OpenAIがリリースした高精度な音声認識モデル”Whisper”を使って、オンライン会議の音声を書き起こししてみた | DevelopersIO
こんちには。 データアナリティクス事業本部 機械学習チームの中村です。 2022/09/22の夕方ごろ、OpenAIが音声認識ですごいものを出したらしいというニュースが社内のSlackをにぎわせていました。 個人的には、いくら認識が凄いって言っても、実際日本語は微妙なんじゃないかな…？と思っていたのですが… ですが… … … … おお！？(上記はGitHubにあるWER: Word Error Rateのグラフです) これは！？ これは結構良さげな数値を出している！？(たぶん) ってことで元音声屋さんとしては、これは試すしかない！ということで動かしてみました！(投稿は翌日になってしまいましたが…) なお、本記事では論文内容の詳細などには触れませんのでご了承ください。(後日できたらがんばります) いますぐ使いたい人向け 今すぐ使いたい方は、Hugging Faceでブラウザから書き起こしを試
【動画】 ブルガリアの政治家、ターミネーターのような暗殺者に襲われるも反撃しフルボッコに 1 名前： 白黒(新疆ウイグル自治区)：2013/01/20(日) 08:22:54.48 ID:Sf7PeAXPP A Bulgarian politician today survived an extraordinary assassination attempt when a man stormed the stage and held a gun to his head as he was giving a speech. Fortunately for Ahmed Dogan, leader of the Movement for Rights and Freedoms, the weapon misfired giving him time to react and hit the wo
Changemakers of the year 2012 [クリエーター部門] 受賞 "音楽のチェンジメーカー" 作曲家、音楽プロデューサー 中田ヤスタカ(capsule) - Changemaker | Changemakers of the year 2012 次の日本を、世界をつくろう
音楽ユニットcapsuleでアーティストとして活躍する一方、Perfume、きゃりーぱみゅぱみゅなどをプロデュース。DJとしてクラブやイベントでプレイするなど複数の顔を持つ。 1980年石川県生まれ。2001年プロデビュー、2003年より他アーティストのプロデュース開始。作曲・作詞のみならずコンセプト、映像、デザインまでをも総合したミニマルでありながら完璧な演出を実現し、音楽界に新風を呼び込む。映画やCM、展覧会などへも活動の場を広げる。激変したウェブ時代の音楽市場を、ひとり悠々と泳ぎ切る、音楽の世界のチェンジメーカー。 音楽業界は斜陽――。そう言われることもありますが、僕自身は、実感していません。2001年にcapsuleでメジャーデビューをして、音楽を仕事にしはじめたときには、すでに、CDの販売は勢いを失っていたからです。だから「昔は良かった」という感覚自体がないんです。 いきなり話
私は趣味で機械学習を学ぶ初学者であり、説明に間違いや勘違いがある可能性があります。そういった点がありましたらコメントで指摘していただけると助かります。 また、so-vits-svcやRVCは論文ベースでの技術発表が無いため、以下はコードや周辺情報からの想像を含みます。 修正履歴 2023/04/15 RVCの動作について誤りがあったので修正しました。nadare🌱さんご指摘ありがとうございます。 AIボイスチェンジャーとは ある発話音声の入力を特定の話者が発話したような声質の発話音声に変換するための、深層学習を使用したアプローチがそう呼ばれている印象です。 以前から、深層学習を用いたリアルタイムボイスチェンジャーはMMVCなどが存在していました。 最近(2022年11月頃から2023年4月頃)では、Retrieval-based-Voice-Conversion 通称RVC や、Soft
どうも、きしだなおき（@kis）です。LINE Fukuokaで働いています。 長らくフリーランスとして活動した後で就職したので、そのときは福岡をはじめ、ネットでつながっている全ての人が驚いたのですが、なんだかんだでもうすぐ4年が過ぎようとしています。 会社員になってJJUG CCCのスポンサーセッションで発表してきた - きしだのはてな このコラムでは、フリーランスのプログラマーになった経緯などを振り返りつつ、就職した今はどういう感じで生きているかを書いていきたいと思います。 プログラミングを始めて、仕事にするまで Javaとの出会い・Javaの面白さ 大きなテクノロジーを求めてフリーランスから会社員に 会社員になって気付けたいくつかのこと コードが書けるようになるプログラミングの勉強について プログラミングのトレーニングと実践 起きれない ところで会社員になってどうだったの？ 楽しく仲
OpenAIがSpeech-To-Text AIのWhisperを発表しました。Githubからpipでインストールすれば簡単に使えます。私のM1 Max MacBook Proでも動作しましたので、作業内容を書いておきます。 GitHub – openai/whisper: Robust Speech Recognition via Large-Scale Weak Supervision Robust Speech Recognition via Large-Scale Weak Supervision – GitHub – openai/whisper: Robust Speech Recognition via Large-Scale Weak Supervision Python仮想環境を作る Python自体のインストールは既に終わっているところから書くことにします。私の環境は
急にスピーチをすることになってもこれで安心…苦手な人は知っておきたい5つの順番 大勢の人前で話すことが苦手だという人もいると思いますが、立場や仕事上避けられないときがあるものです。 準備していても頭が真っ白になって内容が飛んだり、急にまわってくるときもあります。 そんなときに使える、簡単なスピーチの構成のしかたをご紹介します。 1．あいさつ あいさつは簡単な部分で、聴衆に向けてシンプルに、「おはよう（ございます）」、「こんにちは」、「こんばんは」など、時間帯などに合わせて伝える。 2．そのイベントについて話す 2番目も割と簡単で、明らなことを聴衆に伝える。イベントや祝い事の「目的」や「みんながそこで何をしているか」について話す。 「みなさんも知っている通り、本日○○さんと△△さんの結婚を祝うために、ここに集まりました。ふたりのこれから始まる長い旅を応援していきたいと思います」 ここまでくる
はてなブログ | 無料ブログを作成しよう
来年も作りたい！ふきのとう料理を満喫した 2024年春の記録 春は自炊が楽しい季節 1年の中で最も自炊が楽しい季節は春だと思う。スーパーの棚にやわらかな色合いの野菜が並ぶと自然とこころが弾む。 中でもときめくのは山菜だ。早いと2月下旬ごろから並び始めるそれは、タラの芽、ふきのとうと続き、桜の頃にはうるい、ウド、こ…
アメリカ歴代大統領のスピーチをタグクラウド化
範囲は1776年から2006年まで。例えば今のブッシュ大統領のスピーチをタグクラウド化すると、最も頻出の単語は「terrorists」だというのが一目瞭然。非常に世相を反映した結果が出てきます。 詳細は以下の通り。 US Presidential Speeches Tag Cloud - Chirag Mehta : chir.ag 右上のスライダーを動かすと年代を移動できます。これは初期状態。 クリントン大統領の場合。 ブッシュ大統領のお父さんの場合 レーガン大統領の場合 ジョンソン大統領の場合……なるほど。 ケネディ大統領はこうなります ルーズベルト大統領の場合 もうちょっと前だと同じ大統領のスピーチでも違ってきます 誰かこれの日本の歴代首相版とか作ってくれませんか……。
iPhone 3G Sに触った！ 日本語音声コントロールのレスポンスに感動：WWDC 2009現地リポート（1/2 ページ） Worldwide Developers Conference 2009（WWDC 2009）の基調講演で最大の目玉といえば、カメラ機能の強化と大幅なスピードアップを実現した新型iPhone「iPhone 3G S」だ。もっとも、このiPhone 3G S、フィル・シラー上級副社長による基調講演中も、スライドには表示されたものの、実機が出てくることはなかった。アメリカでは約10日後に発売されるというのに、本当にきちんと動いているのだろうか。 この疑問は、WWDC 2009基調講演の直後に行われたグループインタビューセッションで氷解した――筆者は幸運にもグループの中で、ただ1人、このiPhone 3G Sを音声操作する幸運に恵まれた。そのときの模様をお伝えしよう。なお
このドメインは お名前.com から取得されました。 お名前.com は GMOインターネットグループ(株) が運営する国内シェアNo.1のドメイン登録サービスです。 ※表示価格は、全て税込です。 ※サービス品質維持のため、一時的に対象となる料金へ一定割合の「サービス維持調整費」を加算させていただきます。 ※1 「国内シェア」は、ICANN(インターネットのドメイン名などの資源を管理する非営利団体)の公表数値をもとに集計。gTLDが集計の対象。 日本のドメイン登録業者(レジストラ)（「ICANNがレジストラとして認定した企業」一覧（InterNIC提供）内に「Japan」の記載があるもの）を対象。 レジストラ「GMO Internet Group, Inc. d/b/a Onamae.com」のシェア値を集計。 2023年10月時点の調査。
すごいスピーチをするには？（パート2） | POP*POP
先日ご紹介した「すごいスピーチをするには？」。Guy Kawsakiさんが歌手のDougさんに教えてもらったスピーチのコツでした。 今回、その続編が紹介されていました。前回は「舌をかむ」というTipsが評判でしたが、今回はどういったコツを教えてくれるのでしょうか。 全部で8つのポイントがあります。以下からどうぞ。 タオルでウォームアップをしよう スピーチの前には声を出しておくことが必要です。歌手はそのためによくタオルを使います。タオルを口にあてて大声をあげたり、叫んだりすれば準備OKですよ。タオルで口を覆っているので周りに迷惑もかかりません。 ”サイレン”をしよう しっかりとした声を出す練習で有効なのは”サイレン”のモノマネ。低い「ウー・・・」という声から高い「ウー・・・」までサイレンのように声を出します。そしてもう一度低い「ウー・・」まで戻し、これを数回繰り返します。そうすると声帯が細く
Speech Machine / 日本語を音声で読み上げ
ITpro Challenge!が感動的だった件：江島健太郎 / Kenn's Clairvoyance - CNET Japan
さる9月7日に東京で行われたITpro Challenge!ですが、ひきこもって鬱々と考えてばかりの生活を離れ、先を走っているすごい人たちの勢いを感じられたのはとても良い体験でした。 僭越ながらぼくもプレゼンさせていただいたのですが、この内容についてはCNETのほうに流れに沿った詳細な記事がアップされています。 収益が見えないことは、やらない理由にはならない--インフォテリアUSA江島氏 で、講演資料のほうはSlideShareにアップしました。ここからPDF形式でダウンロードもできます。 ブログにこうやって外向けの文章を書くときというのは、それなりに精神的に落ち着いた瞬間を見計らって襟を正してから書くので、普段の七転八倒している姿は伝わらないものです。 割と露出狂的マゾヒズムの気があるほうだとは思ってるんですが、それでもやっぱり、恥ずかしいこととかコンプレックスとかは自分なりに
伝説のスピーチ 環境サミット＠リオ
1992年6月。ブラジル、リオ・デ・ジャネイロでの「環境と開発に関する国連会議（環境サミット）」に集まった世界の指導者たちを前に、たった12歳の少女、セヴァン・スズキは伝説のスピーチをした。 This legend amazin speech was made by Severn Suzuki,just 12 years-old girl, at the conference of Environment in Brasil,Rio,in 1992.
「子どもの好きにやらせて！」 5歳で英検2級に合格した少年が、大人たちに苦言 Don't decide the limits of children #1/2 4歳の頃から色々な検定を受け、5歳で英検2級に合格した天才少年・加藤博人氏。約3,000台のミニカーのコレクションを持つ彼は、車やミニカーから沢山のことを学んできたと語ります。「子供はすぐ飽きる」「子供だから危ない」――そんな大人たちの先入観が、いかに子供の可能性にブレーキをかけているか。横浜の中学校に通う加藤氏が、抑圧された子どもたちの気持ちを代弁します。（TEDxKids@Chiyodaより） 子どもの可能性に大人がブレーキをかける 加藤博人氏：横浜市内にある公立中学校に通っている加藤博人と申します。よろしくお願いします。さて、今日この場にお越しいただいているお子様をお持ちのお父さん、お母さん、お子様の見解を大人の基準で決めてい
![5歳で英検2級に合格した天才少年 加藤博人氏が大人たちに苦言 - ログミー[o_O]](https://cdn-ak-scissors.b.st-hatena.com/image/square/5077d57456554966b0f04a38e06419461454554a/height=288;version=1;width=512/https%3A%2F%2Fimg.logmi.jp%2Fwp-content%2Fuploads%2F2014%2F10%2Fa11b4bb3ba448d1fa402ac3dc62cc91f17.jpg)
Start | 和歌山大学メディアインテリジェンス研究室
和歌山大学メディアインテリジェンス研究室（西村竜一研究室）† 本研究室では、音声や画像、動画、自然言語、センサなどの「メディア」を活用した認識・理解の知的技術によって、人と人、人と機械の協働を豊かなものにするための教育・研究を行います。 2019年度から活動している研究室です。 本研究室の学部生は、システム工学部 メディアデザインメジャーに所属しています。大学院生の所属は、システム工学研究科 知的モデリングクラスタです。 なお、本研究室は、西村が所属（担当）するデータ・インテリジェンス教育研究部門及び学生自主創造支援部門（クリエ）とも協働することで教育・研究活動を進めています。 今後は、社会インフォマティクス学環の学生の受入も行う予定です。 ↑ お知らせ† 2023/12/9 大学院生（M2）の日田さんが国立研究開発法人情報通信研究機構（NICT）の研究員みなさまと共著で発表した『複数話者
はてなグループの終了日を2020年1月31日(金)に決定しました 以下のエントリの通り、今年末を目処にはてなグループを終了予定である旨をお知らせしておりました。 2019年末を目処に、はてなグループの提供を終了する予定です - はてなグループ日記 このたび、正式に終了日を決定いたしましたので、以下の通りご確認ください。 終了日: 2020年1月31日(金) エクスポート希望申請期限:2020年1月31日(金) 終了日以降は、はてなグループの閲覧および投稿は行えません。日記のエクスポートが必要な方は以下の記事にしたがって手続きをしてください。 はてなグループに投稿された日記データのエクスポートについて - はてなグループ日記 ご利用のみなさまにはご迷惑をおかけいたしますが、どうぞよろしくお願いいたします。 2020-06-25 追記 はてなグループ日記のエクスポートデータは2020年2月28
Google Document の音声認識入力が思ってたよりすごかった - mizchi's blog
はいえーとあの google の音声入力のテストをやってみてるんですけどこれめっちゃすごいですねなんかここまで認識精度良いと思わなかったあの文字の改行とかそこだけちょっと自分でやんないといけないんですけどそれ以外は全然不満がないですねこれなにかコマンドとかあるのかなやそうでもないか何がやりたいかというと discord でちょっと仕事で使ってみたくてボイスチャットチャンネルに没頭*1参加させて録音させてそのデータを google のドキュメントとして音声で食わせて文字起こしさせればあの会議とかねリモートワークとかですごい便利なんじゃないかなと思って文字認識 api ってちょっと公開されてるかわかんないんだけどこういう api って google あんまりね有料 api 脱退後悔*2しきれなかったりっていうイメージあるんだよねまあ google ドキュメントを使わせるためのインセンティブやっ
「台本のない人生を生きろ」TwitterのCEOが卒業生に贈ったスピーチが奥深い ミシガン大学 卒業式 2013 ディック・コストロ 2013年5月にTwitterのディック・コストロ氏がミシガン大学で行った卒業スピーチです。コメディ俳優を目指していた青春時代に得た教訓、そして創業時には予想もしていなかったTwitterの広がりを経験したことから、人生を大胆に勇敢に切り開いていくコツを語っています。「ここからの人生は即興の連続」「『やらなくてはいけないこと』をやっていると、先は見えなくなる」。世代を問わず人生を考えさせられるスピーチです。 私の話に期待しないでください（笑） やっぱりまずは（この現況を）ツイートしなくてはいけないので、皆さんちょっと待ってくださいね。私はプロですからね、すぐ終わります（会場の写真を撮り、Twitterに書き込む）。 （会場笑） はい、終わりました。まずは学校
![「台本のない人生を生きろ」TwitterのCEOが卒業生に贈ったスピーチが奥深い | ログミー[o_O]](https://cdn-ak-scissors.b.st-hatena.com/image/square/86322d925f03567daeaeeda337a9ad9e1486ad68/height=288;version=1;width=512/https%3A%2F%2Fimg.logmi.jp%2Fwp-content%2Fuploads%2F2014%2F03%2F7ba1f0a8ac2230876c7ad091cc32c8cc.jpg)
Here we see Steve Jobs delivering his commencement speech to the graduates of Stanford University in 2005. In it he talks about getting fired from Apple in 1985, life & death
ソフトバンク孫正義社長による「新30年ビジョン」書き起こし Part2 | kokumai.jpツイッター総研
「ソフトバンク新３０年ビジョン発表会」書き起こし、Part2です。 その１はこちら。 ソフトバンク孫正義社長による「新３０年ビジョン」書き起こし Part1 USTREAM動画のアーカイブ（録画）はこちら ソフトバンク 新30年ビジョン発表会 誤字脱字などあると思いますが、追って修正いたします。（ご指摘歓迎） スライドなどもあとから入れたいと思います。 続きを読む前に応援クリックお願いします！ ３０年後の話をこれから話します。 そんなもの全部知ってる、退屈な話だ、そんなこと当たり前だ。 皆さん思うかもしれない。思わないかもしれない。 ここから３０年後の非常に退屈な話を、ごくごく当たり前のささいなことを聞いていただきたい。 ３０年後、コンピュータのチップの数は、人間の脳の１０万倍になる。 ワンチップの能力。先ほど申しました１００年後には１ガイ倍。 ３０年後には人間の脳細胞を２０１８年には追い
「佐野元春ブロガーミーティング」レポート - ネタフル
佐野元春氏がブロガーと対話するという「佐野元春ブロガーミーティング」にお声がけ頂き、参加してきました。 10人くらいのブロガーが集まったでしょうか。ゆったりとした空間でくつろぎながら、最初に「MWS（Moto’s Web Server）」のこれまでの活動の説明を聞き、そしていよいよ佐野元春氏の登場です。 少し遅れてしまったので気づかなかったのですが、すぐそばの柱の陰に座ってらして、いきなり自分の近くから登場されたので驚いてしまいました。 そして「佐野元春からみなさんへ」ということで、佐野元春氏が設立したレーベル「DaisyMusic」に関する話が始まりました。 以下、佐野元春氏の話の概要をまとめたものです。 ///////////////////// なぜ20数年間も契約していたレーベルを離れなくてはいけなかったのか。レコード会社と仲良くしてレコードをリリースすることはできなかったのか。
【ニューヨーク＝加藤淳】麻生首相が２５日夕（日本時間２６日朝）に国連総会で行った一般討論演説の途中で通訳機器が故障し、冒頭からやり直すハプニングがあった。 首相は「２４時間余り前に日本の首相として指名を受けたばかりだ」と英語のあいさつで演説を始め、その後は日本語に切り替えた。ところが、同時通訳の音声が流れなかった。 約５分ほど進んだところで高須幸雄・国連大使が壇上に駆け寄り、機器の故障を耳打ちすると、首相はすかさず英語で、「メード・イン・ジャパンじゃないからこうなる」。会場は大きな笑いと拍手に包まれ、終了後には何人かの出席者が「いい演説だった」と首相を祝福した。
"Less is More"というすんばらすいスピーチ発見。 IT Conversations: Jason Fried - Less is More(スピーチ本体) Less as a competitive advantage: My 10 minutes at Web 2.0 - Signal vs. Noise (by 37signals)(Transcript) em.log: "Less Is More"(日本語の短い解説) 話しているのは、37signalsのCEO Jason Fried氏。 Less Money Less People Less Time Less Abstractions More Constraints がいいよというだけのお話ですが、抽象論でなくどれも具体的な話。校長先生の話のような話ではなく、いかにも社長の話。これがIT企業の現実なんですね。 Ti
2007年10月24日11:00 カテゴリArt 知識を呪いから使い魔に変えるオレナリの方法 そうならないために私はどうしているかを書いておくことにする。 知識の呪い - シロクマ日報 [ITmedia オルタナティブ・ブログ] 知識を身につけてしまうと、それが「当たり前」のこととなってしまい、同じ知識を共有していない人々の気持ちが分からなくなる -- 結果として、その知識を他人に伝えることが難しくなるというのが「知識の呪い」。 英語で言うと、"how to unlearn"ということになる。 上手になるとか学ぶとかいうことにはリスクがある - ラノ漫 - ライトノベルのマンガを本気で作る編集者の雑記 - 作り手は知識を蓄えつつ、この呪いと戦わなければなりません。データを消去できる電脳と違って、人間は知識を「忘れる」ことは出来ても「捨てる」ことは出来ない。過去に戻って人生やりなおしたいと思
２００４年度卒業式式辞 ― 努力する人間になってはいけない 2005年03月16日 やっぱり何度やっても式辞は、自己嫌悪の連続。いつも２度とやりたくない、と思う。講演などいくら慣れていても、式辞は全く別次元。自己採点は２、３０点。教員の採点では７０〜８０点が平均。企業の後援会の方がひとり近寄ってこられて、「毎年楽しみに聞いています。身につまされることが多くて」と感想を伝えてくださったのが、せめてもの救い。一応、全文掲げておきます。実際に話したことは、この８割くらいです。『芦田の毎日』の読者の方にはすでに周知のテーマですが。御勘弁ください。 ------------------------------ 卒業おめでとうございます。 保護者の方々、来賓の方々、お忙しい中お越し頂いてありがとうございます。 学生、教職員一同に成り代わりまして、感謝申し上げます。 私は、３年前には（３年制の建築工学科
「桜を見る会」開催要領 | 平成24年2月28日（火）午前 | 平成24年 | 官房長官記者会見 | 記者会見 | 首相官邸ホームページ
過去の官邸ホームページ上で公開していたコンテンツは、国立国会図書館の「インターネット資料収集保存事業（WARP）」ホームページでご紹介します。過去のコンテンツは下記のリンクからもご覧いただけます。 ※掲載されている情報は収集当時のものであり、表示崩れやリンク切れが発生している場合があります。ご注意ください。 内閣総理大臣 アーカイブ
https://www.microsoft.com/cognitive-services/en-us/sign-up Cognitive Serviceって何かといえば、人間の言語で人と対話して意思決定のサポートをするようなサービス。 もっと簡単にいえば、ハッカソンとかで使えばいい感じのハックができるサービス。 つまりは、これを知っているかいないかでハッカソンで作れるアプリが雲泥の差になる可能性のあるAPI。 今回公開されたのは次の22個。過去にFace APIとかSpeech APIとか公開はされていたけどどーんと22個。 Computer Vision Emotion Face Video Speech ? Custom Speech Recognition Speaker Recognition Speech Bing Spell Check Language Understandi
メリル・ストリープ「役者の唯一の仕事は、自分と異なる人の人生を感じさせること」 | ゴールデン・グローブ賞授与式のスピーチを緊急全訳
2017年1月8日、第74回ゴールデングローブ賞授与式で、映画界に長年貢献した人物に与えられるセシル・B・デミル賞を受賞したメリル・ストリープのスピーチが話題になっている。 ハリウッドの多様性、次期大統領に対する痛烈な批判、ジャーナリストを守るための支援など、政治的な内容ゆえに賞賛と非難の声があがっている。 いち早くクーリエ・ジャポンがその全訳をお送りしよう。 お座りください。ありがとう、親愛なる皆さん。おゆるしください、先週末、叫んだり嘆いたりして声が出ないんです。それから、この1年の途中で、正気も失ってしまったので、書いてきたものを読ませてください。 「ハリウッド外国人映画記者協会」の皆さん、ありがとう。ヒュー・ローリーが先ほど言ったことを続ければ、ここにいる皆さん、私たち全員はいま、米国社会のなかで最も中傷されている層に属しています。だって、ハリウッド、外国人、記者ですよ。 それにし
Mac Fan.jp ログファーム社について重要なお知らせ
2024.02.13 周辺機器／アクセサリ 電話の着信も運動のログもおまかせ！ iPhoneと連係するG-SHOCK GPR-H1000-9JR
これはちょっと一言では形容し難い世界ですね。 今年のTEDカンファレンスで話題になった｢Sixth Sense｣です。 周辺にあるモノの情報を、その表面に照射するシステム…と小さくまとめちゃえたら簡単なんですけど、このMITメディアラボのパティー・メーズ（Pattie Maes）女史率いるプロジェクトにはそれだけじゃないものがあります。 まだ見てない方は、以下の動画（3分10秒、出演はブレインのPranav Mistry君）で是非どうぞ。解説も続きます。 この｢Sixth Sense（第六感）｣は携帯電話とカメラをドッキングして作ったマイクロ（小型）プロジェクターです。これが自分とクラウド（Webに保存された全情報）を繋ぐコンピュータの役割りを果たします（普通のウェブカムとバッテリー駆動の3Mプロジェクタに鏡をつけて携帯に繋げ、ネットに接続してます。制作費たったの350ドル）。Sixth
今朝ツイッターを眺めていたら、フェイスブック創業者マーク・ザッカーバーグが母校ハーバード大学の卒業式に呼ばれてスピーチしてる動画のリンクが流れてきて、軽い気持ちで再生しはじめたら凄い迫力で、30分以上のスピーチ最後まで全部見てしまったってことがあった。 結構笑えるジョーク（窓ガラスに数式書いたりしないよ！・・・とかいう映画"ソーシャルネットワーク"を根に持ってるようなジョークとか）やハーバード内輪ネタ（と思われる・・・ちょっとググると出て来るのが今の時代の救いですが）も交えつつ、卒業生と10歳も離れてない立場から"僕ら世代の責任"という切り口で語る話は非常にグイグイ来る迫力がありました。
音声認識のしくみ
音声認識を紹介するページ とにかくここでは、 だらだらと「音声認識」というモノを紹介します。 全体が（ほぼ）このページ一枚に収まっています。 ところどころにリンクがありますが、 そのリンク先には、 難しい話やこぼれ話みたいなものがちょこちょことあります。 ところで、話を簡単にするために、 ちょっと嘘を混ぜています。 そうでないと、ものすごく複雑な話になるので。 音声認識ってなにさ 簡単に言ってしまえば、 人間が喋った声を機械が文字に直すことです。 図で描くとこんな感じです。 左側が音声波形（つまり、声を図に表している）で、 右側がそれをひらがなに直したものです。 左側の音声波形を少し詳しく見てみる 人間は耳で音を聞きますが、 機械はマイクで音を聞きます。 そして、マイクで収録された音をそのまま表示させると、 下のような感じになります。 横軸が時刻で、縦軸が振幅です。 音声というのは、ようす
سایت های شرط بندی معتبر ایرانی و خارجی مطمئن و نحوه انتخاب بهترین - شابتر
این لیست نهایی بهترین سایت های شرط بندی در این تجارت است. ما هر یک از این سایت ها را تحت یک روند دقیق بررسی قرار داده ایم، و همه آنها امتیازات بالایی را در معیارهای اصلی کسب کرده اند. شما می توانید در هر یک از این سایت های شرط بندی ثبت نام کرده و مطمئن باشید که آنها سابقه طولانی در پرداخت سریع، رفتار عادلانه با مشتری و ایمن نگه داشتن اطلاعات شما دارند. ”بیشتربخوانید” متخصصان نقد و بررسی ما همگی در
情報管理LOGの@yoshinonです。 このところ自動で文字起こしというのが、自分の中で流行っているのですが、一長一短それぞれあるのですよね。その中でも、２月に記事にした「Windowsでも自動文字起こしができる！議事録はGoogleドキュメントに任せろ」という記事が大きな反響があり驚きました。皆さんきっと同じ悩みを持っているのでしょうね。 今回は、前回のGoogleドキュメントを用いた文字起こしよりも、さらにもう少しワンランク上の自動化ができるぞ！というSpeechnotesについてご紹介します。 ２月に書いた「Windowsでも自動文字起こしができる！議事録はGoogleドキュメントに任せろ」という記事が、割とバズり、様々なところで取り上げていただきました。ありがたいことです。 Bookmarklet: instantly generate a Card for any web pa
Try Gemini 1.5 models, the latest multimodal models in Vertex AI, and see what you can build with up to a 2M token context window Convert audio into text transcriptions and integrate speech recognition into applications with easy-to-use APIs. Get up to 60 minutes for transcribing and analyzing audio free per month.* New customers also get up to $300 in free credits to try Speech-to-Text and other
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
Orpheus(オルフェウス): 自動作曲システム
【動画】 ブルガリアの政治家、ターミネーターのような暗殺者に襲われるも反撃しフルボッコに : 痛いニュース(ﾉ∀`)
最近のAIボイスチェンジャー(RVC、so-vits-svc)
プログラミングが、いつまでも楽しくあるように ─ 長いフリーランスを経て就職した今、思うこと - GeekOutコラム
OpenAIのSpeech-To-Text AI「Whisper」をM1 Macで試してみる
急にスピーチをすることになってもこれで安心…苦手な人は知っておきたい5つの順番 : らばQ
lessig_free_culture_japanese_1.1.swf (application/x-shockwave-flash Object)
iPhone 3G Sに触った！ 日本語音声コントロールのレスポンスに感動
dfltweb1.onamae.com – このドメインはお名前.comで取得されています。
http://hil.t.u-tokyo.ac.jp/~galatea/index-jp.html
5歳で英検2級に合格した天才少年 加藤博人氏が大人たちに苦言 - ログミー[o_O]
はてなグループの終了日を2020年1月31日(金)に決定しました - はてなの告知
「台本のない人生を生きろ」TwitterのCEOが卒業生に贈ったスピーチが奥深い | ログミー[o_O]
Steve Jobs Stanford Commencement Speech 2005
麻生さん、国連演説やり直し…ジョークで切り返す : 政治 : YOMIURI ONLINE（読売新聞）
Less is More -- 身軽なことはいいことだ - アンカテ
知識を呪いから使い魔に変えるオレナリの方法 : 404 Blog Not Found
BLOG「芦田の毎日」: ２００４年度卒業式式辞 ― 努力する人間になってはいけない
22個の便利APIがマイクロソフトから公開されたよ！ - はつねの日記
世界の見方が永久に変わりそうな｢Sixth Sense｣テクノロジー（動画）
【UPDATE】ザッカーバーグのハーバード卒業式スピーチが感動的だったので日本語訳した。
自動文字起こしもできる！Speechnotesがスゴイ！
Speech API - 音声認識 | Google Cloud Platform