InterfazeはQwenやWhisperなどのモデルを一つのAIツールボックスとして統合した

動察 Beating AI 速報、AIスタートアップのInterfazeがマルチモデルシステムinterfaze-1-liteをオープンソース化。OCR、音声認識、画像セグメンテーション、分類、予測などの機能を一つのインターフェースに統合した。

その中でQwen3.8-27Bがスケジューリングの中核を担い、ユーザーのリクエストを理解し、さまざまな専用モデルを呼び出して処理を行う。例えば、文書認識にはChandra OCRとPaddleOCRを使用し、音声テキスト変換にはWhisperを呼び出し、画像セグメンテーションにはSAM 2.1を呼び出し、時系列予測はTimesFMに任せる。

開発者がローカルにデプロイする際には、これらのモデルの重みをダウンロードする必要があるが、Interfazeが省いてくれるのは、このシステムを自ら組み立てる作業だ。モデルのスケジューリング、データ変換、統一出力はすでに処理済みで、上位アプリケーションには一つのインターフェースのみを公開している。OCRなどのタスクには信頼度とテキスト位置も付属し、後続のプログラムが人手による確認が必要かどうかを判断しやすくしている。

Interfazeはこの設計をMixture of Architecturesと呼んでいる。システム全体は80GBのH100一枚で動作可能だ。