GitHub - QwenLM/Qwen3-TTS: Qwen3-TTS is an open-source series of TTS models developed by the Qwen team at Alibaba Cloud, supporting stable, expressive, and streaming speech generation, free-form voice design, and vivid voice cloning.
Qwen3-TTS covers 10 major languages (Chinese, English, Japanese, Korean, German, French, Russian, Portuguese, Spanish, and Italian) as well as multiple dialectal voice profiles to meet global application needs. In addition, the models feature strong contextual understanding, enabling adaptive control of tone, speaking rate, and emotional expression based on instructions and text semantics, and the
200万行のテーブルにDDLを打つ前に知りたかったこと
クエリが遅くなった。直そう。ここから問題が始まる プロジェクト管理SaaSを1年ほど運用すると、Issueテーブルが200万行、変更ログテーブルが2000万行を超えてくる。ソフトデリートを採用していれば物理削除されないので、行数は増える一方だ。 最初の兆候はユーザーからの報告だった。「Issue一覧の読み込みが遅くて、フィルターを切り替えるたびに5秒くらい待たされるんですが」。スロークエリログを見ると、フィルター付きのIssue一覧クエリがp95で3秒を超えている。インデックスを追加すれば改善する。スキーマ変更も1つ控えていた。どちらもやること自体は明確だった。 問題は「200万行のテーブルにDDLを打つ」という行為そのものにあった。膨れ上がったテーブルに対するスキーマ変更は、パフォーマンスを改善するための作業が、新たな障害を引き起こす可能性を持っている。治療のための手術が患者を殺しかねな
Ruri: 日本語に特化した汎用テキスト埋め込みモデル
本記事は情報検索・検索技術 Advent Calendar 2024の6日目の記事です。 【2025年4月15日追記】 最大系列長8192に対応し、性能が大幅に向上したv3モデルを公開しました！ 特に検索タスクにおける性能が向上しています。 https://huggingface.co/cl-nagoya/ruri-v3-310m https://huggingface.co/cl-nagoya/ruri-v3-130m https://huggingface.co/cl-nagoya/ruri-v3-70m https://huggingface.co/cl-nagoya/ruri-v3-30m 【2025年3月20日追記】 v2モデルを公開しました！ https://huggingface.co/cl-nagoya/ruri-large-v2 https://huggingface.c
退去の立ち会いで管理会社に「クリーニング代5万＋壁紙張替え8万＋鍵交換2万で合計15万円です」と言われた友人が「払いません」と答えたら「は？契約書に書いてありますよ？」と怒られたので、『国交省のガイドライン知ってますか？』と言った話
もぎ @mogi_invest 退去の立ち会いで管理会社に「クリーニング代5万＋壁紙張替え8万＋鍵交換2万で合計15万円です」と言われた友人が「払いません」と答えたら「は？契約書に書いてありますよ？」と怒られたので、『国交省のガイドライン知ってますか？』と言った途端に起きたことを見て↓↓↓ 2026-04-12 06:10:01 もぎ @mogi_invest 管理会社「15万円です。サインお願いします」 友人「すみません、内訳を1つずつ確認させてください」 管理会社「はぁ…（面倒くさそうに）」 友人「まず壁紙の張替え8万円。何年住んだかご存知ですよね？」 管理会社「…7年ですね」 友人「壁紙の耐用年数は6年。国交省のガイドラインでは、6年で残存価値は1円です。つまり"張り替える理由があっても"入居者の負担は1円ということですよね？」 管理会社「…………」 2026-04-12 06:10
フェルマーの小定理を使ったRSA暗号の数学的な説明 - 小野研究室
本記事の内容 本記事はRSA暗号をフェルマーの小定理を使って数学的に解説しようという記事です。 本記事を読むに当たり、フェルマーの小定理について知っている必要があるため、以下の記事も合わせてご覧ください。 ざっくりRSA暗号 数学的な話まず置いておいて、RSA暗号の外観をざっくりと述べます。 暗号？ “暗号”というと「秘密の文章を分かる人にだけ伝える」というようなニュアンスがあると思います。 数学における暗号もおおよそ同じような意味です。 暗号の起源は意外と古く、その歴史は古代ローマ時代にまで遡ります。 もちろん当時は国家機密を扱ったりと、ごく一部の人たちに対するだけのものでした。 情報社会の現在、暗号は我々の日常には欠かせないものとなっています。 少々ネタバラシすると、例えばTwitterやLINEやらのSNSを使うとき、自身のアカウントにログインしますが、平たくいえば、その時点でも実は
PHOTON: Hierarchical Autoregressive Modeling for Lightspeed and Memory-Efficient Language Generation
Transformers operate as horizontal token-by-token scanners; at each generation step, attending to an ever-growing sequence of token-level states. This access pattern increases prefill latency and makes long-context decoding more memory-bound, as KV-cache reads and writes dominate inference time over arithmetic operations. We propose Parallel Hierarchical Operation for TOp-down Networks (PHOTON), a
Claude Code の Plugin Marketplace でスキルをオプトイン配布にする - newmo 技術ブログ
Claude Code のスキルが数十個に増えてきたのですが、全員に一律で適用されるのがつらくなってきたので、Plugin Marketplace を使ってオプトイン配布に移行しました。 スキルが増えると何が起きるか Claude Code のスキルは .claude/skills/ に配置すると、リポジトリを開いた全員に適用されます。数個なら問題ないのですが、数十個に増えてくるとスキルの description マッチングで意図しないスキルまで発火するようになってきました。QA 向けのスキルがバックエンドエンジニアの作業中に反応したり、フロントエンド向けのスキルがインフラの作業で発火したりといった具合です。 使わないスキルの description がコンテキストウィンドウに載り続けてトークンを消費するのも気になっていました。改めてスキルの棚卸しをしたところ、全員に必須と言えるものは半分
日本人を安売りしてる奴らへ | blog
最初に言っておく # この記事には嫉妬が含まれている。それは認める。 でも嫉妬があるからといって、ここで書くことが間違っているわけじゃない。 友人のKeiさんが「人生にコントロールを、やはり日本のエンジニアは海外に行くべき」という記事を書いている。その記事では自分（ryoppippi）のことを「スタープレイヤーが海外就職を果たした例」として紹介してくれている。ありがたい。 Keiさんの言っていることは正しい。給料の話をするなら海外、特にSFベースの給与は日本と比較にならない。俺もその恩恵を受けている一人だ。海外に行くことでキャリアの選択肢が広がるのも本当だ。 ただ、この記事で言いたいのはそこじゃない。 自分はryoppippi。ccusageというCLIツール
LLM に足りないのは能力ではない。あなたの事情だ - じゃあ、おうちで学べる
はじめに エディタを開いたまま、手が止まっていた。 LLM（大規模言語モデル）が書いた Rust のコードを眺めている。WAL（Write-Ahead Log、データを安全に書き込むための仕組み）のセグメント管理。所有権（データの持ち主を明示する Rust 独自のルール）は正しい。ライフタイム（データが有効な期間の指定）も整合している。Clippy（Rust の静的解析ツール）の警告はゼロ。美しいコードだった。ただ、セグメントサイズが 128MB になっている。このプロジェクトでは 64MB だ。NVMe SSD（高速ストレージ）の消去ブロックサイズとリカバリ SLA（障害復旧の目標時間）の制約から決めた値だ——3ヶ月前の障害振り返りで。その判断はどこにも書いていなかった。コードにコメントもない。Slack のスレッドに埋もれていた。 LLM には何の落ち度もない。道具は完璧に動いた。道具
ソフトウェアテストの古典から現在まで
はじめに このたび、ソフトウェアテストとは、そもそもいったいなんなのかということを考え直す機会があったので、その時に読み直した書籍や資料についての備忘録を記録します。 ISTQBとJSTQB ISTQB は International Software Testing Qualifications Board の略で、ソフトウェアテスト分野の国際的な資格制度を運営する組織です。 現在のソフトウェアテストについて、どのような概念であるかについてを調べるには、ISTQBが提供している用語集や試験のシラパスを確認することで概要をつかめます。 ISTQBの用語集 Certified Tester Foundation Level (CTFL) v4.0の情報 ISTQBはさらに高度な試験や専門に特化した試験もあるので、必要に応じて参照してください。 また、JSTQB（Japan Software
Harness design for long-running application development
Published Mar 24, 2026 Harness design is key to performance at the frontier of agentic coding. Here's how we pushed Claude further in frontend design and long-running autonomous software engineering. Written by Prithvi Rajasekaran, a member of our Labs team. Over the past several months I’ve been working on two interconnected problems: getting Claude to produce high-quality frontend designs, and g
Webアプリケーションにおけるキャッシュ戦略
発表資料 自己紹介 本名：金子達哉 株式会社PR TIMES PR TIMES事業ユニット 第一開発部長CTO 達人が教えるWebパフォーマンスチューニング〜ISUCONから学ぶ高速化の実践（技術評論社）（通称：ISUCON本）の著者の1人 6章「リバースプロキシの利用」・7章「キャッシュの活用」・8章「押さえておきたい高速化手法」を担当 catatsuyのIDで各種SNSにいます ISUCON練習用のprivate-isuや、GoのCLIツールとしてsed/grep代替のpurl、Slackにいい感じに投稿するnotify_slack、大量のファイルのリストを出せるlls、ChatGPTやGemini APIを手軽にCLIで利用できるbentoなどのOSSを趣味で開発・メンテナンスしています この資料について この発表資料は、私が著者として執筆したISUCON本の「キャッシュ」に関する内
DGX Sparkと「nanochat」でゼロから丸一日学習させてLLMを自作してみた
nanochatとは OpenAI共同設立者、元テスラディレクターであり。バイブコーディング・コンテキストエンジニアリングといった言葉を生み出したAndrej Karpathy氏が公開したソフトウェアです。 なんと、ChatGPTのような対話可能なLLMを、規模こそ違えど約100ドルのコストでゼロから4時間で学習させることができるソフトということで話題になりました。 100ドルくらいのコストで、人とある程度対話可能なLLMを開発できるというのは、本当に凄いことで破格なのですが、やはり一回の学習に100ドルかかるのは、個人の趣味だったり、学習用に考えると難しいものがあります。 そこで登場するのがNVIDIA DGX Sparkです。1petaFLOPのAIパフォーマンスと128GBのメモリがあればnanochatを実用的な速度で学習できるかもしれないということで、DGX SparkによるLL
NVIDIA NeMoを利用したGPT-OSSの学習
はじめに Turing CTO室に所属している東京科学大学(Institute of Science Tokyo)の藤井です。 本記事では、OpenAIから2025年8月にリリースされたgpt-ossをNVIDIA NeMoフレームワークにて学習するための方法について解説します。 2025年11月4日時点では、NVIDIA公式からは、LoRA finetunigを行う方法についてのみ解説されており、Long Context継続事前学習(Continual Pre-Training)など本格的な学習を行うにはハードルが多数あります。 本記事では、学習を行うために解決する必要があるすべての問題に関して、詳細な解決方法を記しました。gpt-ossを利用したモデル学習にお役立てください。 gpt-oss About gpt-ossとは、OpenAIよりリリースされたLLMであり、gpt-oss-2
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
GitHub - Aratako/Irodori-TTS: A Flow Matching-based Text-to-Speech Model with Emoji-driven Style Control
https://x.com/hotateyasan/status/2046862852498342304
丸の内接骨院グループ【銀座リリース整体院】ランニング障害・ばねリセット・ランナーズケア
https://x.com/oreo_415_/status/2042984415211683883
https://x.com/azplanetaz/status/2039243054914355297
LayerX羅針盤_ver4.0
