GPT-4o の概要｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・Hello GPT-4o 1. GPT-4o「GPT-4o」 (「omni」の「o」) は、人間とコンピュータのより自然な対話に向けた一歩です。テキスト、音声、画像のあらゆる組み合わせを入力として受け入れ、テキスト、音声、画像の出力のあらゆる組み合わせを生成します。 音声入力にはわずか232ミリ秒 (平均320ミリ秒) で応答できます。これは、人間の会話における応答時間とほぼ同じです。英語のテキストおよびコードでは「GPT-4 Turbo」のパフォーマンスに匹敵し、英語以外の言語のテキストでは大幅に改善されており、APIでははるかに高速で50%安価です。「GPT-4o」は、既存のモデルと比較して、特に視覚と音声の理解に優れています。 2. モデルの機能「GPT-4o」以前は、音声モードを使用して、平均2.8秒 (GPT-3.5) および5
Videodigest·時間が足りない人へ。ダイジェスト動画ジェネレータ MOONGIFT
現代人は時間が足りない生活を送っています。そのため2時間の映画を悠長に観ていられないかも知れませんし、スポーツなどもずっと鑑賞している暇はなさそうです。そこで必要になるのがサマライズです。 観るべきポイントを押さえてさえいれば良いわけです。Videodigestはそんな動画のダイジェスト版を生成するソフトウェアです。 Videodigestの使い方 Videodigestは動画とその字幕テキストを使って処理を行います。 $ videodigest -i Phonebloks-oDAw7vW7H0c.mp4 -s Phonebloks\ \[Japanese\].srt [MoviePy] >>>> Building video Phonebloks-oDAw7vW7H0c_summarized.mp4 [MoviePy] Writing audio in temp.m4a [MoviePy
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
AIでボーカル・ドラムを取り出す、無料音声分離「Demucs」を試す【藤本健のDigital Audio Laboratory】
AIが人間のように歌い上げる「CeVIO Pro (仮)」がベータ版に、正式名は「VoiSona」に決定／ボイスライブラリ「知声」（Chis-A）を同梱し、商用でも無料で利用可能
