AWS Step Functionsで、音声ファイルがS3バケットに保存される度にAmazon Transcribeで文字起こしし、内容をメール送信してみた | DevelopersIO
はじめに AWS Step Functionsを利用し、音声ファイルがS3バケットに保存されるたびにAmazon Transcribeで文字起こしを行い、文字起こし内容をメール送信する方法を紹介します。 今回構築する構成は以下の通りです。 処理の流れは以下の通りです。 音声ファイル（WAV）をS3バケットにアップロードする アップロードをトリガーにEventBridgeからStep Functionsステートマシンを起動する 音声ファイルからAmazon Transcribeで文字起こしし、文字起こした内容をAmazon SNSでメール送信する この構成を構築するきっかけは、以前執筆した「Amazon Connectでエージェントの介在がない場合でも電話中の発話を録音する」記事の構成に、録音ファイルに対して文字起こしとメール通知機能を追加する必要が生じたためです。 執筆した記事の構成図は以
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
OpenAI API の Whisper API の使い方｜npaka
「OpenAI」の 記事「Speech to text」が面白かったので、軽くまとめました。 1. Whisper API「OpenAI API」の「Whisper API」 (Speech to Text API) は、最先端のオープンソース「whisper-large-v2」をベースに、文字起こしと翻訳の2つのエンドポイントを提供します。 ・音声を文字起こし ・音声を英語に翻訳して文字起こし ファイルサイズは最大25MBで、以下のファイル形式をサポートしています。 mp3, mp4, mpeg, mpga, m4a, wav, webm 2. 使用料金使用料金は、以下で確認できます。 3. 音声を文字起こしGoogle Colabでの実行手順は、次のとおりです。 (1) パッケージのインストール。 # パッケージのインストール !pip install openai(2) 環境変数の準
同人音声がすごいことになっている2022 - セミになっちゃた
「同人音声」や「音声作品」と呼ばれるメディアがある。 特殊な録音技術を使ってさも耳元で本当に囁いているかのように聞こえるのが特徴で、耳かきや散髪音などリラックスできる全年齢向け作品のほか、耳舐めをはじめとしたポルノ作品も多い。最近ではゲームやアニメといった別ジャンルから大きなIPの参入や、有名声優の起用など、話題にことかかないホットな分野である。 中にはかなり変わった作品もあり、すごいことになっているのでその一端を紹介する。 今回紹介する入門編は２つ、三途の川の渡し守に毒針で耳かきされる音声（？）と、耳なし芳一が怨霊に耳責めされてしまう音声（？？？）である。 1. 三途の川の渡し守に毒針で耳かきされる音声 www.dlsite.com みなさんは「毒針耳かき」をご存知だろうか？ 毒針耳かきとは、文字通り毒針で耳かきをすることである。サークル・チームランドセルを中心に複数の作品があり、さまざ
音を操るWeb技術 - Web Audio API入門 - ICS MEDIA
Webにおける表現はどんどん進化しています。Webサイトには当然のように動画が埋め込まれるようになり、CSSやSVG、canvasでのさまざまな表現が頻繁に見られるようになりました。さらにAR、VRといった表現も台頭し筆者も毎日ワクワクしながらインターネットの海を泳いでいます。 その中であまりメジャーではないと感じるのは「音」による表現です。もちろん音を用いた素晴らしいWebサイトはたくさんありますが、環境の制約が視覚表現以上に大きいため多くは見られないのでしょう。 とはいえ、音と視覚表現を組み合わせることによって表現できる世界観、インタラクション、その他諸々は計り知れないと筆者は思っています。今後オーディオなどの技術の進歩によって上記で述べた制約も乗り越えられるようになるかもしれません。時代を先どりしたい読者に向けて、今回の記事ではWebで音を扱う技術Web Audio APIについてお
Building An Android Audio Player In Flutter: I
So over the past 2 weeks I have been working on an Android app in my free time. It started out as a way for me to use as many of Flutter’s features as I can and see how it all works out. I wanted a project that will allow me apply the BLoC pattern extensively, use platform channels, overlays, databases, shared preferences and also apply animations. The best idea that came to me was to build an Aud
対話システムにおけるインタラクション 技術のこれまでとこれから：携帯機器での音声情報検索案内システムを例として(南 泰浩)
これまで タスク達成型システム 大規模データベース＋タスク達成型システム しゃべってコンシェル，CALO(Siriの基になったプロジェクト）題材に これから 非タスク達成型対話 各手法の比較 感情の流れの把握 東ロボを題材に まとめRead less
youtube-to - YouTube動画を動画/MP3としてダウンロード MOONGIFT
YouTubeで気に入った音楽や動画があってもユーザの意思によっていつでも消すことができます。視聴する側としてはいつでも聞けると思っていただけに、突然の削除でがっかりしてしまいます。 そこで使ってみたいのがyoutube-toです。YouTube動画を動画または音楽ファイルにするソフトウェアです。 youtube-toの使い方 youtube-toはnpmコマンドでインストールできます。 $ npm install -g youtube-to コマンドとプログラミング両方から使えますが、コマンドの場合は次のように入力します。 $ youto "YouTubeのリンク" "your.mp3" 動画の場合はflvやoggとして保存できます。いつなくなってしまうか分からない動画だけに、手元にとっておきたいという時に使えます。また、自分の動画を紛失してしまった時のバックアップにも良さそうです。 y
【Unity】固定フレームも可能、画面を録画出来る Recorder - テラシュールブログ
今回はUnityの画面をキャプチャーして保存するアセットについて Unityの画面を動画としてキャプチャーするRecorder 可変フレームではなく、固定フレームで撮影が可能 使い方 エディターの画面を動画としてキャプチャーする 細かい設定 アルファ抜き Timelineとの連携 Audio Recorder、GBuffer Recorder、Movie Recorder 感想 Unityの画面を動画としてキャプチャーするRecorder 最近、画面を動画としてキャプチャー出来る事は珍しくなくなりました。 以前はkamcordやLobi Rec、every play等のサービスを活用する必要がありましたが、最近ではAndroid（play game）でもiOSでも標準機能に近い形で画面をキャプチャーする事が可能になっています。 Recorderはアプリ側に組み込むアセットで、画面をキャプチ
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
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
Stability AI、無料で起承転結のある最大3分の音楽を生成可能な「Stable Audio 2.0」を公開／テキストだけでなくアップロードしたオーディオから音楽を生成可能に
禁断の“iPhoneステレオ録音”が実現。100円アプリ「ステレオマイク」が面白い【藤本健のDigital Audio Laboratory】
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】
”持田香織になっちゃうマイク”爆誕。話題のヤマハ歌声合成がスゴかった【藤本健のDigital Audio Laboratory】
ボーズ、「世界最高のノイズキャンセリング」完全ワイヤレス
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
PyTorch の基礎 - Training
自宅が録音スタジオに、反響音を抑える小型リフレクションフィルタ
【レビュー】 まるで未来のイヤフォン“自分の耳が高機能に”「IQbuds2 MAX」
最も音が良い会議アプリは? 声優・小岩井ことりさんと音質比較してみた 後編【藤本健のDigital Audio Laboratory】
Engadget | Technology News & Reviews
