
エージェント構築
LeRobot / Reachy Mini
ロボット向け。Reachy Miniは小型ロボットのSDKで、HubとPythonでつなぐ設計
室谷代表取締役ここが面白いところで。エージェント構築の smolagents、ロボット向けの LeRobot と Reachy Mini まで、同じ場所のドキュメントに並んでるんですよ。
ライブラリ群がソフトの外側に伸び始めてる。
ライブラリ群がソフトの外側に伸び始めてる。
テキトー教師DotAI 認定講師Reachy Mini は小型ロボットのSDKで、Hub と Python でつなぐ設計になっているんです。ロボットと聞くと別世界に感じますけど、モデルを取ってくる場所が同じ、というのは大きいですね。
室谷代表取締役実機が Hub 経由でモデルを持ってくる、というのは構造としてかなり象徴的で。ハードとモデル配布が同じ経済圏に入ると、参入の敷居の下がり方が変わってくるんですよね。
テキトー教師DotAI 認定講師ただ価格やできることについては、購入前に公式の情報を見た方がいいです。紹介されている内容は時期で変わるので、そこは鵜呑みにせずに。
モデル共有の場所が“動くもの”まで含み始めた、という方向性だけ押さえておけば十分だと思います。
モデル共有の場所が“動くもの”まで含み始めた、という方向性だけ押さえておけば十分だと思います。
基本的な使い方は?Pythonでモデルを動かすまでの流れ
まずはアカウント登録とアクセストークンの準備
Pythonでモデルを動かすまでの流れ
- 1アカウント登録huggingface.co にアクセスして無料アカウントを作成する
- 2アクセストークン発行ログイン状態でトークンを発行(最新手順は公式ヘルプで確認)
- 3トークンを厳重管理パスワードと同じ扱いにし、コードやリポジトリに直接書き込まない
- 4Transformersを導入手元のPython環境にTransformersをインストールする
- 5モデルページを確認使いたいモデルのページで想定用途や制限を読む
- 6推論を実行Transformersでモデルを読み込んで推論してみる
- 7Spaces/APIへ発展コードを書かずに試すならSpaces、組み込みならInference ProvidersやEndpoints
- huggingface.co を開き、アカウントを作成する
- アカウント設定の画面からアクセストークンを発行する(読み取り用途から始める)
- 手元のPython環境に
transformersをインストールする - Hubで使いたいモデルのページを開き、モデルIDを控える
- Pythonからモデルを読み込み、推論を実行する
室谷代表取締役使うまでの流れ、思ったより短いんですよ。アカウント作って、トークンを発行して、Pythonから読み込む。
この3つで一旦は終わりなんですよね。
この3つで一旦は終わりなんですよね。
テキトー教師DotAI 認定講師たしかに。初めて触る人は「GPUを持ってないと無理なんじゃ」と身構えるんですけど、推論だけなら手元のマシンでも動きますから。
室谷代表取締役トークンの扱いだけ注意で。コードに直書きしてリポジトリに上げちゃう事故が定期的に起きるので、環境変数に置く運用にしておくのが無難です。
テキトー教師DotAI 認定講師そこは現場でもよく聞きますね。あと無料プランはAPIのレート制限が1,000リクエスト/5分なので、大量に叩く前提なら最初から上限を見ておいた方がいいです。
Transformersでモデルを読み込んで推論してみる
テキトー教師DotAI 認定講師実際の手順は、Hubのモデルページに載っているサンプルコードをそのまま持ってくるのが一番早いです。モデルIDを差し替えるだけで動きます。
室谷代表取締役ここがHubの強いところで。Transformersが「モデル定義の共通フレームワーク」になっていて、vLLMやTGIみたいな推論基盤も同じ定義を参照してるんですよ。
乗り換えコストが低いのは、事業で使う側からするとかなりデカい。
乗り換えコストが低いのは、事業で使う側からするとかなりデカい。
テキトー教師DotAI 認定講師最初に戸惑うのが、モデルごとに必要な前処理が違う点ですね。トークナイザを一緒に読み込むところまでを1セットで覚えるとハマりにくいです。
室谷代表取締役あと、いきなり大きいモデルを選ばないこと。重みファイルは数GBから数百GBになりますから、まず小さいので通して、それから上げていく。
開発の順番と同じですよね。
開発の順番と同じですよね。
コードを書かずに試すならSpacesとInference
テキトー教師DotAI 認定講師「動かす前に雰囲気だけ見たい」なら、Spacesで公開されてるデモをブラウザで触るのが手っ取り早いですね。開くだけなのでコードは要りません。
室谷代表取締役自分でデモを出す側になるときはGradioで、数行のPythonコードでアプリにできるんですよね。フロントエンドを別で書かなくていいのが効きます。
テキトー教師DotAI 認定講師呼び出すだけならInference Providers経由で、モデルを自前でホストせずに推論できます。ここは用途で分かれるところですね。
室谷代表取締役試す、作る、運用する。この各段階に別の入り口が用意されてるのが、プラットフォームとして上手い作りだなと。
料金はどうなってる?無料・PRO・Team・Enterpriseの違い
無料プランでどこまでできる?ストレージとAPIレートの範囲
室谷代表取締役まず無料の範囲を押さえないと、上のプランの意味が分からないんですよね。公式の比較表だと、プライベートストレージが100GB、パブリック側はベストエフォート、APIは5分あたり1,000リクエスト、ZeroGPUは1日5分まで。
テキトー教師DotAI 認定講師現場感覚で言うと、最初に戸惑うのがそこなんですよ。「無料でもプライベートが100GB使える」という点で、個人の検証ならほぼ困らない。
ただZeroGPUの1日5分は、デモを人に見せ始めると一気に足りなくなります。
ただZeroGPUの1日5分は、デモを人に見せ始めると一気に足りなくなります。
室谷代表取締役1,000リクエスト/5分も、試作なら十分だけど本番のトラフィックを載せると頭打ちになる。コスト目線で怖いのは、無料で回る範囲を確認せずに業務投入して、あとから制限にぶつかるパターンなんですよね。
テキトー教師DotAI 認定講師たしかに。先に上限を知っておくだけで、プラン選びの迷い方が変わります。
PROは月9ドル、Teamは1ユーザー月20ドルで何が変わる?
Hugging Face プラン別の主な違い
| 項目 | 無料 | PRO | Team | Enterprise |
|---|---|---|---|---|
| 料金 | 0円 | 月9ドル | 1ユーザー月20ドル | 1ユーザー月500ドルから(要問い合わせ) |
| プライベートストレージ | 100GB | 無料の10倍 | ― | 最大 |
| パブリックストレージ | ベストエフォート | 無料の2倍 | ― | 最大 |
| APIレート | 5分あたり1,000リクエスト | ― | ― | 最大 |
| ZeroGPU | 1日5分 | 8倍+優先キュー | ― | ― |
| 推論クレジット | ― | 月2ドル分 | ― | ― |
| SSO(SAML/OIDC) | × | × | ○ | ○ |
| Audit Logs | × | × | ○ | ○ |
| Resource Groups | × | × | ○ | ○ |
| Storage Regions | × | × | ○ | ○ |
| トークン管理 | × | × | ○ | ○ |
| リポジトリ利用状況分析 | × | × | ○ | ○ |
| Spaces Dev Mode | × | ○ | ― | ― |
| 個人ブログ | × | ○ | ― | ― |
| SCIM自動プロビジョニング | × | × | × | ○ |
| 法務・コンプライアンス対応 | × | × | × | ○ |
| 専任サポート | × | × | × | ○ |
室谷代表取締役金額を並べるとこうなります。
| プラン | 金額 | 主な追加要素 |
|---|---|---|
| 無料 | 0円 | プライベート100GB、API 1,000リクエスト/5分、ZeroGPU 1日5分 |
| PRO | 月9ドル | プライベート10倍・パブリック2倍、推論クレジット月2ドル分、ZeroGPU 8倍+優先キュー、Spaces Dev Mode、個人ブログ |
| Team | 1ユーザーあたり月20ドル | SSO(SAML/OIDC)、Audit Logs、Resource Groups、Storage Regions、トークン管理、リポジトリ利用状況分析 |
| Enterprise | 1ユーザーあたり月500ドルから(要問い合わせ) | ストレージ・帯域・APIレートが最大、SCIM自動プロビジョニング、法務・コンプライアンス対応、専任サポート |
テキトー教師DotAI 認定講師PROの9ドルは、ZeroGPUが8倍になって優先キューが付くところが体感で効きます。デモを触ってもらう前提だと、待たされる時間が評価そのものを下げるので。
室谷代表取締役Teamの20ドルは、機能というより統制の値段なんですよ。SSO、監査ログ、リソースの分離。
個人が趣味で使うなら要らないけど、複数人でアカウントを持った瞬間に効いてくる種類のものなんですよね。
個人が趣味で使うなら要らないけど、複数人でアカウントを持った瞬間に効いてくる種類のものなんですよね。
Enterpriseと従量課金:GPU・Inference・追加ストレージの単価

室谷代表取締役Enterpriseは要問い合わせで、Pricingページには1ユーザーあたり月500ドルからと出ています。SCIMでの自動プロビジョニング、法務・コンプライアンス対応、専任サポートまで含めた契約なので、純粋な機能比較には乗らない部分ですね。
テキトー教師DotAI 認定講師従量の部分も見落とせないんですよ。追加のプライベートストレージはTeam/Enterpriseで1TBあたり月18ドル。
Hub上のストレージ単体だと、パブリックが8〜12ドル、プライベートが12〜18ドルという幅で、利用量に応じて段階的に割引されます。
Hub上のストレージ単体だと、パブリックが8〜12ドル、プライベートが12〜18ドルという幅で、利用量に応じて段階的に割引されます。
室谷代表取締役計算資源はSpacesのGPUが時間0.40ドル(Nvidia T4)からで、CPUの基本枠は無料。Inference Endpointsは時間0.033ドルから。
使った分だけ、という構造は分かりやすいけど、放っておくと静かに積み上がるんですよね。
使った分だけ、という構造は分かりやすいけど、放っておくと静かに積み上がるんですよね。
テキトー教師DotAI 認定講師組織の規模によって、まずTeamで足りるのか、監査や法務の要件が出てきた時点でEnterpriseに上げるのか、という順番で考えるのが自然ですね。個人ならPROで足りるかどうかを、まずZeroGPUと推論クレジットで測る。
金額の前に、何に詰まるかを先に見たほうが早いです。
金額の前に、何に詰まるかを先に見たほうが早いです。
どんな活用事例がある?NLP・画像・音声から国内の動きまで
自然言語処理・画像・音声でどう使われている?
Hugging Faceの活用事例と国内の動き
Transformers
テキスト・画像・音声・動画・マルチモーダルのモデルを扱う共通のモデル定義フレームワーク
Diffusers
拡散モデル用に別途用意され、領域ごとに棚が分かれている
Spacesのデモ
モデルページにデモが付いており、ブラウザから動かせる。動くものを見てから中身を読む順番が取れる
重みの集約効果
重みの置き場が一箇所に集まると、自前でモデルを作らない企業でも検証から入れる
PLaMo 3 Translate
Preferred Networksが翻訳特化モデルの重みをHugging Faceで公開
Stable Video Diffusion
Stability AI Japanによる公開事例
Japanese Stable Diffusion
個人開発者による公開事例
LLM course日本語訳
看板教材のLLM courseに日本語訳が公開。東北大学のStudent Ambassadorsが翻訳を進めていると公式案内
注意点
モデルカードの読み方やライセンス条件の確認をせず業務へ持ち込むと後で揉めるため、使う前にドキュメントを読む習慣が必要
室谷代表取締役Hugging Face の中核ライブラリ Transformers は、テキスト・画像・音声・動画・マルチモーダルのモデルを扱う共通の「モデル定義フレームワーク」なんですよね。拡散モデル用には Diffusers が別に用意されていて、領域ごとに棚が分かれてるイメージです。
テキトー教師DotAI 認定講師初めて触る人が驚くのは、モデルのページにデモがそのまま付いてる点ですね。Spaces でブラウザから動かせるので、「動くものを見てから中身を読む」順番が取れるんですよ。
室谷代表取締役これって業界構造として大きいと思ってて。重みの置き場が一箇所に集まると、自前でモデルを作らない企業でも検証から入れるようになるんです。
テキトー教師DotAI 認定講師現場でよく聞くのも同じで、論文を読む前にデモを触る、という流れが定着しつつありますね。
日本国内の公開事例:PLaMo 3 TranslateやStable Video Diffusionなど
テキトー教師DotAI 認定講師国内の話も入れておくと、Preferred Networks が翻訳特化の PLaMo 3 Translate の重みを Hugging Face で公開していますし、Stability AI Japan の Stable Video Diffusion、個人開発者による Japanese Stable Diffusion なんて例もあります。
室谷代表取締役日本語のモデルを出す場所として、かなり定着してきた感じがします。うちの現場でも、社内で新しいモデルを試すときはまず Hub で探すところから始まりますからね。
テキトー教師DotAI 認定講師ただ日本語モデルは最初に戸惑うポイントがあって、モデルカードの読み方が分からないまま動かして「あれ?」となる人が多いんですよ。
室谷代表取締役そこは経営判断も絡みます。ライセンス条件を確認せずに業務へ持ち込むと後で揉めるので、使う前にドキュメントを読む習慣をつけたいところです。
日本語で学べるLLMコースという入り口
室谷代表取締役あと見逃せないのが、看板教材の LLM course に日本語訳が公開されていることですね。東北大学の Student Ambassadors が翻訳を進めていると公式で案内されています。
テキトー教師DotAI 認定講師英語の教材で途中で止まった人には大きいですよ。用語の訳が揃っているだけで読む速度が変わるので、最初の一歩のハードルがかなり下がります。
室谷代表取締役学習コストを下げる投資って地味なんですけど、効き方は大きいんですよね。外注する前に自走できる人が社内に増えるわけですから。
テキトー教師DotAI 認定講師まず1章だけ読んで、Hub でモデルを1個動かしてみる。そのくらいの軽さで始めると続きますよ。
よくある質問
Q1. OpenAIやAnthropicのAPIと、Hugging Faceはどう使い分ける?
室谷代表取締役OpenAI とか Anthropic の API と Hugging Face、何が違うのって聞かれるんですよね。あっちは自社のモデルを API で貸す形で、こっちは色々なモデルが並んでる場所、という違いで・・・
テキトー教師DotAI 認定講師たしかに。現場でも「どっちを契約すれば」という声は多いんですけど、用途が分かれるんですよ。
すぐ使いたいなら API、中身を自分で動かしたいなら配布されてるモデルを手元に持ってくる、みたいな。
すぐ使いたいなら API、中身を自分で動かしたいなら配布されてるモデルを手元に持ってくる、みたいな。
室谷代表取締役全部を自前で抱える必要はないですからね。まず API で当たりをつけて、コストが効いてきたら手元に持ってくる。
その順番が現実的というか。
その順番が現実的というか。
Q2. 商用利用はできる? ライセンスはどこを見ればいい?
テキトー教師DotAI 認定講師商用で使えるか、というのは最初に必ず聞かれるところで。これ、モデルごとに条件がバラバラなんですよ。
室谷代表取締役同じ場所に並んでても中身は別々の配布物なので、ビジネスに組み込むなら一個ずつ確認するしかないんですよね。まとめて「使える」とは言えない。
テキトー教師DotAI 認定講師モデルのページに条件が書かれているので、そこを開くクセをつけると事故が減ります。書かれていないものは特に慎重に、という感じです。
Q3. 日本語に強いモデルはある?
室谷代表取締役日本語だとどうなの、という相談はやっぱり多いんですよね。
テキトー教師DotAI 認定講師日本語対応をうたったモデルも並んでいますよ。ただ得意不得意の差が大きいので、同じ文章を食わせて比べるのが一番早いですね。
室谷代表取締役ベンチマークの数字だけ見て決めると外すんですよ。手元のデータで一回回すのが、結局いちばん安く済むんですよね。
Q4. 会社で使う場合、セキュリティ面はどう考える?
テキトー教師DotAI 認定講師公開されているものをそのまま業務に持ち込んでいいのか、というのは初めて触る人が戸惑うところで。
室谷代表取締役そこは用途次第で、社外に出せないデータを扱うなら自前の環境に持ってくる前提で考える。どのモデルをどこで動かすか、先に決めておくのが大事なんですよね。
テキトー教師DotAI 認定講師あとアカウント管理ですね。個人で試してたものが、そのまま社内の前提になってたという話は現場でよく聞きます。
Q5. 同じようなモデルがたくさんあって選べない
室谷代表取締役同じタスクのモデルが何個も並んでると、どれを選べばいいのか分からなくなるんですよね。
テキトー教師DotAI 認定講師最初に戸惑うのがまさにそこです。ダウンロード数や更新の鮮度、説明がどれだけ丁寧に書かれているか、あたりから見るといいですよ。
室谷代表取締役あと動かしてみて遅いものは使わない。速さは正義なので、そこは割り切っていいと思います。
まとめ
室谷代表取締役Hugging Face って、結局「AI の材料が置いてある場所」として一段落ち着いて見ればいいんですよね。自前でモデルを持つかどうかの判断材料が、そこに揃ってるというか。
テキトー教師DotAI 認定講師そうですね。最初は触るだけでも十分で、コードを書かなくても動かせるものも多いですから。
室谷代表取締役現場だと PoC で終わらせずに小さく本番へ出すのが大事で。時給で換算してペイするかどうかで見れば、判断はそんなに難しくないんですよね。
テキトー教師DotAI 認定講師まずは気になるモデルを一個動かしてみる、で十分だと思います。そこで分からないことが出てきたら、次を調べればいいので。
室谷代表取締役そうですね。触った結果を持って相談に来てくれると、話が早いんですよね。
