どうもこんにちは、あんどう（@t_andou）です。 前回宣言した通りに誰でも簡単にYoutubeの字幕ファイルを作る方法を書きます。 「Youtubeの」と書いていますが、実際はどの動画でも対応してます。 前回の記事 blog.takuya-andou.com まずはGoogleColabの共有 colab.research.google.com 使い方 GoogleColabに記載していますが 1.GPUを使用するように切り替え 上の「ランタイム」→「ランタイムのタイプを変更」からからGPUを選択 2.右上の接続 下のセルを実行すると自動的に接続されるので省略可能です 3.動画をアップロード ここにドラッグ＆ドロップでアップできます 大容量のデータの場合、GoogleDriveと連携した方が効率的です 4.入出力のパスの変更 ファイル名に合わせて変更してください 5.全セルを実行 あと

概要DreamBoothとは追加学習することで、AI(StableDiffusion)で特定のキャラや物を描くためのモデル（データ）作るツールです。 例えば、ドラゴンクエスト10オンラインというゲームのアンルシアというキャラがいます。 ドラゴンクエスト10のアンルシア 公式サイトより引用 https://hiroba.dqx.jp/sc/election/queen2021/vote/confirm/1/nologinこのキャラの画像を18枚ほどAIに読み込ませ、追加学習し、AIに描かせた絵が以下の絵になります。 これ見ると、単なる髪型や顔が似ているレベルではなく、服の模様レベルまで再現できている事がわかります。 今までStableDiffusionの欠点として、同じキャラを安定して描くのが苦手というのがありましたが、DreamBoothを使うことで克服することが出来ます。 これにより、A

どうもこんにちは、あんどう（@t_andou）です。 今回はOpenAIの高精度な文字起こしAI「whisper」を試してみました。 ただ試すだけでは面白くないのでもう少し実用的なことを…と言うことで、Youtube用の字幕を作ってみました。 実行環境 使用した動画と結果 まずはモデルごとに精度確認 small 処理時間 結果 所感 medium 処理時間 結果 所感 large 処理時間 結果 所感 使用した動画と結果その２ 最後に 実行環境 GoogleColabでGPUはT4でした。 使用した動画と結果 以前、リアルな顔がしゃべるAIを作ったので、その動画を使います。 声もAIによるもののため、僕の耳には聞き取りやすいですが、whisperにとってはどうでしょうか。気になります。 （ちなみに、この動画内で話しているニュースの文章もAIによる生成物です。） www.youtube.co

動画編集者が「必ず知っておくべき」BGMサイトを厳選して16個まとめました😌 なかなか良いBGMが見つからない人は保存しておくと、いつでも見返せます。 https://t.co/v202HmjoW5

エイフェックス・ツイン（Aphex Twin）ことリチャード・D・ジェームス（Richard D. James）が、オリジナルのサンプル・マッシュアップ・ソフトウェア「samplebrain（サンプルブレイン）」を公開。大きな注目を集めています。 「samplebrain」 GitLabで公開された「samplebrain」は、あのリチャード・D・ジェームスがデザインしたサンプル・マッシュアップ・ソフトウェア。実際に開発を手がけているのは、デイヴ・グリフィス（Dave Griffiths） というプログラマーで、GitLabではソース・ファイルのほか、Mac（Intel／M1）／Windows用のバイナリも配布されています。気になるのがこのソフトウェアの信ぴょう性（本当にリチャード・D・ジェームスが関わっているのか？という点）ですが、あるユーザーがWarp Recordsに問い合わせたとこ

Metaの日本法人であるFacebook Japanは9月9日、ARエフェクト作成ツール「Spark AR Studio」の使い方を無料で学習できるオンラインプログラムを公開した。「メタバースの実現には人材育成が不可欠」だとして、コンテンツ産業が盛んな日本でXR人材の育成に力を入れる。 左からMeta アジア太平洋地域 公共政策総括のSimon Milner氏、Facebook Japan代表取締役の味澤将宏氏、学校法人 角川ドワンゴ学園 S高等学校 校長の吉村総一郎氏 「Spark AR」はMetaが提供するARエフェクトの総称で、Spark AR Studioを利用することで、誰でも独自のARエフェクトを作成できる。しかし、同ツールを使いこなすには一定以上のスキルが必要であるため、Metaでは同ツールの使い方を1から学べるオンラインプログラムを無料で提供する。 同プログラムは「Meta

快適に動作するアプリケーションを提供するために、パフォーマンス・チューニングについてもっと深く学びたい。そんなUnityエンジニアのみなさまにぜひ読んでいただきたい電子書籍が登場しました。 その名もずばり『Unity パフォーマンスチューニング バイブル』。 執筆を手がけたのはサイバーエージェントグループ各社の精鋭エンジニアの方々。元々はサイバーエージェントグループ内の共有資料として制作されたそうですが、その内容とボリュームは「社内向け」の範疇に収まらないほどの商業技術書レベルです。そしてこの度、本書が誰でも無料で読める電子書籍として、社外にも公開されることが決まりました。 一般公開に先駆けて本書を拝読したユニティ・テクノロジーズ・ジャパンのエンジニアからも、絶賛の声が相次いでいます。 本書はこれからパフォーマンス・チューニングを学ぶ人にとって、最適な一冊です。すでに実務経験のある人にとっ

ゲームエンジンUnreal Engine 5で、日本の街並みを描いたという映像が公開され、YouTubeを中心に注目を集めている。文化的な混在もされており、そこも味のひとつになっているようである。80 Levelが報じている。 さっそく映像を見てみよう。動画タイトルは「Japan – Unreal Engine 5 Cinematic Scene」。UE5でシネマティックに描いた日本、といったところだろうか。まずは道路から映し出されたのち、和風の建物や街並みが映し出される。建築デザインや道路の作り、電柱の立ち方などかなり日本的だ。郵便ポストや消火栓なども日本の街なかで見覚えのあるものばかり。都市というより、郊外であったり少し昔の日本という設定だろうか。いずれにせよ、日本の空気感を絶妙に再現している。注目したいのは、明らかにどこかの地域をモチーフにしていると思われる点。では実際にどの地域をモ

にじさんじVTuber黛灰をモチーフとした二次創作ゲーム「chromatic」が公開 7月28日（木）に活動終了したにじさんじVTuber黛灰さんをモチーフとした、二次創作ゲーム「chromatic」が「ゲームアツマール」にてリリースされました。 本作は「にじリーグ」「にじオネア」を手がけた個人ゲーム制作者のがめまるさんによる、黛灰さんから強いインスピレーションを受けて制作された、にじさんじの二次創作アドベンチャーゲームです。プレイは無料となっています。 本作はメールで送られてきた「コンバートシステムに関する調査」に挑むため、パソコン風の画面を操作して、さまざまな謎を解いていくゲームとなっています。ゲーム中には「みゅー」というキャラクターが現れ、調べると謎解きのヒントを得られることもあります。 ゲームの雰囲気を楽しむことを目的として作られており、デバイスの通知をOFFなどにすることを推奨。

これまでに誰でも簡単に「結月ゆかり」の声になれる音声変換技術や音声合成ソフト「VOICEVOX」を開発してきたヒホ氏の所属するドワンゴの機械学習技術研究部門Dwango Media VillageがAI音声合成ソフト「Seiren Voice」を発表しました。Seiren Voiceではマイクで録音した音声を自動で文字起こしして、イントネーションを再現したまま結月ゆかりや琴葉 茜・葵のボイスに変換可能とのことなので、実際に無料体験版をインストールして使い方や変換精度を確かめてみました。 高品質な音声変換ソフトウェア | Seiren Voice https://seiren-voice.dmv.nico/ ・目次 ◆1：Seiren Voice＆音声ライブラリのインストール手順 ◆2：Seiren Voiceで音声を変換する手順 ◆3：Seiren Voiceで編集部員の声を結月ゆかりにボ

ライセンスは「CC BY-NC-ND 4.0」で、利用の際にクレジットを表示すること、非営利でのみ利用すること、内容を改変しないことを求めている。 バンダイナムコは、メタバースやXR技術が広まる中、コンテンツ規模が拡大すると従来のモーション制作過程では限界を迎えると予想。AIを活用したキャラクターのモーションを生成する研究を行っている。 一方、AIによるモーション研究はデータセットの入手が難しいため研究開発が進んでいないとして、自社で使っているデータの一部を提供することにしたという。 関連記事 実在しない顔の画像3000点を無償配布、AI学習用データセットに　法人向け・商用利用可 AI活用のコンサルティング事業を手掛けるAPTOなど2社が、AIの学習データとして利用できる、実在しない男女の顔写真3000枚の無償配布を始めた。法人を対象に11月30日までの期間限定で提供し、商用利用も認める。

深層学習が登場してからの、直近１０年分のコンピュータビジョンを俯瞰するセッションです！分野の主要な流れを凝縮して「たったの」４０分で解説していきます。 #NVIDIA #GTC22 https://t.co/QCH1o73T9x https://t.co/iHj3nbpxyc

ビジュアルクリエイティブディレクターのMuRo氏が発表した「Shoost」はユニークなツールだ。「いい感じの雰囲気の絵を簡単に作りたい！ キャラクターをきれいに魅せたい！」という思いから生まれた本ツールは、3つのレイヤーを重ね合わせ、その上から撮影効果を付与することで、画面・映像を作るという今までにない立ち位置のツールと言える。しかしながら、独特なツールゆえに、どのようなものかイメージがわかない人も多いかもしれない。 本記事では、「Shoost」を実際に動かし、簡単な作品を作りながら、機能や優れている点を紹介していく。 人物画像＋背景画像 まず、公式にも紹介されている、人物画像と背景画像を組み合わせた使い方を試す。 「Layer 2」 に人物画像を配置 まずは、主役となる人物画像から配置する。「Layer 2」を「Import Item」に設定し、画像アイコンをクリック。今回は「いらすとや

AI歌声合成技術の開発を手掛けるテクノスピーチ（名古屋市）は2月18日、AI技術により人間らしい歌声を合成できるソフトウェア「CeVIO Pro」のα版を24日に無償公開すると発表した。既存バージョンの「CeVIO」「CeVIO AI」とは異なり、Windows・macOSの両方に対応。追加の許諾や利用料不要で商用利用も可能。 CeVIO Proは、楽譜と歌詞を入力すると、AIが人間らしい歌声をシミュレーションして出力する歌声合成ソフト。まずは無料で商用利用もできるキャラクター音源1種類と編集ソフトをα版としてリリース。当該音源は正式版のリリース後も無償提供する。 現在の最新版であるCeVIO AIは、Windows専用で音楽制作ソフト（DAW）との連携に未対応。販売方法も買い切り方式だが、CeVIO ProはmacOSにも対応し、DAWとの連携も可能。第2弾以降のキャラクター音源はサブス

日進月歩というより、秒進分歩で進化している感じのある音声合成、歌声合成の世界ですが、また新たな革命ともいえるAI音声合成ソフトが誕生しました。これまでDTMステーションでも何度も取り上げてきた歌声合成ソフト、Synthesizer Vを開発するDreamtonics株式会社と株式会社AHSと共同開発する形で、もはや人間の喋り声にしか聴こえない音声合成ソフト、VOICEPEAKを発表し、3月11日から発売を開始するのです。Synthesizer Vと同様、Windows、Mac、Linuxでも動くマルチプラットフォームソフトで価格はダウンロード版で23,800円(税込み)となっています。 このソフト「VOICEPEAK 商用可能 6ナレーターセット」という製品名になっていますが、実際には女性3人＋男性3人＋女の子1人＝7人の声を切り替えることが可能なAI音声合成ソフトで、テキストを入力すれば

販売日 シィ/2022年2月9日 ファイ/2023年1月15日 【シィ&ファイ】オリジナル3Dモデル ・VRChatでの使用が想定されています。 ・(シィ/ファイ[PC])VRMを同梱しております。 --------------------------------------------------------- 23_7/31 バージョンが更新されました。(PC)シィv2.1/ファイv1.1 fbxの互換性は維持されています。 ・ヒール用のボディシェイプキー[Foot_xxx]が3種追加されました。 ・liltoonが1.4.0に更新されました。 --------------------------------------------------------- ・内容物 :PSDを含むテクスチャデータ :Blender File :FBX :VRM :UnityPackageFile :