こんにちは、ニケです。 皆さん、AITuber 開発していますでしょうか？ AITuber、最近よく聞く言葉ですね。 面白そうだけどどこから始めればよいか分からない、という方も多いと思います。 というわけで今回は、AITuberという分野に興味を持っている方のために、できるだけ簡単にAITuberの作り方について解説していこうと思います。 具体的に「Youtubeのライブチャットに反応してキャラクターが応答を返すAITuber」を作成します。 下記が完成版のサンプルです。 なお、非エンジニアの方でも理解できるように、今回は仕組みの説明に注力し、コードの中身は解説しません。 動作コードはほぼ1つのファイルに収まっているため、コードに興味がある方は、ChatGPTにそのままコピペして解説してもらうと良いでしょう。コードは後ほど共有します。 ちなみに簡単に自己紹介すると、私は普段 AITuber

なぜオジサンは一人でブツブツと喋るのか。 それは、音声入力こそが最強のプロンプトを生み出すからである。 両手をキーボードから解放する時が来た。 忙しい人向けの説明 さっそくChatGPTを開き、iOSのマイクから音声入力を起動したら、 これを使って入力 「本しゃぶりというブログにChatGPTの使い方について、面白そうな記事があったのでメモ。なんか音声入力を使うといいらしい。これまで話した内容について整理し、マークダウンで出力して」 と喋っておこう。誤字脱字などの修正をせずに投稿すればいい。 以上。 音声入力と生成AIの組み合わせが強い 生成AIをうまく使いたいならば、詳細なコンテキストを与えるのが良い。しかし、ここに大きな問題があった。 人間というものは楽をしたがる生き物である。特にAIに助けを求めるような人は、なおさらだ。文章を入力することに面倒くささを感じ、つい最小限の指示で済ませて

いま、大規模言語モデル（LLM）にはChatGPTの他にGemini、Claudeなど多数の競合がある。それらはコーディング性能や数学能力、推論力などで一長一短であるが、今回はそれを「オタクの会話」の生成で比較してみる。 ◯プロンプト：エヴァについて盛り上がるオタクの気持ち悪い会話を書いてみて ■ChatGPT 4o場所：都内の某カフェ 登場人物： A（アスカ推し）：90年代オタク気質。やたらと「庵野の意図」を考察しがち。 B（レイ推し）：冷静なようでいて、こじらせがち。オタク特有の早口。 C（マリ推し）：新劇場版世代。旧作にも理解を示すが、新しいものを肯定したい。 D（ミサト推し）：おっさん気質。酒飲みながら語るタイプ。 会話開始A「いや、エヴァってさぁ、結局“親との和解”の話なんだよ」 B「でもそれって旧劇の時点では達成されてなくない？ だって最後、あの“気持ち悪い”で終わるわけじゃん

こんにちは、Martinです。以前からOpenAIのo1などのモデルが推論中に一見関係のなさそうな寄り道をすることが確認されています。例えば、温泉に入ったり、漫画を読んだりです。自分はこうしたAIのおもしろい行動を見るがわりと好きなので、見つけたらXのブックマークなどに保存して収集しています。 今のところ、この「寄り道」はOpenAI o1, Deep researchなどの推論モデルでみられます。 傾向としては、o1などのネットアクセスを使わない推論モデルが、人間と同じように気分転換のために急に温泉に行くなどの寄り道をしているケースと、Deep researchのようにブラウジング中に目に入った広告などに気を取られて寄り道するケースがあるようです。 食事をしながら休憩しているケース韓国料理や焼酎を味わっています。焼酎を飲んだ後に性能が下がらないかやうや不安を感じます。 うちのAI、思考の

2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 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、OpenAIが1月31日（現地時間）に発表した「o3-mini」を取り上げます。 o3-miniは2024年12月にプレビューされており、o1の進化版になります。今回リリースされたのはminiという軽量版で、「o3」は今後登場予定としています。 o3-miniはすぐに回答せず、いろいろ考えてから出力する思考過程を生成するモデルで、科学、数学、コーディングなどで優れた性能を発揮します。画像には未対応で文章のみです。 o3-miniには推論レベルを高く設定した「o3-m

米MicrosoftのAI部門のムスタファ・スレイマンCEOは1月30日（現地時間）、米OpenAIの最新推論AIモデル「o1」を、すべての「Copilot」ユーザーに提供すると発表した。o1はこれまで、ChatGPTの有料プランでのみ利用可能だった。 Copilotは、Microsoftが「すべてのユーザーのためのAIコンパニオン」と謳うMicrosoft製AIアシスタント。Webブラウザの「Edge」にも組み込まれている。このCopilotで、昨年10月に実験的な機能として追加した、より複雑な質問も推論する機能「Think Deeper」を無料で提供する。スレイマン氏は「これにより、誰もがCopilotでOpenAIの世界クラスのo1推論モデルに、どこでも無料でアクセスできるようになった」と語った。

新手法「TAID」によって学習された小規模日本語言語モデル「TinySwallow-1.5B」は、同規模のモデルの中で最高性能を達成しています。さらに、小規模のため、APIなどを介さずお手元のスマートフォンやPCで完結してチャットが可能です。ウェブアプリまたは、GitHubにてお試しいただけます。 本稿は、経済産業省とNEDOが推進するGENIACによって支援されたSakana AIの研究成果を紹介するブログシリーズの第3回目です。 概要 日常的な対話はもとより、数学やコーティングといった複雑なタスクまでも人間と遜色ないレベルでこなせるようになった大規模言語モデル（LLM）は、今後ますます多くの場面での利活用が期待されています。こうした大きな期待の一方で、LLMの開発・活用の現場では、莫大な計算資源の必要性が大きな壁として立ちはだかってます。まずLLMの開発現場では、「大規模データと巨大計

Cagliostro Research Labが、アニメ画像に特化した最新の画像生成AIモデル「Animagine XL 4.0」を公開しました。このモデルは、高品質なアニメイラストを簡単に生成できる強力なツールです。 [Introducing Animagine-XL v4.0 a.k.a. Anim4gine] Hello, Alchemists! 🧪 Now, let's greet our today's star, Anim4gine~ The wait is finally over as our newest model, the ultimate rendition of Animagine, is officially released to public! Let's pour our imaginations into reality… pic.twitter.co

サイバーエージェントは1月27日、大規模言語モデル（LLM）「DeepSeek-R1」を使った新たなAIモデルを無料公開した。「DeepSeek-R1-Distill-Qwen-14B/32B」をベースに、日本語を追加学習させたLLM「DeepSeek-R1-Distill-Qwen-14B/32B-Japanese」をHugging Face上で公開。ライセンスは、MITライセンスで商用利用なども可能だ。

DeepSeek-R1-Distill-Qwen-32B-Japanese Model Description This is a Japanese finetuned model based on deepseek-ai/DeepSeek-R1-Distill-Qwen-32B. Usage from transformers import AutoModelForCausalLM, AutoTokenizer, TextStreamer model = AutoModelForCausalLM.from_pretrained("cyberagent/DeepSeek-R1-Distill-Qwen-32B-Japanese", device_map="auto", torch_dtype="auto") tokenizer = AutoTokenizer.from_pretrained

開発者向けの生成メディアプラットフォーム「fal.ai」が、オープンソースの生成AI搭載動画編集ツール「AI Video Starting Kit」を公開しました。ウェブブラウザ上で動画生成AIモデルの操作が可能になり、その場で編集することが可能です。 GitHub - fal-ai-community/video-starter-kit: Open-source project that demonstrates AI models for video producing on the browser https://github.com/fal-ai-community/video-starter-kit AI Video Studio | Demo by fal.ai https://fal-video-studio.vercel.app/ AI Video Starting Kit

そうなると人間のやることは何になるかというと……微調整？ 迫りくる赤い電子を避けて進もう。電子の間の黄色線を通って得点アップ https://t.co/VDjGACbzZi pic.twitter.com/u7STpP3cJu— ABA (@abagames) 2025年1月25日 このゲームをClaude 3.5 Sonnetや、いくつかの画像・音楽生成AIを使って作ってみた。ここではこれを具体的にどう作ったかを説明したい。生成AIを使ったミニゲーム開発プロセスの参考になれば幸いである。 まずはアイデア作りから。 このリポジトリの中にあるKnowledgeをClaudeに与えて、テーマを入力すれば、いくつかのワンボタンアクションミニゲームのアイデアをClaudeが生成する。Knowledgeには今まで私が作ったゲームのコードとその説明や、ワンボタンにどのようなアクションを割り当てることが

タイムラインで流れてきたポストから、Googleが作っているImageFXが作ってくれる画像のクオリティが高いように見えたので、触ってみていた。 ImageFXの作例 これが自分で撮った紅葉の写真で、 こっちが、Image FXに、京都の紅葉、50mm f1.4バブルボケ、とか伝えて作ってもらったもの。 ChatGPTに同じ入力を渡すと、こんな画像なので、仕上がりの違いがわかると思う。 どこか嘘っぽいというかメルヘンな仕上がりになりがち。 ここまでできるなら、手持ちの画像そっくりな画像を作れるのでは、と思って試してみる。 手持ちのラーメンの画像そっくりなラーメン画像を作る ChatGPTに、自分で撮影したラーメンの写真をアップロードして、この画像を作るためのプロンプトを作って、とお願いする。 この画像と同じ写真を生成AIで作りたいので、プロンプトを生成してください。内容だけでなく、レンズの

サム・アルトマンCEOらはYouTubeライブで実際にデモを行いました。 OpenTable、eBay、Target、Uberといったサイトと提携していますが、それ以外のサイトでも利用可能。 Operatorでは、Computer-Using Agent（CUA）という新しいモデルを採用しています。これはビジョン機能付きGPT-4oを先進的な強化学習をで鍛え、人間がグラフィカルユーザーインタフェースを操作する様子を学習しています。 ユーザーがタスクを指定すると、左側にエージェントの動作履歴、右側にブラウザが開き、操作画面を確認できます。 ChatGPTのcustom instructionsに住所などの個人情報を入れておくと、入力フィールドを自動修正してくれます。 現行バージョンはresearch previewで、利用できるのは米国のChatGPT Proユーザーのみ。カレンダーの入力が

(説明不足もあったのでちょい修正したよ) AI画像生成をやってみたいけど たくさんあってどれにしようか迷ってる人 色んなところで◯選とか言いつつ やたらといっぱい紹介して選択で困りませんか？ 私は3選にギュッとしました。 しかもリアル1選、イラスト1選、将来性1選なので 実質2選です。 3つともサーバーはサービス側持ちなので低スペPCや低スペスマホでも生成できるのが最大の利点です！上級者以外はハイスペPCでのローカル生成なんて不要だと思ってる。 リアルならImageFXリアルならImageFXが良いです。 GoogleのサービスなのでGoogleの本アカウントでも 安心して出来るのも嬉しい。 1日あたりの回数制限はあります。たぶん50回前後 前からリアル系ではトップクラスの表現力でしたが この数ヶ月でさらに急激な進化を遂げて 顔パターンや動作パターンが激増しました。 今日は成人式なので成人

こんにちは！ ブログに挿絵が欲しいけれど、AIでイラストを生成するのは難しそう、お金だってかかりそう、、と悩んでいるあなたに。実は無料でカンタンに始められるんですよ☺️ 今回は、無料ですぐに使える画像生成サービスを9つご紹介させていただきます。 2025年、新しいことを始めてみませんか？💕 1️⃣ ImageFX ImageFXは、Googleが開発した画像生成AIです。 Googleアカウントを持っていれば誰でも無料で使えるんですよ。 ImageFXの使い方ウェブサイトにアクセスする アカウントを作成する ログインする 画像を生成するための言葉を考える テキストボックスに入力する 生成ボタンを押す 画像を確認する 保存する シェアする 写真みたいにリアルな画像が作れるのが特徴で、 「Imagen 3」っていう最新のAIモデルが使われています。日本語でも使用可能ですが、英語の方がより良い