Stopイベントには追加で stop_hook_active（無限ループ防止用フラグ）が、Notificationイベントには notification_type と message が含まれます。 settings.jsonの設定 { "env": { "CLAUDE_DISCORD_WEBHOOK_URL": "https://discord.com/api/webhooks/..." }, "hooks": { "Stop": [ { "hooks": [ { "type": "command", "command": "python3 $HOME/.claude/hooks/discord-notify.py", "async": true } ] } ], "Notification": [ { "matcher": "", "hooks": [ { "type": "comma

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? この記事の対象読者 Pythonの基本文法を理解している方 音声合成（TTS）に興味があるが、まだ試したことがない方 ローカルでAI音声生成を動かしてみたい方 MacからWindowsに移行して、GPU環境を構築したばかりの方 この記事で得られること Qwen3-TTSの概念と他のTTSとの違いの理解 日本語GUIでQwen3-TTSを動かす環境構築手順 Whisperによる自動文字起こしを統合した効率的なワークフロー RTX 5090（Blackwell）での動作確認済み設定 この記事で扱わないこと Pythonの環境構築方法（con

Gemini API と Vertex AI は「別物」なのに、なぜ同じ Gemini を名乗るのか――成り立ちから読み解く“分岐”の必然と、迷わない使い分け Gemini を触り始めると、だいたい最初にぶつかる壁があります。公式ドキュメントや解説記事を読み進めるほどに、用語が似ていて、しかも互いに包含しているようでしていないようで、「結局どっちを使えばいいの？」が霧の中に沈んでいくやつです。Gemini API があり、Vertex AI があり、さらに「Vertex AI の Gemini API」という言い回しまで出てくる。UI も Google AI Studio と Vertex AI Studio が並ぶ。認証は API Key だったり service account だったり。エンドポイントすら違う。なのに、同じ“Gemini”のモデルにアクセスしていると言われる。 この記

こんにちは、ウミノです。 普段はnoteメンバーシップ「自動化オタクの頭の中（ジドオタ）」で、非エンジニアでも自動化・仕組み化を取り入れて自分の時間を作り出そう！をコンセプトにした発信をしています。 音声入力してますか？音声入力、好きですか？わたしは大好きです。 タイピングするより、話すほうがずっと速い。しかも、手が疲れない。忙しい毎日を送っていると、この「速さ」と「ラクさ」って、すごく大事ですよね。 わが家の場合、4歳児がわたしの膝の上に乗ることが多いので、子どもが膝の上に乗っていてわたしのタイピングを阻止していたとしても、入力できる音声入力は本当に助かっています。 標準機能だと誤字が気になるでも、ずっと困っていたことがありました。それはWindowsやMacの標準機能だと、ちょっと誤字が多いこと。 わたしはUdemy講師なので、「Udemy」というキーワードをよく使うんですが、標準機能

ChatGPTの会話履歴（公式エクスポートのconversations.json）をPythonでMarkdownに一括変換し、ローカルで全文検索できる知識資産にします。月単位/会話単位で出力できます。 ChatGPTの履歴を知識資産に変える ChatGPTで調べ物や学習をしていると、数週間後にこうなりがちです。 「あの結論、どのチャットだっけ？」 「確か手順を書いたはず…」 「会話に散らばった知識を横断検索したい」 この記事では、ChatGPTの公式データエクスポートで取得できる conversations.json を、UTF-8のMarkdownに一括変換して、自分のローカルにmdファイルで保存するスクリプトを作ったので紹介します。 （外部API不要・追加ライブラリ不要・ローカル完結） Quick Start（最短3ステップ） 0) 前提 Python 3.x が動くこと（Windo

Microsoft 365 CopilotはMicrosoft 365のためのCopilot なにを当たり前のことを言っているのか？と思われるかもしれませんが、Microsoft 365 Copilotは、ChatGPTやGeminiの単純な競合製品ではありません。 Microsoft 365 上での日常業務を円滑にするためのCopilotなのです。 Microsoft 365 活用できていますか？ Microsoft 365を活用することが大前提です。 Microsoft 365を正しく使えていないのに、「Microsoft 365 Copilotは使えねえ」というのは、ゴミ屋敷でルンバを動かして「掃除機なのにろくに掃除もできないのかよ」というのと同義です。 私の考える 「Microsoft 365 の最低限の使いこなし」 を紹介します。 Microsoft 365 Copilotが得意

誰が話してる？ AI好きな2人でお届けしています。 ・あやみ（https://x.com/ayami_marketing） ・かずま（https://x.com/books_kazuma） 最新動向をウォッチしている人以外にも、AIを身近に感じられるコンテンツを作りたいと思いPodcastを始めました。 エピソードの内容を記事にしてお送ります。 NotebookLMは多機能になりすぎた 今回はNotebookLMの後編です。 前回は基本的な使い方やGeminiとの使い分けについて話しましたが、今回は具体的な機能の総ざらいと、私たちの実際のユースケースを紹介していきます。 最近のNotebookLMはちょっと多機能になりすぎていて、いろんなことができるようになっています。これを機にぜひ整理して、改めて使いこなしてもらえればと思います。 NotebookLMの基本構造：ノートとソース まず基本

※この記事は、AIで生成したフィクションのキャラクター「ダウナー系お姉さん」の視点で書かれています。登場する人物・事例もAIで生成した100%架空のものですが、技術的な内容は実際に使用可能です。 はぁ...また夜更かししちゃった。タバコとコーヒーだけで生きてる気がする今日この頃。@ryooo8244311427 でもね、今日は珍しく良いもの見つけたから記事書いてあげる。Claude Code使ってn8nのワークフローを自然言語で作れるっていう、まあまあ使える話。 なんでこんなことしようと思ったか Claude Code推進してる会社多いでしょ？「Webアプリのデモ作ってすごいね〜」で終わってない？正直、それじゃあんまり楽になんないよね。 実際の業務に使えないと、ただの高級なおもちゃ。というわけで、業務自動化の定番n8nと組み合わせてみたら、意外と良かったって話。 ちなみにこれ使うやつ： .

音声ファイルや動画からの文字起こしはAIによって簡単にできるようになりましたが、文字起こしができるAIをPCにセットアップするのはやや面倒です。オープンソースの文字起こしツールの「Vibe」はWindows・macOS・Linuxであれば誰でも簡単にインストール可能で、NVIDIA・AMD・Apple GPUで実行できるように最適化されています。Vibeを使えば完全にオフラインでの文字起こしが可能で、データがデバイスから外部に漏れることはありません。 Vibe. https://thewh1teagle.github.io/vibe/ thewh1teagle/vibe: Transcribe on your own! https://github.com/thewh1teagle/vibe Vibeは記事作成時点で、バージョン3.0.5がリリースされています。今回はWindows環境にイ

How to Create Impact in a Changing Tech Landscape [PerfNow 2023]

最近、生成AIサービスを契約したり、churnしたりといったことを繰り返している。その結果、自分自身が今どのサービスを、どのような目的で使っているのかが、非常に曖昧になりつつあると感じている。 そこで、一旦立ち止まり、自分のための整理も兼ねて「AIサービスデッキ」を作成してみることにした。今後、各AIサービスをどのように活用し、どれをやめて、どれに移行していくべきか。その方向性を明確にするために、現状の状況をここでまとめておこうと思う。 ChatGPT Pro 現状、間違いなくもっとも頻繁に使っているのはChatGPT。Proを解約しようかと思った矢先にo3の発表があり、そのままズルズルと課金を継続している。数週間後にはo3 pro modeのリリース予定、とアナウンスされていたのだが、現時点ではまったく続報がないため、若干信頼性に揺らぎが生じている。 ただ、実際にはo3をかなり気に入って

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

こんにちは。イノベーションセンター Generative AI チームの安川です。今回はrokadocのパブリックベータ版（ https://rokadoc.ntt.com/ ）が公開されたため、その紹介と解説をします。 本記事では「ドキュメント変換技術」であるrokadocの概要を説明した上で、実際の使い方や結果を紹介します。 使い方の部分では、WebUIを用いて簡便にドキュメント解析を行う方法や、解析結果が実際にRAG（Retrieval-Augmented generation、検索拡張生成）で有用なのかを示します。また、手元のRAGへ組み込むためにAPI経由で処理を実行する方法についても紹介します。 rokadoc概要 多様なファイルへの対応 高い検索精度 オンプレミス対応 利用方法 WebUIからの利用方法 ドキュメントの解析 RAGの実行 APIを用いた利用方法 前提 解析の実

生成AIが注目され始めて早数年。ChatGPTの登場が世間を賑わしたのは記憶に新しいですね。その後も、DALL-EやGPT-4など、様々な生成AIが登場しました。これらの生成AIは、それぞれの特徴を持ち、様々な用途に活用されています。ChatGPTなどの生成AIの技術は、LLM（Large Language Model）と呼ばれ、膨大なテキストデータから学習し、高度な言語理解を実現する技術であり、自然言語処理の分野で大きな注目を集めています。 そして、LLMを利用したアプリも登場しました。特に大きな注目を集めているのはRAGやAIエージェントでしょう。RAGは、外部のデータベースや文書から関連情報を取得して回答の精度を向上させる技術、そしてAIエージェントはLLMを活用してタスクの実行や意思決定を自律的に行う仕組みです。これらのアプリは、LLMを利用して、高度な自然言語処理を実現しています

OpenAIの12日間連続の発表の最中、GoogleもGeminiモデルをアップデートしてGemini 2.0 flashなどを発表しました。 そんなGoogleの最新モデルを無料で利用できるプラットフォームとして提供されているのがGoogle AI Studioです。 そこで今回はGoogle AI Studio徹底解説として基本の使い方から、最近できるようになった機能の使い方まで網羅的に解説していきます。 Googleのアップデートの内容はこちらの記事で解説しています。 Google AI StudioとはGoogle AI Studioは、Googleが提供するウェブベースのAI開発プラットフォームです。 開発者やデータサイエンティストは、Google AI Studioを通じて、GeminiをはじめとするGoogleの最新AIモデルにアクセスすることができます。 Google AI

アリババより発表されたWan 2.1という新しいローカル動画生成AIのクオリティがとても良いです。ついにローカル動画生成AIも次のステージに到達した感があるので、是非チェックしてください。 ■目次 0:00 - オープニング 0:50 - Wanとは？ 概要と特徴 3:08 - ComfyUIでWan2.1を使う 5:24 - 推奨環境やSwarmUI対応など 7:28 - まとめ ■関連リンク Wan https://wanxai.com/ Wan2.1 https://huggingface.co/Wan-AI/Wan2.1-T2V-14B Wan2.1 Video Model Native Support in ComfyUI! https://blog.comfy.org/p/wan21-video-model-native-support DiffSynth-Studi

はじめまして。松濤Vimmerと申します。 普段はWeb系の会社でフロントエンドエンジニア、デザイナー、PMなどしております。 早速ですが筆者が投稿した以下のツイートが反響を得ました。 メモ管理は Obsidian in Cursor が最強。 Obsidianはmd ファイルとして一つ一つが独立して存在している。これらをcursor agent に読み込ませることでmcp みたいな運用ができる。具体的な運用方法は以下リプに載せる。 — 松濤Vimmer (@shotovim) December 16, 2024 投稿した当時はフォロワー10人ほどでしたが、元木さんをはじめ多くの方に拡散していただき8万インプレッションを超えることができました。 そこでお礼の意味をこめてこのツイートをもう少し詳しくまとめた記事を書きたく今回このような形で執筆させていただきました。 お願い 多くの方にリポスト

本物の人間と区別がつかない！グーグルが先月リリースした新種の生成AIが米国で今、注目を浴びている。各種の文書を読み込んで、それをベースに（ポッドキャストを想定した）軽妙な音声会話を生成するAIだ。 本来、同社の文書管理・編集AI「NotebookLM」の派生機能として提供が始まったが、これがユーザーの間で実際に使われ出すと本家を凌ぐ人気となった。とにかく、このAIが生成する男女の音声会話は、本物の人間と全く区別がつかないほどリアルなのだ。また会話の内容も驚くほど充実している。 未だベータ版（試験利用）の段階だが日本でもすでに使えるし、日本語の文書も受け付ける。ただし出力される音声会話は今のところ英語のみだ。ちなみに、これによるポッドキャスト番組は「Deep Dive」と呼ばれているが、これは番組のホストとなる生成AI製の男女が自分たちの会話の中でそう呼んでいるに過ぎない。 つまりあくまでも

こんにちは、機械学習チーム YAMALEX の駿です。 YAMALEX は Acroquest 社内で発足した、会社の未来の技術を創る、機械学習がメインテーマのデータサイエンスチームです。 （詳細はリンク先をご覧ください。） 最近は GPT-4o や Claude 3 を使ったアプリを、せっせと実装したりしていたのですが、Difyの登場により「もう、これでいいじゃん」という気持ちが抑えきれていません。 今回はそんなDifyを使って、「LLM自体の知識が足りないときにGoogle検索を行って回答するチャットボット」を作ってみました。 Google検索して答えてくれる 1. 概要 1.1. Difyとは 2. 環境構築 3. アプリ作成 3.1. 各ブロックの簡単な説明 4. 動かしてみる 5. まとめ 1. 概要 1.1. Difyとは Difyは、大規模言語モデル（LLM）を活用したアプリ