*認識結果が確定したタイミングで反映されます。テキストの編集・コピーも可能です。 **認識中にEnterキーを押すと，認識を止めて文を区切ることができます。日本語の場合は文末に句点が付与されます。 よくある質問・ソースコード: GitHub 音声認識は Web Speech API を利用しています。 カメラやマイクが機能しないとき → ページの再読み込みや，ブラウザの設定を確認してください: Chrome ヘルプ 「ログをダウンロード」でダウンロードされるファイルは，アクセスしているユーザーのブラウザで生成されています。
香川県条例：依存症の不安を煽って子どもからネットやゲームを奪ったうえに『親学』推進までされたんじゃたまったもんじゃない投稿者: heatwave_p2p 投稿日: 2020/3/142020/3/14 香川県のネット・ゲーム依存症対策条例（案）が何かと巷を賑わせている。 原因が何であれ、ネット／ゲーム依存というかたちで日常生活が破綻し、たとえ本人がその状態から抜け出したいと思っていても（あるいはそう思うことすらなくなって）どうしようもできないという人は確かに存在しているのだろう。行政が関係機関と連携して、予防・治療・再発防止などの重層的なネット・ゲーム依存対策を講じることに異論はない。 だが、香川県の条例素案の根本的な問題は、依存症対策の範囲を越えて過剰にネット・ゲームの使用を制限しようとしていることにあり、それこそが広く反発を招いている所以でもある。 依存症対策を逸脱したネット・ゲーム規
![香川県条例：依存症の不安を煽って子どもからネットやゲームを奪ったうえに『親学』推進までされたんじゃたまったもんじゃない | p2ptk[.]org](https://cdn-ak-scissors.b.st-hatena.com/image/square/4c3346c6b69c6e48025761b988a9726da9ccae5d/height=288;version=1;width=512/https%3A%2F%2Fp2ptk.org%2Fwp-content%2Fuploads%2F2020%2F03%2F2829513453_0ed9a91a83_h.jpg)
自動文字起こしサービス | Notta
It seems the website language does not match your browser settings. We recommend visiting our English site that allows you to check content, services, and prices in a preferred language.
自己流で英語に伸び悩んでいる人は『最新の第二言語習得研究に基づく 究極の英語学習法』を読むべし | DevelopersIO
学校・仕事・生活など様々な理由で英語を学びつつ、上達が今ひとつで今の勉強法を続けていいのかなぁと不安になっている人も多いのではないかと思います。 タイパが重視される昨今だと、無駄なことはできるだけ避けたいですしね そんな人にピッタリの一冊が出版されたので紹介します。 第二言語(いわゆる外国語)習得、特に、語彙習得が専門の立教大学中田達也教授による『最新の第二言語習得研究に基づく 究極の英語学習法』です。 本書の向いている読者層 英語スキルを向上させたい 英語を教えている 子供の早期英語学習に頭を悩ませている 本書の特徴 現役の研究者が最新研究に基づいて納得感のある一般論を繰り返しており、安心して読めます。 個人体験談(N=1)をしたためた本では有りません。 本書の特徴は以下です 1. 対象読者は一般人 対象読者はあくまでも一般人です。 現役の研究者が書いてはいるものの、専門用語はなるだけ控
https://github.com/Songmu/podbard 結果としてできたものはyattecastとHugoの間の子のようなモノになった。音声ファイルとそれに対応するエピソードファイルをfrontmatter付きのMarkdownで記述する。最終的に静的サイトとしてポッドキャストサイトを生成する。 podbard-starterというテンプレートリポジトリがあるので、ここからリポジトリを作ればすぐにポッドキャストサイトを作成できる。このテンプレートはGitHub Pagesにデプロイするモノだが、Cloudflare Pagesにデプロイする、podbard-cloudflare-starterや、それを応用してプライベートプッドキャストを構築する、podbard-private-podcast-starterというのも用意している。 まだ不十分だがドキュメントも以下に用意してあ
rinna/japanese-hubert-base","children":[],"isValid":true,"title":"rinna/japanese-hubert-base"},{"id":"overview","label":"Overview","children":[],"isValid":true,"title":"Overview"},{"id":"how-to-use-the-model","label":"How to use the model","children":[],"isValid":true,"title":"How to use the model"},{"id":"how-to-cite","label":"How to cite","children":[],"isValid":true,"title":"How to cite"},{"id"
ハーバード大学の学生団体が「パレスチナ周辺で発生している暴力の責任はイスラエル政府にある」とする声明を発表した結果、声明に賛同した学生の顔写真を印刷したトラックがキャンパス周辺を走行する事態が発生しました。学生団体の声明に対しては複数の教員が否定的な意見を投げかけているほか、声明に賛同する学生の個人情報がインターネット上に公開される事態も発生しています。 As Students Face Retaliation for Israel Statement, a ‘Doxxing Truck’ Displaying Students’ Faces Comes to Harvard’s Campus | News | The Harvard Crimson https://www.thecrimson.com/article/2023/10/12/doxxing-truck-students-i
LINE株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。 LINEヤフー Tech Blog はじめに こんにちは、2020年4月に新卒としてLINE株式会社に入社した二又 航介です。テキスト音声合成システムの研究開発を担当するAI開発室 Voiceチームに所属し、音声合成システムにおけるテキスト処理部の研究開発やチームの機械学習基盤構築に取り組んでいます。 学生時代は機械翻訳や同時通訳に関連する研究に取り組んでいました。研究以外の活動としては、アルバイト・インターンでの対話システムや機械翻訳システムの研究開発、個人活動としてwebアプリケーション開発などを行っていました。このような活動を通じて、数多くのユーザーに利用される自然言語処理技術を活かしたサービスに携わりたいという思いからLINEを志望しました。学生時代は専
こんにちは。サービス開発室の武田です。このエントリは、2018年から毎年公開しているAWS全サービスまとめの2024年版です。 こんにちは。サービス開発室の武田です。 このエントリは、2018年から毎年公開している AWS全サービスまとめの2024年版 です。昨年までのものは次のリンクからたどってください。 AWSにはたくさんのサービスがありますが、「結局このサービスってなんなの？」という疑問を自分なりに理解するためにまとめました。 今回もマネジメントコンソールを開き、「サービス」の一覧をもとに一覧化しました。そのため、プレビュー版など一覧に載っていないサービスは含まれていません。また2023年にまとめたもののアップデート版ということで、新しくカテゴリに追加されたサービスには[New]、文章を更新したものには[Update]を付けました。ちなみにサービス数は 247個 です。 まとめるにあ
2023年4月18日にMicrosoft Research AsiaとMicrosoft Azureのカイ・シェン氏らの研究チームが拡散モデルを使用した小品質の音声合成システム(TTS)である「NaturalSpeech 2」を発表しました。NaturalSpeech 2では数秒の短い音声サンプルを利用する事で、人の声だけでなく歌声までも忠実にシミュレートすることが可能になっています。 [2304.09116] NaturalSpeech 2: Latent Diffusion Models are Natural and Zero-Shot Speech and Singing Synthesizers https://doi.org/10.48550/arXiv.2304.09116 NaturalSpeech 2 https://speechresearch.github.io/na
Zero-shot Learning網羅的サーベイ：CLIPが切り開いたVision & Languageの新しい世界 - エクサウィザーズ Engineer Blog
こんにちは！ 画像システムグループで機械学習エンジニアをやっている小島です。 この記事では、今ホットな「Zero-shot Learning」と「Vision & Language」に関する最新情報を、CLIPという研究を起点として網羅的にサーベイをしていきます。このために論文1000本に目を通し、70本程度を記事にしました。 Zero-shotやVision & Languageは、Stable Diffusionに代表される画像生成AIとも密接に関連している技術です。この記事を通して、Vision & Languageの奥深い世界を体感できるでしょう。 注意事項 この記事は非常に長いため、全部読むのに1時間以上かかる可能性があるので、休憩を取りながら、または必要な部分だけ読んでください。各セクションを個別に読んでも問題ありません。 また、文章中の画像は、特別な記載がない限り、引用元の論
2019年9月16、17日、日本最大のPythonの祭典である「PyCon JP 2019」が開催されました。「Python New Era」をキャッチコピーに、日本だけでなく世界各地からPythonエンジニアたちが一堂に会し、さまざまな知見を共有します。プレゼンテーション「入門 自作検索エンジン」に登壇したのは加藤遼氏。講演資料はこちら シンプルな検索エンジンを作る 加藤遼 氏：ここからは実際に事例を踏まえながら、どういうものを作っていくかの実装の話をしていきます。 実際に作っていく検索エンジンは、これです。これは「PyconSearch」という、今年のPyConのセッションを検索できるもので、わりと便利なサイトです。これを実際に作っていきながらどういうことをやっていくかという話を進めていきます。 まずは要件から決めていきましょう。「PyConJPのトークを検索できる」ことが目的ですが、
2021年3月3日にリリースされたデスクトップ版Google Chrome 89の安定版で、ブラウザ上で再生される音声やムービーからリアルタイムで字幕を生成する「自動字幕起こし」機能が追加されたことが明らかになったので、実際にどんな感じなのか使ってみました。 Google's Live Caption feature rolling out for Chrome desktop users https://www.xda-developers.com/google-chrome-live-caption-feature-rolls-out-transcribe-speech-videos/ Google's Live Caption is now rolling out to Chrome on desktop | Android Central https://www.androidce
英語を勉強していると「ネイティブのスピードについていけない」「発音のせいで自分の英語が通じない」と悩んだことはありませんか？ その悩みは、英語のリエゾンを学ぶことで解決できるかもしれません。 リエゾンのルールを学ぶと、今まで聞き取れなかった英語特有の音が聞こえるようになったり、ネイティブに近い発音ができるようになったりと、大きなメリットがあります。 リエゾンをマスターして、リスニング力やスピーキング力を鍛えていきませんか？ それでは英会話教室のベルリッツが、リエゾンとは何か、そのルールと音の変化、さらにリエゾンを聞き取れるようになるための練習方法まで分かりやすく解説します。 英語のリエゾンとは？ 英語のリエゾン (liaison) とは、子音と母音、単語と単語が連結するなどして音が変化することを指します。 もともとリエゾンはフランス語で「連結」を意味し、英語では “linking（リンキン
ElevenLabs: Free Text to Speech & AI Voice Generator | ElevenLabs
Create the most realistic speech with our AI audio platformPioneering research in Text to Speech, AI Voice Generator, and more
Neural Audio Codec を用いた大規模配信文字起こしシステムの構築 - Mirrativ Tech Blog
こんにちは ハタ です。 最近Mirrativ上に構築した配信の文字起こしシステムを紹介したいなと思います 音声からの文字起こしは、各社SaaSでAPI提供されているものがあると思いますが、今回紹介するものはセルフホスト型(自前のGPUマシンを使う)になります 構築していく上で色々試行錯誤したのでそれが紹介できればなと思っています どんなものを作ったか 前提知識: 配信基盤 前提知識: Unix Domain Socket Live Recorder Archiver DS Filter VAD Filter NAC / Compress Transcriber NAC / Decompress Speach To Text コンテナイメージ まとめ We are hiring! どんなものを作ったか 今回作ったものは Mirrativで配信されるすべての音声を対象に文字起こしを行う シス
ついに来るのか!?拡散言語モデル｜shi3z
我々が単に「言語モデル」といった場合、それはTransformerモデルを指す。Transformerモデルは、ChatGPTやGemini、Claude-3、Command-R+などで使われている。 最近はMambaのような状態ステートマシンの言語モデルも出てきた。そしてもしかしたら今後はここに、拡散ディフュージョンモデルが加わるのかもしれない。 拡散モデルで有名なのは、StableDiffusionで、主に画像生成に使う。 実は画像生成は最初はTransformerだった。OpenAIのDALL-Eは、Transformerとして画像生成を行なった。しかしTransformerには明らかな欠点があり、それはあまりにも膨大な計算量が必要なことだ。 Transformerの事前学習プリトレーニングには、今でも天文学的な計算資源が必要だし、微調整ファインチューニングにも今なお膨大な計算機が必
Aphex Twin | ele-king
最近父を亡くしたというエイフェックス・ツインことリチャード・D・ジェイムスが、どうやら昨今の状況に危機感を覚えたようで、めずらしく警告を発している。RA の報じるところによれば、当初 SoundCloud の user18081971 のプロフィール欄にメッセージがポストされ、一度削除された後、現在は Reddit に再掲載されている。とても良いことを言っているので、以下に試訳を掲げておきます。 現在悲しみに暮れている方々には心からお悔やみ申し上げます。ぼくは最近父を亡くしました。本当につらかったけど、COVID-19 とは無関係でした。 もし COVID-19 の統計を目にすることがあったら、その数値が COVID-19 “が原因で” 亡くなった人たちを反映しているのかどうか、ちゃんと確認しなきゃいけないよ。どうか忘れないでほしい。 もし警察が、きちんとした法もないような状態で政府の要望
こんにちは、2z（Twitter： @2zn01 ）です。 趣味でWebサービスの個人開発をしており、以下のサービスを開発・運営しています！ ■AIメーカー https://aimaker.io/ → 誰でも簡単にAIを作れるサービス ■ツイレポ https://twirepo.com/ → キーワードで話題のツイートを自動で収集したり、自動でリツイート・フォローができるサービス ■文字起こすくん https://text.aimaker.io/recognize-bot/ → 画像、音声、動画をアップするだけで簡単に文字起こし・書き起こしできるサービス 今回作ったもの 動画をアップロードするだけで、動画内の音声を認識して文字起こしを行い、自動で動画に字幕・テロップをつけてくれる「テロップメーカー」というサービスをリリースしました！ ■URL https://text.aimaker.io
2020年6月24日に、LINEの「Data Labs」のオンライン採用説明会が開催されました。Data Labsは、データ分析や機械学習の活用によって、LINEのすべてのサービスの価値向上を目指す、データの分析・研究を行う専門の開発組織です。説明会の前半では、Data Labs室長の池邉智洋氏から組織についての説明があった後、Data Science1チーム/マネージャーの牟田博和氏よりデータサイエンティストの役割と仕事内容についての紹介が行われました。2記事目はこちら LINEのData Science and Engineeringセンターについて 池邉智洋氏：よろしくお願いいたします。Data Labsの室長を担当しております執行役員の池邉と申します。 本日オンラインではありますが、大変多くの方にご視聴いただいているようで、本当にありがとうございます。私からはまずData Labs
反AIさん、知識基盤のレベル合わせをしよう
生成AIはAIじゃないーのやつ1.一般的に言われるAIは、狭義のAIすなわち完全自律自己成長型人工知能の事ではないよ 2.これをAIと認めないなら AI Act 筆頭に人工知能を対象とした規制は「生成AIはAIじゃないんで関係ないね」になるよ 3.「生成AI」はホニャララ生成モデルを包括した用語だから、当たり前に使ってる機能が実は生成AIだという事もよくあるよ 生成型検索エンジンという発言を鵜呑みにしてるやつ1.テキストを入力したら入力通りの画像が生成表示されるText-to-Imageの様子を検索エンジンになぞらえただけのものだよ 2.本気で生成AIはAIじゃなくて検索エンジンだと思ってるのは君だけだよ AIはネット環境が必須だと思ってるやつ1.そういうのもあるし、そうじゃないものもあるよ 2.極端な話、個人のゲーミングパソコンで動く程度のAIはネットワーク不要だと思って差し支えないよ
WindowsはもちろんMacでも使え、DAW上のVSTiとしても動作するCeVIO Pro (仮)がα版として無償配布開始｜DTMステーション
CeVIO Creative StudioやCeVIO AIなどのエンジン部分を開発してきた株式会社テクノスピーチが2月24日、新たな歌声合成ソフト、「CeVIO Pro (仮)」（チェビオプロ）を発表するとともに、正式版リリースへの準備段階としてα版の無償配布を開始しました。このCeVIO Pro (仮)は、WindowsだけでなくMacでも動作するソフトであり、スタンドアロンで動作するとともに、WindowsおよびMacのVSTiのプラグインとしても動作するものとなっています。 またCeVIO Pro (仮)にはソングエディタともに、デフォルトボイスライブラリとして女性シンガーである「知声」（読み：ちせい、英語表記：Chis-A）が付属。ここで合成された歌声の波形データは個人／法人、商用／非商用を問わず、原則、無料で利用することが可能となっています。実際どんなものなのか、試してみた一方
メディアのアイドルである環境運動家のグレタ・トゥンベリ。今年ももてはやされたが、なぜかCOP26の国際会議場には呼ばれなかった（開催地：グラスゴーでのデモに参加）。一体なぜだろうか？彼女のスピーチをよく聞くと、その理由が分かってくる。 目次 メディアの寵児だったが 環境問題と共産主義の親和性 メディアの寵児だったが 今回のCOPでもスウェーデンの環境運動家のグレタ・トゥンベリがメディアでずいぶんと報道された。例えば産経新聞の記事では以下の通り。 via THE SANKEI NEWSよりキャプチャー メディアの記事の論調は殆どどれも判で押したように「環境危機を訴えた」「大人は口先だけで行動が伴っていない」「グリーンウオッシュのPR合戦に過ぎない（注：グリーンウオッシュとは、グリーンとホワイトウオッシュを組み合わせた造語である。ホワイトウオッシュとは白い色を塗ることで、転じてうわべだけを飾る
GPT-4 Turbo with 128K context and lower prices, the new Assistants API, GPT-4 Turbo with Vision, DALL·E 3 API, and more. Today, we shared dozens of new additions and improvements, and reduced pricing across many parts of our platform. These include: New GPT-4 Turbo model that is more capable, cheaper and supports a 128K context windowNew Assistants API that makes it easier for developers to build
ElasticsearchとKibela APIを使ってSlackでのCSお問い合わせ対応業務を改善した話 - BASEプロダクトチームブログ
この記事はBASE Advent Calendar 2020の11日目の記事です。 devblog.thebase.in BASE株式会社 Data Strategy チームの@tawamuraです。 BASEではオーナーの皆様や購入者様のお問い合わせに対して、Customer Supportチームが主となって対応をしています。その中でもいくつかの技術的なお問い合わせに対しては、以下のようにSlackの専用チャンネルを通して開発エンジニアに質問を投げて回答を作成することになっています。 CSチームから調査を依頼されるお問い合わせの例 これらのCS問い合わせ対応は日々いくつも発生しており、CSお問い合わせ対応を当番制にして運用してみた話 でもあるように週ごとに持ち回り制で各部門のエンジニアが対応しているのですが、どうしても調査や対応に時間が取られてしまうという問題が発生していました。 dev
千葉 佳織 / kaeka スピーチライター @kaolly13 オリンピック開会式のバッハ会長のスピーチ、「長かった」との感想を多く目にしました。 みなさんの違和感の正体が、スピーチのどのような技術に由来するのか、スピーチライターの視点で分析してみました。 明日から使えるスピーチ・プレゼンのポイントも添えています。 pic.twitter.com/eTV12Q3fRh
https://medium.com/google-cloud-jp から派生したGoogle Cloud Japan の Customer Engineer (CE) が 書く Advent Calendar 2019 です。CE 達が是非紹介したい機能、いままで培ってきたノウハウ、知っておくと便利なTipsなどを公開予定です。 google-cloud-jp はGoogle Cloud Platform 製品などに関連するコミュニティが記載したテクニカル記事集です。掲載された意見はすべて著者個人のものであり、必ずしも Google のものを反映するものではありません。 12/1Kubernetes とGCPの世界をつなぐアクセス管理のはなし (Hiroki Tanaka)12/2Apache Hadoop のデータを BigQuery で分析するための移行手順 ( Keiji Yosh
１．はじめに 2021年、大学関係者の間で呉座・オープンレター事件が話題になった。本稿はこの事件で何が対立軸だったのかを、人々へのアンケート調査の形で調べることを目的としている。 事件のあらましを簡単に述べる。ベストセラー『応仁の乱』の作者である歴史学者、呉座勇一氏が鍵付きツイッターアカウントで、ある女性研究者を揶揄あるいは誹謗していることが明るみに出て、炎上する。呉座氏は謝罪し、ＮＨＫの大河ドラマの歴史考証役を降板した。その後、有識者よりこの事件を一般的な女性差別問題として広く世に問うオープンレターが出され、1300人もの学者らが署名する。半年後に呉座氏の所属機関は予定されていた呉座氏の採用を取り消した。 この事件はいろいろな角度から議論が可能で、すでに多くの記事が書かれている。オープンレターが出るころまでは呉座批判一色であったが、採用取り消しで呉座氏への同情論が出るようになり、最近では
協調フィルタリングとベクトル検索エンジンを利用した商品推薦精度改善の試み | メルカリエンジニアリング
こんにちは、メルカリのレコメンドチームで ML Engineer をしている ML_Bear です。 以前の記事 [1] では、item2vecと商品メタデータを用いた、メルカリのホーム画面のレコメンド改善のお話をさせていただきました。今回は商品詳細画面でレコメンド改善を行ったお話をさせていただきます。商品詳細画面の例は図1の通りです。ユーザーはアイテムの詳細な説明を見たいときにこの画面に来訪するため、同様の商品を推薦する自然な接点として非常に重要です。 まず、私たちが商品詳細画面で行った改善の概要を示します。各部の詳細については次節以降で詳しく触れます。 日本有数の大規模ECサービスにおいてベクトル検索ベースの商品推薦アルゴリズムを実装し、推薦精度の大幅な改善を実現しました。 協調フィルタリングとニューラルネットワーク (以下、NN) を利用した商品推薦アルゴリズムを構築し、コールドスタ
最近、英語圏において物理化学系の学術誌に発表されたあるエッセイを起点として、こんな専門誌を舞台に意外な、と思うほどの盛り上がりを見せた論争が起きた。それは、「キャンセルカルチャー」を巡るものなのだが、日本語圏ではこの論争についてほとんど紹介されていないようなので、今回の記事で簡単に紹介してみたい。 アンナ・クリロフ (Anna I. Krylov) が2021 年にアメリカ化学会が発行する物理化学の学術誌 The Journal of Physical Chemistry Letters に発表したエッセイ「科学を政治化することの危険 The Peril of Politicizing Science」*1は、左派的なイデオロギーが今日の科学界において検閲として働いていると指摘し、大きな評判を呼んだ。これに対して、同年フィリップ・ボール(Philip Ball)は、同誌において「科学はそも
無償かつ入手しやすい音声データセットをメモしています。 ライセンス・利用規約は「商用利用可能」「研究用途のみ」ともに紹介します。 コーパスを探すときに有用なサイト コーパス配布元サイト 音声資源コンソーシアム : 日本語コーパスが豊富、無償または有償で利用可能 緩いライセンスのコーパスでなくても良いときはここ 自発的発話の日本語音声コーパスはだいたいここにある 入手は要申請 所属や責任者を記入する必要があるため、研究者や企業でないと厳しい？ （この記事では音声資源コンソーシアムのコーパスは未掲載） Shinnosuke Takamichi: コーパス一覧 : 日本語中心。高道先生が携わっている音声コーパス 大量の日本語音声コーパスが配布されている 音声合成のコーパスをつくろう (Slideshare) : 2021年6月時点の音声コーパス事情 あなたにどうしても伝えたい30の音声コーパス
このグーグル翻訳を駆使した英文で大丈夫か教えてほしい。 （増田の仕様のせいで空行が入らないので読みにくいかも） 追記:ブコメですでに記事があるという指摘があったので、いまさら投稿しなくてもいいか。 なにかに流用したい人がいるかわからんが好きに使ってくれていい。 A creative member of the Tokyo Olympics opening ceremony music was found to have been a fierce bullying assailant in the past. Keigo Oyamada (born 1969) became a creative member of the Tokyo Olympics opening ceremony music. In an interview with a music magazine in the
FOMO - Wikipedia
今やスマートフォンは常時、公私にわたりネットワークにつながり続けることを可能にした。こうなると「何か見逃しているものはないか」とひっきりなしに更新やメッセージをチェックせずにいられなくなることもある[1]。 FOMO（英: fear of missing out、フォーモ、取り残されることへの恐れ）とは、「自分が居ない間に他人が有益な体験をしているかもしれない」、と言う不安に襲われることを指す言葉である[2]。 また、「自分が知らない間に何か楽しいことがあったのではないか」、「大きなニュースを見逃しているのではないか」と気になって落ち着かない状態も指すことから、 「見逃しの恐怖」とも言う。社会的関係がもたらすこの不安は[3]、「他人がやっている事と絶え間なくつながっていたい欲求」と言う点で特徴づけられる[2]。 FOMOはまた「後悔に対する恐れ」とも言え[4]、それは社会関係、画期的体験、
「思考をコンピューターで読み取る」というSFのような技術についての研究が、近年は実際に進んでいます。そんな中、2021年7月14日付けでFacebookが新たに、「脳卒中によって話す能力を失った人が、考えをコンピューターに出力する技術」を開発したと発表しました。 BCI milestone: New research from UCSF with support from Facebook shows the potential of brain-computer interfaces for restoring speech communication https://tech.fb.com/bci-milestone-new-research-from-ucsf-with-support-from-facebook-shows-the-potential-of-brain-comput
以下の記事が面白かったので、簡単にまとめました。 ・Realtime API 1. Realtime API「Realtime API」は、低遅延なマルチモーダル会話エクスペリエンスを構築するためのAPIです。現在、入出力の両方でテキスト・音声がサポートされており、Function Calling を利用することもできます。 特徴は次のとおりです。 ・ネイティブな音声合成 低遅延でニュアンスに富んだ出力が得られる ・自然で操作可能な音声 自然な抑揚を持ち、笑ったり、ささやいたり、トーンの指示に従うことができる ・同時マルチモーダル出力 テキストはモデレーションに役立ち、オーディオにより安定した再生が保証される 2. クイックスタート「Realtime API」は、「WebSocket」を介して通信するステートフルなイベントベースAPIです。 機能を紹介するデモアプリ「openai-real
こんにちは！逆瀬川 ( @gyakuse ) です。 今日は最近作ったもの、書いたもの、勉強したことを備忘録的にまとめていきたいと思います。 なぜ書くのか、なぜ学ぶのか DeepLearningの普及以降、Attention Is All You Need以降、Hugging Faceでの民主化以降、そしてStable DiffusionやChatGPTの登場以降、どんどんAGIへの距離が短くなってきています。未来は想定より大きく変わりそうです。どったんばったん大騒ぎのときはみんなが分かっておくべきことは効率的に共有すべきで、そのために書いています。書くためには論文等を読む必要があります。そしてそのためには基礎からしっかり学ぶことが大事です。次の一歩をみんなで歩んでいくために、学び、書いています。 間違ったことを言うかもしれませんが、それでも誰かのためになれば嬉しいです。あと、個人的にはこ
英語学習のためのデジタル環境整備
このブログの主目的は、(1)英語教育について根本的に考え直すこと、(2)英語教育現場の豊かな知恵をできるだけ言語化すること、です。このブログでの見解などは柳瀬個人のものであり、必ずしも柳瀬が所属する組織や団体などのものではありません。ブログ管理での技術的理由から「英語教育の哲学的探究2」よりこのブログに移行しました。 なお私が所属する京都大学・国際高等教育院・附属国際学術言語教育センター・英語教育部門のウェブサイトでは、学生さんの自律的な英語学習・使用を支援するための情報を多く提供しています。https://www.i-arrc.k.kyoto-u.ac.jp/english_jp 以下に紹介するのは、私が英語を学んだり使ったりするために使用しているデジタル環境（ウェブサイトやアプリ）の一部です。デジタル環境がそろうと英語を学び・使うことが楽しくなり、ますます英語に習熟することができます。
NVIDIAが2021年4月に行った基調講演について、ジェン・スン・ファンCEOが登壇するシーンの一部や撮影現場として用いられたキッチンなどが、3Dデザインコラボレーションプラットフォーム「NVIDIA Omniverse」で作成されたCGだったと明かしました。 NVIDIA Omniverse Changes the Way Industries Collaborate | NVIDIA Blog https://blogs.nvidia.com/blog/2021/08/11/omniverse-making-of-gtc/ Nvidia Reveals Its CEO Was Computer Generated in Keynote Speech https://www.vice.com/en/article/88nbpa/nvidia-reveals-its-ceo-was-co
脳の活動をテキストに変換して音声として読み上げることで、これまでで最も正確な97.5％の精度で思考を言葉にすることができるブレイン・コンピューター・インターフェース(BCI)が発表されました。この技術は、全身の筋肉の衰えにより言葉を話すことが難しくなる筋萎縮性側索硬化症(ALS)の人が、コミュニケーション能力を取り戻すのに役立つと期待されています。 An Accurate and Rapidly Calibrating Speech Neuroprosthesis | New England Journal of Medicine https://www.nejm.org/doi/full/10.1056/NEJMoa2314132 New brain-computer interface allows man with ALS to ‘speak’ again https://healt
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
Speech-to-Text Webcam Overlay
香川県条例：依存症の不安を煽って子どもからネットやゲームを奪ったうえに『親学』推進までされたんじゃたまったもんじゃない | p2ptk[.]org
Podbardというポッドキャストサイト構築ツールを作った | おそらくはそれさえも平凡な日々
rinna/japanese-hubert-base · Hugging Face
「イスラエルを非難した学生の顔」を印刷したトラックでハーバード大学周辺を走る晒し行為が発生
新卒NLPエンジニアが取り組んだ音声合成システムにおける句境界予測モデルの導入
【2024年】AWS全サービスまとめ | DevelopersIO
Microsoftがわずか数秒のサンプルから会話や歌声を再現できる音声合成AI「NaturalSpeech 2」を発表
Pythonで検索エンジンをゼロから作って学んだこと Part.2
Chrome 89で音声からリアルタイムに字幕を生成する「自動字幕起こし」機能が追加されたので使ってみた
英語のリエゾン（リンキング）とは？5つの音声変化と練習法を解説｜ベルリッツ
【個人開発】動画の字幕・テロップ入れをAIで自動化するWebサービスを作りました - Qiita
データ分析はサービス競争力にどう貢献できるか？ 大量のデータを扱うLINEのデータサイエンティストの役割
環境運動から共産主義に"転向"して、COPから追放されたグレタ・トゥンベリ
New models and developer products announced at DevDay
開会式で話題となった"長いスピーチ"、どうしてそう感じたのかをスピーチライターがガチ分析してみた
Google Cloud Japan Customer Engineer Advent Calendar 2019
呉座・オープンレター事件の対立軸――キャンセルカルチャーだったのか？/田中辰雄 - SYNODOS
TOEICの品詞問題が苦手な人が絶対覚えるべき知識まとめ！ | 英語を仕事で使えるレベルに伸ばす！認定英語コーチアキトの０→１英語塾
科学における「キャンセルカルチャー」論争 - わが忘れなば
無償入手可能な音声コーパス／音声データベースの一覧 - Qiita
オリパラの音楽担当になった小山田圭吾の悪評をredditに投稿しようと考えてる。
思考をコンピューターにリアルタイムで出力することにFacebookが成功
OpenAI の Realtime API の使い方｜npaka
DeepLearningについて、最近作ったもの、書いたもの、勉強したこと
NVIDIAが基調講演に使った「キッチンでしゃべるCEOの映像」が自社製ツールで作ったCGであることが明らかに
脳の信号をほぼ100％の精度で音声に変換するブレイン・コンピューター・インターフェースが登場