Googleが「AudioPaLM」を発表しました。AudioPaLMはテキストベースの言語モデルである「PaLM 2」と音声ベースの言語モデルである「AudioLM」を統合したマルチモーダルアーキテクチャであり、テキストと音声を処理・生成し、音声認識や音声翻訳などのアプリケーションに利用できるとのことです。 [2306.12925] AudioPaLM: A Large Language Model That Can Speak and Listen https://doi.org/10.48550/arXiv.2306.12925 AudioPaLM https://google-research.github.io/seanet/audiopalm/examples/ AudioPaLMは、AudioLMから話す速さ、声の強さ、高さ、沈黙、イントネーションなどのパラ言語情報を保持する
みなさん 「議事録」 をどのような方法で作成し共有していますか？Wordファイルで書き、関係者にメールで連絡などしていませんか？ 近年では、会議中にWEBブラウザ上で議事録を書き、かんたんに共有できる便利なツール・サービスが数多くあります。本記事では議事録作成・共有に便利なツール・をご紹介します。 議事録を書く側・読む側が注意すべき点や、議事録作成のポイントはこちらの記事にまとめてありますので、ご一読してください。『今さら聞けない！議事録の書き方とポイントをおさらいしよう』 また、議事録作成サービスに近い情報共有ツール「社内wiki」について、以下で紹介しています。 • 社内wikiの導入から活用までの完全マニュアル 成長企業が実践する情報共有術！ おすすめ議事録作成ツール・ソフト ＜選定ポイント＞ クラウド上で議事録を管理 かんたんに議事録作成、共有できる 議事録の変更履歴を管理できる
音声認識アルゴリズムはスマートスピーカーやスマートフォンなど、さまざまなデバイスやアプリケーションに採用されており、もはや日常の一部となっています。ところが、AppleやAmazon、Google、IBM、Microsoftなどの音声認識アルゴリズムを使った実験で、「音声認識アルゴリズム白人の声と比較して黒人の声を上手く認識できない」問題があることが判明しました。 Racial disparities in automated speech recognition | PNAS https://www.pnas.org/content/117/14/7684 There Is a Racial Divide in Speech-Recognition Systems, Researchers Say - The New York Times https://www.nytimes.com/
2015 年新卒入社。途中、2年ほど IIJ Europe に出向経験もあるが SMX の中の人として長年スパムメールと奮闘中。M3AAWG, JPAAWG にも参加し始め、メッセージングエンジニアとして頑張ってます。最近の趣味はぶらり都バス旅。 Google, Yahoo の Sender Guidelines について 前回、こんな記事を書いたもののいくつか説明を端折っていた部分があったので再度文字起こしをします。 # さらに、前回字面が強めだったので今回はもう少し優しめにします。 改めまして、IIJセキュアMX サービスの中の人、今村です。 師走に入り、気づいたらインフルエンザにかかり、、記事を公開するのに時間がかかってしまいました。 (みなさんもお気をつけください。) さて、2024/02 から Google, Yahoo! に一部のメールが受け取ってもらえなくなりますが、メール送
いま売れに売れてるChromebookで1週間仕事をしてみた2021.03.25 18:0055,668 Buy PR 三浦一紀 最近、Chromebook（クロームブック）が話題ですね。なんでもChrome OSがmacOSのシェアを超えているとか。多くは教育機関やビジネス向けとして大量導入されているからだとは思いますが、それにしても普及率がハンパないですね。 さすがにWindowsやmacOSと比べると機能的には物足りないところもあるのでしょうが、比較的安価でサクサク動くノートPCと考えると、かなりいい選択肢です。 そこで、Chromebookでどれだけ仕事ができるのか検証するため、1週間Chromebookだけで仕事をしてみました。 普段の仕事をChromebookだけでやってみる僕は普段MacBook Airを使って仕事をしています。仕事内容としてはWebの閲覧やメールのチェック、
ChatGPT対抗のチャットAI「Claude」が公開、Googleが支援するOpenAIの元社員が設立したAIスタートアップが開発
ChatGPTやDALL-E 2といったAIツールを開発したOpenAIの元社員が立ち上げたAIスタートアップのAnthropicが開発する、ChatGPTのようなチャットAIが「Claude」です。これまでNotionやQuora、DuckDuckGoといった主要パートナーと協力してクローズドアルファ版の開発を進めてきたというClaudeが、あらゆるユーザー向けに公開されました。 Anthropic | Introducing Claude https://www.anthropic.com/index/introducing-claude チャットAIのClaudeは、開発者コンソールのチャットインターフェイスにAPIを介してアクセスし、高度な信頼性と予測可能性を維持しながら、さまざまな会話およびテキスト処理タスクを実行できます。 Claudeは文章の要約・検索・ユーザーとの共同執筆・
こんにちは、AWS事業本部@福岡オフィスのべこみん(@beco_minn)です。 早速ですが皆さん、日本酒は好きですか？私はほぼ毎週近所の酒屋さんに買いに行くぐらい大好きです。 つい最近、こんな日本酒がSNSで話題になっていました。 「自分好み」を読み解いてシステムエンジニアに捧ぐ日本酒 クリアな飲み口に、豊かなお米の旨みが溢れ出る上質な味わい。料理と合わせても、様々な温度帯でも楽しめる1本に、思わず誰もが「自分好みの楽しみ方」を探してしまう。「読み解きたくなるロジック」が詰め込まれた、システムエンジニアたちに飲んでほしい純米吟醸酒です。 とのこと。 はい、買いました。ラベルのソースコードが気になったというのもあるんですが、純粋に味が気になったので買ってみました。 本記事では味の感想含め、ラベルの内容についても触れたいと思います。 飲んでみた コードの解読前にまずは飲んでみます。お酒は飲ん
こんにちは。データ基盤グループの香川です。 本記事は、MonotaRO のデータ基盤の歴史についての社内での発表の文字起こし記事の後編になります。 前編の記事： tech-blog.monotaro.com 前編では データ基盤の変遷の概要 2010年頃のデータ基盤 販促基盤とDWH（2010~2015) データ基盤構想とBigQueryの導入（2015~2017年) 同期システムの改良とBigQueryデータ基盤の展開（2018) までお話しましたが、後半たる本記事では以下について説明をしていきます。 他システムへのデータ提供とEC基盤の展開(2018) 2020年におけるデータ基盤へのデータ同期と利用状況 データ基盤の課題：データの管理体制の未整備による局所最適化 データ管理のグループ発足、Looker導入・DWH構築 歴史を振り返っての学び 歴史を振り返ることの意義 最後に 最後まで
2020年一発目。 1月に話題になったイケてるWebサービス・アプリをご紹介します。 今月は、クローズしたサービスがとても多い月で、年明けからネット界隈を騒がせました。 （クローズしたサービスの紹介はここでは割愛します） いっぽうで、リリースされたサービスが多いのも印象的でした。 そんな中から厳選して10コをピックアップ！ もし知らないサービスがあったら要チェックです。 ※バックナンバーはこちらよりご覧いただけます。 [no_toc] BooQs 学習心理学に基づいたオンライン英語学習サービス。 学術研究によって生まれたという4つの頻出英単語リストが無料で配信されており、学習をサポートする機能とともに利用することができます。 4択や記述、リスニング、発音といった形式でそれぞれを学べるほか、学習状況が自動で記録されたり、間違えた問題を復習できる仕組みがあります。 とにかく効率的に必要な英語が
僕は CREing：ソフトウェアエンジニアにカスタマーサクセスを任せたときに起こるもの、を Autify で実現したいと思っている - えいのうにっき
この文章で出てくる用語たち： SRE Site Reliability Engineering / Engineer 。 前者のことを指して SREing, 後者のことを指して SREs, と表記することもある サイトリライアビリティエンジニアリング - Wikipedia CRE Customer Reliability Engineering / Engineer 。 「CRE」という言葉が使われるときはだいたい後者な気がする。前者を指してこの言葉が使われてるのはあんまり見ないな、という印象がある 僕自身、前職でサーバーモニタリングSaaSに携わっていたこともあって「SRE」については最低限の知識というか、その概念の理解はあるつもり。でも最近目にしたこちらの記事を読んで、ああそうだった、と認識を新たにした表現があった。以下は、この記事の中の「そもそもSREとは何なのか」という問を受けて
議事録は、書く側にも読む側にも「なんか面倒くさいな」と思われがちです。しかし、議事録をないがしろにするのは、情報流通を疎かにすることと同じ。 議事録の質を高めることは、仕事の評価を高めるだけでなく、ビジネスを加速させる力となります。 このnoteでは、「残念な議事録を少なくする」をテーマに、「文章を書くのが苦手」「情報の論理構造の整理が苦手」という方にも、実践可能な方法を書いていこうと思います。 新人の仕事といえば…議事録今回、アドビさんの「みんなの資料作成」という企画に参加し、「新社会人向けに社内資料のノウハウ」をお伝えすることになりました。 Adobe Acrobat「みんなの資料作成」 新人が任せられる資料の代表例といえば…議事録ではないでしょうか。 多くの会議に必須な議事録ですが、面倒な仕事でもあります。現場では、新人メンバーが議事録をまかせられる傾向があります。 ただ、新社会人の
4月13日に行われた授業における瀬地山氏の弁解の書き起こしです。同氏の特に個人的な情報に関する部分は伏せております。 仮にも授業の内容を文字起こしすることについて問題視する方もいるかもしれませんが、瀬地山氏自身が弁解で書き起こしの重要性を訴えているため、今回に関しては問題にはならないと考えております。 その詳細は明かさないまでも、「精神科と関わりがあること」のみは明かすことについては、瀬地山氏が自身でLMS（授業より公開範囲が広い）に公開していること、授業で「ツイート等しないでほしい」と言っている部分にあたらないこと、それ自体は様々な解釈ができることから、その上で、瀬地山氏の主張の根幹に関わることから、公開は問題ないと判断しております。しかし、センシティブな案件のため、読者の皆様におかれましては、これ以上具体的にどのような関わりがあるかについての詮索は何卒お控えくださるようお願いいたします
ChatGPT以外にも試す価値のある生成型AIツール10選 | Forbes JAPAN 公式サイト（フォーブス ジャパン）
最近テック分野の動向を追っている人なら、ChatGPTやBardについてよく耳にしているだろう。OpenAI（オープンエーアイ）やMicrosoft（マイクロソフト）、Google（グーグル）が大規模な言語モデルを続々と一般公開している。 だが、より小規模なジェネレーティブ（生成型）AIプロジェクトもこの1年で多数展開されてきた。生成型AIツールは音楽、アート、文学などさまざまな分野に大きな影響を及ぼしている。画像を作成するツールもあれば、電子メールを下書きするものもある。あるツールは動画を制作する。しかし、いずれのツールもより多くの人がクリエイティブな分野に親しめるようにしながら時間を節約するために作られた。我々がいかに迅速に作業を行うか、法的・倫理面での予期せぬ問題、生成型AIが仕事に与える究極の影響についてはまだ結論は出ていないが、生成型AIが定着していることは明白になりつつある。
初心者でもYouTube風「テロップ」を簡単に。世界一やさしい動画編集アプリ誕生秘話 | キャリアハック（CAREER HACK）
動画編集で最も工数のかかる作業のひとつが「字幕テロップ」。アプリ「Telorain」では、初心者でも簡単にYouTube風のテロップが作成できる。仕掛け人はスーパークリエータ、大峠和基さん。開発の裏側には、ユーザーの「楽しさ」をつくるための試行錯誤があった。 はじめての動画編集が「楽しめる」ように。 2020年5月にリリースされた動画編集アプリ「Telorain（てろれいん）」。 日常の風景やVlogなどのショートムービーをアップロードするだけで、YouTuber風の字幕をつけることができるすぐれものだ。 未踏事業で開発した、AIによりほぼ自動でプロクオリティのテロップを作れるiOSアプリ @telorainをローンチしました 雑に撮った日常やVlogなどのショートムービーにTV/YouTuber風の字幕を付けて楽しむことができます 紹介動画はtelorain(+AE)で作っています ▼無
2020年のオープンソース活動の振り返り記事です。 今までの振り返り。 今年のOSS活動振り返り @ 2019 | Web Scratch 今年のOSS活動振り返り @ 2018 | Web Scratch 今年のOSS活動振り返り @ 2017 | Web Scratch 今年のOSS活動振り返り @ 2016 | Web Scratch 今年のOSS活動振り返り @ 2015 | Web Scratch 今年のOSS活動振り返り @ 2014 | Web Scratch 2020年のGitHubのPublicなContributionsは7000~9000ぐらいを推移していました。 最近はPrivateリポジトリをメモやブックマーク管理などでも使うようになったので、Private比率は増えてPrivateなContributionsは13400でした。 GitHub Issuesを個人
iPhoneより格安のPixel 7が想像以上のパフォーマンスを発揮 | Forbes JAPAN 公式サイト（フォーブス ジャパン）
最新のGoogle謹製Android端末、Pixel7とPixel7Pro。暗所に強いカメラに加え、GoogleのAIを活用したオリジナルプロセッサ「Tensor G2」などが特徴です。 発売後もiPhoneから乗り換えたユーザーの多くがべた褒めしています。どれほど良いスマホなのか、私も気になったので両方とも購入して試してみました。 サイズ感はiPhoneより若干大きめ 右がPixel7 Pro 左がPixel7 まずはサイズ感から。横幅に関しては、iPhone14 Proの71.5mmに比べて双方とも数ミリ大きいです。Pixel7 Pro とPixel7は横幅は1mmしか違わないので、「持ち感」に関してはPixel7とPixel7 Proとの間には、あまり差を感じません。 男性にしては手が小さめで、iPhone14 Proが片手で使うには限界の僕としては、Pixel7 Pro もPixe
皆さんこんにちは。スリーシェイク代表の吉田です。 今回より生成AIを、金融業界や製造業、医療業界など各事業ドメイン固有の課題解決にどう使われているのか、具体的なユースケースを提示しながら、それを実現するアーキテクチャについて解説していきます。この連載を通して、これまで生成AIを実際のシステムに組み込むイメージが湧かない方への第一歩として手助けになれば幸いです。 第1回は、生成AI自体の一般的な得意不得意を踏まえながらユースケースを解説します。 生成AIが得意とする処理とは？ 生成AIが得意とするのは、「専門性のない一般的な知識をベースにした」テキスト生成、コード生成、画像認識や画像生成が挙げられます。RAG（Retrieval-Augmented Generation）やプロンプトエンジニアリングにより固有ドメインに特化させることは可能ですが、教師あり学習データを前提としたMLやDeep
【無料】高精度&爆速で文字起こしが終わるAIツール「Gladia」がスゴイ | 株式会社LIG(リグ)｜DX支援・システム開発・Web制作
こんにちは、インハウスマーケティング部のかけるです。 生成AIによってライティング業務の効率化が進むなかで、「文字起こし」は生成AIが得意とする領域の一つです。 今回は数ある文字起こしAIのなかでも、実際に使ってみて良かった文字起こしAI「Gladia」について、その使い方や魅力をご紹介します！ 「Gladia」は精度が抜群 https://www.gladia.io/ まず前提として、Gladiaの文字起こしの技術には、OpenAIがオープンソースとして公開している文字起こしAI「Whisper」が活用されています。 Gladiaの大きな魅力は、なんといっても音声から文字を起こす（Speech-to-Text）際の精度の高さです。 一般的に、音声認識の精度は「単語誤り率 （WER）」という、その音声認識モデルが音声をテキストへ変換する際にどれぐらい間違えてしまったのかという評価尺度があり
こんにちは！ バーグハンバーグバーグ編集部です。 新人ライターさんから編集部によく寄せられる「どうやって記事を作ればいいですか!?」という声。 そこで、どんな人でも書けるようになる『Web記事の作り方』を、前回まで2回にわたって解説してきました。 今回は、実際に記事を作成する段階のコツを解説します！ 今までと同じく、ジモコロ編集部のギャラクシー（左）と加藤（右）が、新人ライター瀬戸はるかさんに、解説する形で進めます！ ▼登場人物 WEBライター｜瀬戸はるか フリーの新人ライター。取材やインタビューはほぼ未経験。 ジモコロ編集長｜ギャラクシー 雑誌の編集、通販番組の脚本を経てWEB編集者に。【ギャラクシーが書いた記事】 WEB編集者｜加藤亮 編集プロダクションで編集とライティングを学んだ。【加藤が書いた記事】 文字起こしについて インタビューを記事にする時、自分でやってみて思ったのが、とにか
米Google傘下のYouTubeのニール・モーハンCEOは4月4日（現地時間）、米Bloombergとのインタビューで、米OpenAIがもし自社のAIモデルのトレーニングにYouTube動画を使っているとすれば、それはYouTubeポリシーの「明らかな違反」になると語った。 OpenAIのミラ・ムラティCTO（最高技術責任者）は3月、米Wall Street Journalとのインタビューで、2月に発表した動画生成AIモデル「Sora」のトレーニングにYouTube、Facebook、Instaramなどの動画を使ったかどうか問われ、分からないと答えた。 モーハン氏は「クリエイターが努力して作った成果をYouTubeにアップロードするとき、彼らは利用規約が順守されると信じている」ので、「トランスクリプト（文字起こし）や動画などのダウンロードは許可されておらず、それは明らかな違反だ」と語っ
Pixel 7発売後でも「Pixel 6a」を買うべき理由 外観からAI、カメラまでをじっくり検証（1/5 ページ） 「Google Pixel 6a」は、5万円台で手に入るPixel（ピクセル）シリーズの入門機だ。高級機と同じプロセッサを搭載し、自動文字起こしや消しゴムマジックといったPixelシリーズならではの機能が利用できる。このレビューではPixel 6aの実力を検証しつつ、Pixel 7／7 ProやPixel 6／6 Proとの違いも紹介する。 Pixel 6aは“Google版のiPhone SE” Pixel 6aは2022年7月28日に発売された、Google Pixelシリーズのスマートフォンだ。Pixelの低価格ライン「a」シリーズに属し、Google Storeでは5万3900円（税込み、以下同）で販売されている。携帯電話キャリアではauとソフトバンクが取り扱ってい
声は強力なツールだ。Googleの音声入力機能は、声による文字入力を支援するだけでなく、プレゼンにも活用できる。 Googleの音声入力機能を使えば、自分の声を使って、頭の中の考えを素早く簡単にデジタル化できる。 Googleは米国時間1月9日、音声入力でより正確かつ安定した文字起こしを実現するアップデートを段階的にリリースすると発表した。 主な変更点は次のとおりだ。 音声を文字起こしする際の変換ミスを削減 文字起こしの漏れを最小化 対象が大半の主要ブラウザーに拡大 「Googleスライド」のキャプションに句読点を自動挿入 強化された音声入力機能を実際に使えようになるのは大半のユーザーの場合、2月9日以降だ。その間に、Googleの音声入力機能を使って「Googleドキュメント」で入力・編集をしたり、Googleスライドのスピーカーノートに音声でテキストを入力したりする方法を紹介しよう。
「Pixel 7／7 Pro」速攻レビュー 性能重視ではないが、多くの人に“刺さる”と感じた理由（1/4 ページ） Googleが自身で開発した「Pixel 7」「Pixel 7 Pro」が、10月13日に発売される。Pixelシリーズは、Googleが得意とするソフトウェアやAIを融合させ、新たな価値を提供するためのハードウェア。2021年に発売された「Pixel 6」「Pixel 6 Pro」からは、プロセッサも独自設計の「Tensor」になり、AIの活用が一段進んだ。コンピュテーショナルフォトグラフィーをリードするカメラ機能や、日本語を含めた文字起こし機能は、同モデルの代名詞になりつつある。 最新モデルのPixel 7シリーズには、第2世代のTensorとなる「Google Tensor G2」を採用。この処理能力を生かし、カメラや画像処理に新機能が加わっている他、AIを使った顔認証
毒親ブームと「宗教2世」問題｜ダッヂ丼平
はじめに20世紀のイギリスを代表する宗教社会学者ブライアン・ウィルソンは、1997年に来日した際、東洋哲学研究所が開催したセミナーで世界中の新宗教が共通して直面する課題について講演した。この講演の中で列挙された問題の大半は、新宗教が社会から受けるさまざまな攻撃と関連している。いうなればこの講演録は、一般社会の敵意と偏見が引き金となって新宗教に降りかかる困難を詳細にリストアップしたものだ［ウィルソン1998］。 このリストに挙げられているものの中で、特筆すべきなのはマスメディアの報道が引き起こす害悪と、背教者たちの語る残虐な話の2つである。背教者というのは新宗教研究における学術用語であり、かつて所属していた教団に敵対し、批判を熱心におこなう元信者を指して用いられる。 そして残虐な話とは、過去に所属していた教団がいかに酷い団体であるかを社会に訴える目的に特化した、虚偽の内容も含まれるようなバイ
こんにちは、バックエンドエンジニアの近です！ 4/24〜4/26にかけてアトランタで開催されたRailsConf 2023にWEARバックエンドブロックから近・小山・高久の3人が参加しました。 去年はコロナの影響もあってオンラインの開催だったのですが、今年はオフラインでの開催となり、大勢が参加していて大盛況でした。 我々が開発・運営しているファッションコーディネートアプリ「WEAR」のバックエンドはRuby on Railsで開発しています。現在では、新機能の開発やリプレイスなど、チームメンバーの全員がRuby on Railsに関わっているため、今回RailsConfにて様々なセッションを聞けたことはとても有意義な経験でした。 RailsConfとは 1年に1回開催されるRuby on Railsに関する世界最大のカンファレンスとなります。(公式サイト) 2020〜2022年はコロナの影
シングルGPUで動作するTransformer相当のRNNモデル RWKV-Raven-14Bを試してみた | DevelopersIO
こんちには。 データアナリティクス事業本部 インテグレーション部 機械学習チームの中村です。 今回はシングルGPUで動作するTransformer相当のRNNモデル、という噂のRWKVについて試してみたいと思います。 RWKVとは TransformerベースのLLMと同等の性能を持つ、並列化可能なRNNモデルであり、Attentionフリー(Attention構造を持たない)なモデルです。 ライセンス形態がApache License 2.0かつ、シングルGPUでも動作する点が凄いところとなっています。 GitHub https://github.com/BlinkDL/RWKV-LM Huggin Face https://huggingface.co/BlinkDL Hugging Face側にモデルがいくつか公開されており、rwkv-4が付くものが最近よく話題で使用されているもので
kateinoigakukunがプログラムに興味を持ったきっかけ、Wasmとの出会い。深掘りRubyKaigi 2022 with ko1 & kateinoigakukun 文字起こしレポートvol.1 - STORES Product Blog
2022年10月5日に『深掘りRubyKaigi 2022 with ko1 & kateinoigakukun ~ RubyKaigiどうでした＆RubyのWASI/並列どうなるの？ ~』を開催しました。イベントでお話した内容を3部作でお届けします。 自己紹介 fujimura：皆様、今日はお集まりいただきありがとうございます。今日はゲストにkateinoigakukunさんと、笹田さんをお迎えしております。プログラムとしては、前半でkateiさんにWasmの話を聞いて、後半に笹田さんに並列並行のところを聞くというようなコンテンツでやっていきます。 さっそく始めていこうと思うのですが、僕らの自己紹介と、kateiさんの自己紹介から始めようかな。僕は STORES でCTOをやってる藤村と申します。RubyKaigiもリアルで参加して、非常に楽しかったです。じゃあ、hogelogさん。 h
昨年の夏、Google は AI を活用したリサーチや執筆する際のアシスタントである NotebookLM を発表しました。そして本日より、 Google Labs で Gemini 1.5 Pro を搭載した更新版の NotebookLM を日本語を含む言語で 200 以上の国と地域に順次提供します。 私たちが NotebookLM で目指してきたのは、複雑な資料を理解して精査し、情報から新しい類似性を見つけ、下書きなどをすばやく作成するのに役立つツールの開発です。研究論文や取材記録、仕事でのドキュメントなどの参照文献（ソース）をアップロードすると、NotebookLM がそれらの重要な資料を理解し、必要なサポートを提供します。また、本日からお使いいただける NotebookLM では、英語で提供していたものから更新し、いくつかの新機能も導入します。 Google ドキュメント、PDF、
ChatGPT と Whisper で発音練習アプリを作ってみた - NTT Communications Engineers' Blog
この記事は NTTコミュニケーションズ Advent Calendar 2023 の15日目の記事です。 この記事では、ChatGPT と 音声認識モデルの Whisper を用いた発音練習アプリケーションをご紹介します。 ChatGPT に読み上げる文章を考えてもらい、その文章の読み上げた音声を Whisper で文字起こしします。 正確に発音できていれば、正確に文字起こしできる、という考えから、 原稿と文字起こし結果を比較すれば発音練習に使えるのではないかと考えました。 実際に使ってみた結果、発音のどこが悪かったのかといったフィードバックはもらえませんが、 自分の発話した音声に対して評価がつくだけでも、結構楽しく練習できると感じました。 音声認識を活用したアプリケーションは、一般に音声認識精度がネックになると思いますが、 このアプリケーションは音声認識精度が100%ではないことを逆手に
OpenAIが発表した音声認識モデル「Whisper」は、日本語の音声でも精度高く文字起こしできるツールとして知られています。今回はAIsmiley編集部が「AIニュース原稿の読み上げ音声を素材にどのくらい精度高く文字起こしできるのか」や「生活騒音下における読み上げ音声でも結果は変わらないのか」について調べてみましたので是非やり方を真似して試してみてください。 ■音声認識モデルとは？ 音声認識モデルとは、AIが人間の声を認識し、認識した音声をもとに何らかのデータをアウトプットする技術を指します。身近な音声認識モデルには、アレクサでお馴染みのAmazon Echoがあります。Amazon Echoなどのスマートスピーカーは、人間の声を認識し、その音声の意図を把握した後、情報検索を行ったり、接続されている電化製品の操作を行ったりします。 スマートスピーカーの他にも、入力された音声をリアルタイム
2023年5月26日、ChatGPTのiOS版アプリの提供地域が拡大され、日本でもついに利用可能となっています。アプリから簡単にChatGPTが利用できるということで、さっそくインストールしてAIと会話してみました。 We expanded the ChatGPT iOS app to 30+ more countries today! Now serving users in Algeria, Argentina, Azerbaijan, Bolivia, Brazil, Canada, Chile, Costa Rica, Ecuador, Estonia, Ghana, India, Iraq, Israel, Japan, Jordan, Kazakhstan, Kuwait, Lebanon, Lithuania (????1/2)— OpenAI (@OpenAI) ChatG
※募集終了しました。たくさんのご応募、ありがとうございました。 「はてなブログ」及び「はてなブックマーク」では、企画・編集のアルバイトスタッフを募集します。国内有数のユーザーコミュニティーを活用し、インターネットのトレンドを一緒に生み出していきませんか？ 興味があればITスキルは問いません。学生の方も歓迎します！ はてなブログでの仕事 週刊はてなブログで、実際にアルバイトスタッフが企画・編集に携わった記事 はてなブックマークでの仕事 はてなブックマークで、実際にお願いしたいところ はてなで働くとうれしいこと スタッフの声を聞きました オフィスランチや、フリードリンクの福利厚生もあります 募集要項 エントリーはこちら 社員や他職種でも募集しています はてなブログでの仕事 以下の業務のうち、スキルや経験、ご自身の意思に応じて担当する範囲を決定します。 週刊はてなブログに掲載する記事の執筆 ブロ
生成AI専門メディア「PROMPTY」を運営する株式会社Bocek、国内外の生成AI関連サービス207社をまとめた「生成AI関連サービスカオスマップ 2023」を公開
生成AI専門メディア「PROMPTY」を運営する株式会社Bocek、国内外の生成AI関連サービス207社をまとめた「生成AI関連サービスカオスマップ 2023」を公開 生成AIメディア「PROMPTY」を運営し、生成AIの導入をワンストップで提供する生成AI特化戦略コンサルティングファームである株式会社Bocek（本社：東京都大田区、代表：沖村 昂志）は、生成AI基盤チャットボットや画像生成AIなど、生成AIに関連する企業やサービスをカテゴリ別にまとめた「生成AI関連サービスカオスマップ 2023」を発表しました。 カオスマップ公開の背景 東京都が生成AI ChatGPTのガイドラインを発表し、全局で業務利用を開始するなど、生成AIの急速な普及に伴い、企業における生成AI導入が加速していると言えます。 弊社で運営する生成AIメディア『PROMPTY』や弊社の主力事業である生成AI特化のコン
PixelからiPhoneに戻してみて思ったこと
新生活に華を。 Google製のスマートフォン、Pixel 7 Proを使い始めて1年も経たないうちに何度も落としてしまい、最終的には壊してしまいました。海外にいたため修理不可能でした。 その後、日本へ帰ってきてすぐに表参道のアップルストアのきらびやかな照明に蛾のごとく引き寄せられ、iPhone 13を衝動買いしました。Pixel 7 Pro以前はiPhone 12 miniを使っていたので、出戻りしたとも言えます。 以下、iPhoneに回帰したメリットとデメリットについてお伝えします。 iPhone 13を買ってよかったことなぜiPhone 13を選んだのか。実は、当初狙っていたのはiPhone 13 miniでした。 しかし、ストア内に在庫はなく、すでに生産も終わっていて中古を探すしかないと店員さんに伺ったため、iPhone 13 miniの次に小さくて安いスマホを選んだ結果がiPho
経理からプログラマへ、Lramaの今後、なぜBisonを倒したのか。深掘りRubyKaigi 2023 with spikeolaf & makenowjust 文字起こしレポート vol.2 - STORES Product Blog
2023年6月15日に『深掘りRubyKaigi 2023 with spikeolaf & makenowjust』を開催しました。イベントの内容をほぼ全文文字起こし形式でお届けします。この記事は第2部です。 hey.connpass.com 登場人物 ゲスト makenowjust/藤浪 大弥さん spikeolaf/金子 雄一郎さん STORES fujimura/藤村 大介 shyouhei/卜部 昌平 hogelog/小室 直 パーサとの出会い fujimura：金子さんのパートにいきます。簡単にどんな話をRubyKaigi 2023でしたか紹介していただけますでしょうか？ spikeolaf：ここ2年ぐらい、主にAnd the WorldっていうRubyKaigiの名物コンテンツを見ていると、パーサへの関心というのは高まってきていて、ここ何年かで何が問題かはだいぶ整理されてきて
LLM開発のためのデータエンジニアリング MLOps Advent Calendar 2023の24日目です。 Stability AIでデータ系のソフトウェアエンジニアをやっているcvuskです。主な仕事は日本語LLMのためのデータ開発です。Stability AIでは日本語LLMも各種開発しています。LLMの学習というと大量のGPUを用意して巨大なデータでモデルを学習する、というキラキラしたイメージ（？）が強いかもしれませんが、データが重要かつ苦労が耐えない課題であることは他の機械学習やディープラーニングモデルと違いありません。日本語のテキストデータは英語ほど入手しやすいわけではないのと同時に、データエンジニアリングや品質面でもいろいろと大変なことが多々あります。今回はLLMのためのテキストデータの用途やエンジニアリングについて整理します。 LLMの学習 LLMの学習は大きく分けて事前
Google Cloud Speech-to-Text APIをいろいろ調査してみる - OPTiM TECH BLOG
こんにちは、2020年新卒入社予定の山口です！修論と引越し準備とアルバイトで慌ただしい日々を過ごしています。今日は業務で触った、Google製API Google Cloud Speech-to-Text API について皆さんと共有できればと思います。 Google Cloud Speech-to-Text API とは APIを導入していく GCP側 PC側 実際に試してみる 認識モデルを変更してみる マルチチャンネルで試してみる ファイル形式・サンプリング周波数を比較してみる ナレーション音声（「本日は〜」の音声です。） 走れメロス＿朗読 おわりに Google Cloud Speech-to-Text API とは Google Cloud Speech-to-Text API は名前の通り、音声データから文字起こしをするAPIです。この音声データは私たちが日頃聞いているような音声
朝日新聞ポッドキャスト“【ヨッピーさんと語ろう】#2 「SNSで大炎上」の土佐市移住者カフェに行ってきました”を文字起こしした
朝日新聞ポッドキャスト“【ヨッピーさんと語ろう】#2 「SNSで大炎上」の土佐市移住者カフェに行ってきました”を文字起こしした 今でも月に1、2回「土佐 カフェ」をTwitterやGoogleで検索してるんだけど、そしたらたまたま見つけたコンテンツ。かなり興味深い内容で、お、ヨッピーが発信してるぞって。で、カフェの部分だけ文字起こし。 人生で初めて文字起こししたけど、めちゃくちゃ時間かかるね、これ。昼飯ないなった。 文字起こしサイトもめちゃ助かりました。 https://youtubetranscript.com/?v=NcjKaBrBL84&t=400 ソース：朝日新聞ポッドキャストより https://www.youtube.com/watch?v=NcjKaBrBL84&t=400 6分40秒ごろから15分35秒くらいまで。 朝：朝日新聞神田大介記者（前から注目してる、かなり好きな記
現時点でMicrosoft Teams、Skype、Zoom、Google Meet、WebExで動作確認しているという。 無料プランの記録可能時間は合計3時間まで。有料プランは記録時間が10時間まで。以降の超過分は1分当たり2円の従量制となる。 リコーは「さらなるニーズの探索に取り組み、音声認識精度の向上や新機能の追加を図りながら、法人向けサービスとしての展開も視野に入れて開発を進める」としている。 関連記事 日本語特化のAI文字起こしサービス 1時間の音声を5分で文字化、句読点も自動で調整 AIを活用し、日本語の音声データを文字起こしするWebサービスが登場。1時間の音声データを5分程度で文字起こしでき、句読点の位置も自動で調整できるという。料金プランは30秒20円（税別、以下同）、40時間まで10万円。 Microsoft、「Word for Web」にトランスクリプト（文字起こし）
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
Googleが音声から「テキストと音声の両方」に翻訳できる大規模言語モデル「AudioPaLM」を発表
【2024年版】議事録作成ツール・サービスおすすめ12選（無料あり）
AmazonやAppleの音声認識アルゴリズムに「黒人の声を上手く聞き取ることができない」問題があると研究者が指摘
Google にメールを届けるために 2023 冬 | IIJ Engineers Blog
いま売れに売れてるChromebookで1週間仕事をしてみた
話題の日本酒「ソースコード」を読んで（飲んで）みた | DevelopersIO
MonotaROのデータ基盤10年史（後編） - MonotaRO Tech Blog
最近話題になったイケてるWebサービス・アプリ10選（2020年1月編）
プロの議事録はここが違う。一目置かれる議事録作りの8つのメソッド｜長谷川 翔一 / 編集とマーケティング
東大学生新聞HP - Sechiyama-statement
今年のオープンソース活動振り返り @ 2020
【プレイバック2021】Google Pixel 6 Proの文字起こし機能だけで記事を書いてみた by 麻倉怜士
第1回 生成AIの得意・不得意 2024・夏 | gihyo.jp
誰でも書ける『Web記事』の作り方｜記事作成編 - イーアイデム「ジモコロ」
OpenAIが「Sora」の学習にYouTube動画を使ったとすれば違反──YouTubeのモーハンCEO
Pixel 7発売後でも「Pixel 6a」を買うべき理由 外観からAI、カメラまでをじっくり検証
「Googleドキュメント」の音声入力機能がアップデート--使い方を解説
「Pixel 7／7 Pro」速攻レビュー 性能重視ではないが、多くの人に“刺さる”と感じた理由
RailsConf 2023 参加レポート - ZOZO TECH BLOG
NotebookLM を日本語でも提供開始。ウェブサイトや Google スライドにもサポート
OpenAIの文字起こしAI「Whisper」の使い方 | DXを推進するAIポータルメディア「AIsmiley」
無料で使えるChatGPT公式iOSアプリが日本でもインストール可能になったので使ってみた
（受付終了）【アルバイト募集】はてなブログ・はてなブックマークの企画・編集の仕事 - 週刊はてなブログ
LLM開発のためのデータエンジニアリング - Qiita
リコー、Web会議を“丸ごと”記録するクラウドサービス 音声は自動で文字起こし