論文解説：VoiceStar
この記事はLLM・LLM活用 Advent Calendar 2025の22日目の記事です。 はじめに 先日、個人開発で作成したLLMベースのTTSモデルであるT5Gemma-TTSというモデル・関連コードなどを公開しました。 モデルカードなどでも触れていますが、このモデルのアーキテクチャなどはVoiceStarというTTSモデルの論文・実装に基づいています。 VoiceStarの論文はこちらです。 また、実装も以下のリポジトリで公開されています。 本記事では、このVoiceStarの論文解説を行います。 Neural Codec Language Modelについて 論文解説に進む前の前提知識として、現在開発が盛んなTTSモデルであるNeural Codec Language Modelの基礎についてここで解説します。VoiceStarもこれに分類されるモデルです。 このNeural C
自作MCPサーバーのトークン消費を9割削減するTips ── MCPの退避パターン
みなさまこんにちは！エアークローゼットでCTOをしている辻です。 これまで 社内MCP群の全体像、DB Graph MCP、Biz Graph、Sandbox MCP と、社内向けに作っているMCPサーバーを順に紹介してきました。 今回はその運用の中で見えてきた、自作MCPサーバーのトークン消費を減らすTips の話を書きます。 困りごと：MCPは意外とトークンを食う MCPでAIエージェントを拡張するとき、最初に遭遇するのが トークン消費が想定より多い という現実です。 MCPのツール呼び出しは、結局のところ JSON-RPC over HTTP です。AIが送る引数も、ツールが返す結果も、そのままAIの会話コンテキストに乗ります。素直に実装すると、 ファイル丸ごとを引数で送る → 数千行のソースコードがコンテキストに張り付く DBクエリ結果を全件返す → 数千行 × 数十カラムの表がコ
Two Heads Are Better Than One: Async Knowledge Injection for Speech AI with Tandem Architecture
This page requires Javascript. Please enable it to view the website. Two Heads Are Better Than One: Async Knowledge Injection for Speech AI with Tandem Architecture We're excited to introduce KAME: Tandem Architecture for Enhancing Knowledge in Real-Time Speech-to-Speech Conversational AI. KAME means turtle in Japanese. Paper (arxiv): https://arxiv.org/abs/2510.02327 (Accepted at ICASSP 2026) Infe
GitHub - NousResearch/hermes-agent: The agent that grows with you
The self-improving AI agent built by Nous Research. It's the only agent with a built-in learning loop — it creates skills from experience, improves them during use, nudges itself to persist knowledge, searches its own past conversations, and builds a deepening model of who you are across sessions. Run it on a $5 VPS, a GPU cluster, or serverless infrastructure that costs nearly nothing when idle.
Playwright CLI v0.1.8 で普段使いの Chrome にそのまま attach できるようになりました | DevelopersIO
どうも！オペ部の西村祐二です！ Playwright CLI v0.1.8 が 2026-04-14 にリリースされました。今回、 playwright-cli attach --cdp=chrome で普段使っているローカルの Chrome / Edge にそのまま接続できるようになった点です。これまでのようにサンドボックス化された別ブラウザを起動する必要がなく、既存のログイン状態や拡張機能を持った Chrome をそのままエージェントや CLI から操作できます。 何がリリースされたか 概要: attach --cdp=<channel> でローカル起動済みの Chrome / Edge へ接続する Remote debugging mode が追加されました。あわせて CLI 終了後に残る Chrome プロセスの解消と、MCP server registry のクリーンアップ修正も
クックパッドが誰向けなのかがわかりません。 無料では殿堂入りや人気順などの検索ができず、レシピを選ぶ側の目が問われますので、料理初心者には敷居が高いと思っています。星機能のない食べログで飲食店を探すようなものです。 逆に有料会員になるほど料理に興味があるのであれば、きょうの料理や白ごはんなど、無料で見られる信頼性の高いレシピが他にいくらでもあることを知っているはずだと思うのです。 潜入したイナダさんに、クックパッドとは何なのか語っていただきたいです。 | mond
クックパッドが誰向けなのかがわかりません。 無料では殿堂入りや人気順などの検索ができず、レシピを選ぶ側の目が問われますので、料理初心者には敷居が高いと思っています。星機能のない食べログで飲食店を探すようなものです。 逆に有料会員になるほど料理に興味があるのであれば、きょうの料理や白ごはんなど、無料で見られる信頼性の高いレシピが他にいくらでもあることを知っているはずだと思うのです。 潜入したイナダさんに、クックパッドとは何なのか語っていただきたいです。 実態の見えにくい「家庭料理のリアル」を少しでも知りたいとククパ有料登録をして以来、検索窓に毎日さまざまなワードを放り込んで読み耽った結果、僕はもはや「クックパッド論」だけで少なくとも2万字以上は書けそうな状態になっています。 そしてこの質問は、まさにその論の核心部分です。論のプロット作りも兼ねて、要点を順に説明していきます。 クックパッドが誰
Perry — TypeScript → Native
v0.5.306 — generational GC + lazy JSON tape default, faster than Node and Bun on most benchmarks One Codebase. Every Platform. Native Performance.Perry compiles TypeScript to native GUI and CLI apps on macOS, iPadOS, iOS, Android, Linux, Windows, watchOS, tvOS, WebAssembly, and the Web. No runtime. No Electron. Just native binaries.
設計書・コード・テストを全部AIに書かせて半年間開発してみたよ
設計書・コード・テストを全部AIに書かせて半年間開発してみたよ 1. はじめに 本記事は、私のチームが半年間AIネイティブ開発を行った経験とその感想をまとめたものです。 AIネイティブ開発とは、AI技術を活用してソフトウェア開発を行うことを指します。2025/10～2026/3の期間中、私たちはお客様に納品するシステムをAIネイティブで開発しました。その経験と私なりに感じたことをまとめてみました。 ※ なお、私の取組は全社的な取組とは関係ありません。 ※ あくまで、私のチームが独自に行っている取組ですので、その点はご留意ください。 2. 自己紹介 初めてテックブログに記事を書くので、簡単な自己紹介を。 名前：茂呂範（もろすすむ） 所属：株式会社NTTデータ 第三公共事業本部 デジタルソサエティ事業部 プロジェクト推進担当（参照） 立場：様々なシステムの基盤構築、基盤維持運用を担当している組
「女王」しか存在しないアリ、世界初報告 日本生息の希少種 | 毎日新聞
羽化したてのキノムラヤドリムネボソアリ（中央の羽が生えたアリ）、周りはすべてハヤシムネボソアリの働きアリ＝木野村恭一さん撮影、森林総合研究所提供 国内に生息する希少なアリが、女王アリしか存在しない種だと分かったと、森林総合研究所などの研究チームが発表した。働きアリやオスアリがおらず、女王だけのアリが報告されるのは世界初だという。 このアリは「キノムラヤドリムネボソアリ」。黄色がかったオレンジ色で、体長約3ミリ。アリ研究者として知られる元高校教諭の木野村恭一さんが、岐阜県内の里山で約40年前に発見した。現在まで約30例しか見つかっていない。
タブレットPCの修理めぐり1200万円の損失 担当者らが損失を補填 東京・豊島区
1 東京・豊島区は、区立の学校に配布しているタブレットPCの修理を不適切に処理したことで、およそ1200万円の損害が出たと発表しました。当時の担当者らで全額を補填したということです。 豊島区では区立の小中学校のすべての児童や生徒に対して学習用のタブレットを配布しています。 区は24日、2024年4月ごろからのおよそ半年間、当時の区の教育委員会の教育部係長（54）がおよそ560台のタブレットPCのメンテナンスについて、本来委託すべき業者ではなく別の業者に修理を発注したため、区におよそ1200万円の損害を与えていたと発表しました。 この係長は早急に修理を完了させるため上司に無断で別の業者に修理を発注していて、このため本来は必要のない支払いが発生したということです。 区は係長を戒告の懲戒処分とし、当時の上司であった都市整備部の副参事（61）と教育委員会の副参事（59）を口頭厳重注意としました。
AIに「道徳を学ぶ上で最も適している話を教えて」といったら
こんな話をしてきたんだけど… あるところに裕福でなく、貧しくもない男が居りました。 ある夜、男の枕元に神様が現れ、こういいました。 「おまえが望むのであれば、この世の全てを教えよう」 男は人並みに欲望があったので望みました。 そして、男はこの世の全てを知りました。 男は驚き、感嘆し、涙さえ流しました。 翌日、男はこれまで通り会社へ向かい働きました。 男は昨夜のことが夢ではないことを知っています。 男は今や、全てのことを知っていたのですから。 それでも男は仕事をやめることはなく、それからもそれまでと同じように働きました。 …これ、どういうこと？
外国人旅行者が集まるパウダー天国・白馬、地元からは「手に負えない」の声
日本アルプスにある白馬バレーは、10カ所のスキー場で構成されている/Charly Triballeau/AFP/Getty Images 白馬（CNN） 居酒屋「おひょっくり」の前には、午後5時から列ができ始める。あまりの人気に、席を確保しようと開店30分前から店外で待つ人が出るほどだ。 村の反対側にあるアプレ・バーではスキー客がビールやカクテルのグラスを傾け、大音量の音楽に合わせて踊る。スキーブーツをはいたまま、木の床で足をすべらせないように気をつけながら。 長野市郊外、日本アルプスの白馬バレーで、スキーシーズンによく見かける夜の街の光景だ。ここにある10カ所のスキー場は安定した積雪、高い山々と楽しい雰囲気で知られ、世界的なスキーの名所になっている。 だが地元住民は必ずしも外国人旅行者を歓迎しているわけでなく、酔って騒ぐ旅行者に苦情が寄せられてきた。 これを受けて、白馬村の丸山俊郎村長は
仕様駆動開発(SDD)って、本当に不要なの？
仕様駆動開発なんて要らない、やめておけ。 仕様駆動開発不要論が界隈を飛び交っています。 しもしさんの「仕様駆動開発はやめた方がええ」という記事を読んで、共感しました。めちゃくちゃわかる。でも、うーん、ちょっと待てよ、と。 人の意見を鵜呑みにせずに、いったん自分の中で本当に不要なのか考えてみたいと思いました。 仕様駆動開発不要論について しもしさんの主張を整理すると、 実装に関するドキュメントは不要で、仕様はすべてコードにある。 ドキュメントとコードの両方をメンテナンスするコストが大きすぎる。 AIエージェント時代にはドキュメントの更新が確率的で、トークンの無駄も大きい。 コードは最新なのにドキュメントは半年前の設計のままってことありません？ 新しく入ったメンバーがドキュメントを信じてコードを読むと、現実のコードとの乖離に混乱する。これって、ドキュメントがないよりタチが悪いんですよねぇ。 さ
“ほぼ人間”のAI音声を複数話者で一括生成。日本語対応オープンソースTTS「Fish Audio S2」、単語レベルの感情制御も可（生成AIクローズアップ） | テクノエッジ TechnoEdge
1週間の気になる生成AI技術・研究をいくつかピックアップして解説する連載「生成AIウィークリー」から、特に興味深いAI技術や研究にスポットライトを当てる生成AIクローズアップ。 今回は、人間の声と区別がつきにくいレベルに迫るリアルな音声を生成できるオープンソソースのText-to-Speech（TTS）「Fish Audio S2 Technical Report」を取り上げます。 Fish Audio S2は、複数話者による複数ターンの対話生成をネイティブにサポートしている点と、自然言語の指示による単語ごとの細かい感情コントロール指定が可能な点が特長です。 ▲Fish Audio S2の4つの主要機能（自然言語タグによる詳細な感情制御、複数話者・複数ターンの対話生成、高速生成、一貫した声質を保つ長尺音声生成） これまでの多くのAI音声ツールでは、声全体のトーンを「落ち着かせる」「元気にす
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
Incompressible Knowledge Probes: Estimating Black-Box LLM Parameter Counts via Factual Capacity | alphaXiv
Scribe v2 リアルタイム音声認識 - 150ms低遅延API
GitHub - h4ckf0r0day/obscura: The headless browser for AI agents and web scraping
Claude 4.5 Opus匹敵「Qwen3.6-27B」無償公開、前世代397Bを圧倒
「こんなばあに何を聞きたいんや？」地域に長年住まう老女（91）を訪ねなければ判明しなかった…滋賀県に現存する“謎の遺構”の“まさかの正体” | 文春オンライン
OpenAI、Astralを買収 Python開発支援ツール「Ruff」「uv」を「Codex」へ統合（ITmedia NEWS） - Yahoo!ニュース
