米グーグルが人工知能（ＡＩ）を活用した新たな画像生成ツール「Ｗｈｉｓｋ（ウィスク）」を発表した/Dilara Irem Sancar/Anadolu/Getty Images （ＣＮＮ） 米グーグルが、人工知能（ＡＩ）を活用した新たな画像生成ツール「Ｗｈｉｓｋ（ウィスク）」を発表した。利用者は、必要とするものの説明を文章で入力しなくても、アップロードした画像からＡＩが作り出したイメージを入手できる。 利用者が、被写体と設定、スタイルの画像を入力すると、ウィスクが全てを一つの画像に合成する。 グーグルはブログへの投稿で、ウィスクについて、「従来の画像エディター」とは異なり、素早いひらめきを得るための「創造的なツール」だと説明している。ウィスクは本質的に、洗練されたプロの仕事ではなく、楽しいＡＩ機能を目指したものだ。 利用者は詳細を指示したい場合に文章を追加できるが、画像を作成する必要はない。

この記事はenechain Advent Calendar 2024の14日目の記事です。 はじめに こんにちは。enechainで統計・機械学習モデルの構築やLLM（大規模言語モデル）の活用推進を担当している@udon_tempuraです。 私達のチームでは、以前紹介した会議動画要約のノウハウを活用し、 社内用の動画・音声文字起こしツールを構築・運用しています。 本記事では、その精度向上の仕組みについて紹介します。 実装も比較的少なく実現できたため、セキュリティなどの関係により内製で文字起こしを構築している方々の参考になれば幸いです。 はじめに 背景と課題 システム要件 システム実装 アーキテクチャ 入力データ形式 ドメイン固有用語の管理 処理フロー Cloud Speech-to-Textによる文字起こし Gemini 1.5 Flashによる認識処理 Gemini 1.5 Proによ

最近、Webエンジニア界隈で、共通項を感じる印象的な出来事があった。具体的には以下の2件。 ゆーすけべーがHonoを作ったこと Hono - ゆーすけべー日記 おぎじゅんさんが職業プログラマーに戻ってきた(きていた)こと 転職してソフトウェアエンジニアをやっている 猫廼舎を閉店しました 共通項はそれぞれ長めのブランクがありながら、ソフトウェアエンジニアリングの世界に戻ってきて一線級以上の活躍をしているということだ。二人とも僕と同世代かそれ以上の年齢でもある。これは勇気と希望をもらえることだ。 もちろん彼らの能力の高さゆえに第一線に戻ってこられたのかもしれない。ただ、どちらにせよ、別のことに興味があれば、職業エンジニアを離れて、フォーカスする期間があっても良いと言うことだ。能力不足ならなおさら中途半端になるよりフォーカスしたほうが良いとも言える。 それに多分戻ってこられる。ゆーすけべーの様に

注意：AI批判目的ではありません。単なる考察結果の共有です。どちらかというと私は思想的にはAI推進過激派です。また、ここでの推測はすべて外れている可能性はあります、あくまで推測です。 DMMボイス最近AI界隈（？）で話題になっている、20人分のアニメ調キャラクターの声で感情的な音声を簡単に生成することができるAIサービス。 https://ai-voice.dmm.com/ それの学習元に、エロゲーのテキスト音声データが使われているのではないかという話。 まずは性能がかなり高くて楽しいのでみんな遊んでみてください。（そして知ってる声優がいないか探してみてください。） 追記11/7現在アクセス増大でサービス一時停止しており、サンプルボイスさえ聞けないので、サンプルボイス集を作っておいた: https://whyp.it/collections/3281/dmm利用規約についてのツッコミ動画が

DMMボイスは、AI技術を活用した音声生成サービスです。 本サービスの特徴である多彩なボイスモデルから声を選ぶことで、感情あふれるセリフを自在に表現。ドラマティックなシーンのアフレコから心に響くナレーションまで、幅広いシーンにご活用いただけます。

10/30　皆さまアザーーーーーーーーーーッス!!!! お陰でほしいものリストが50冊以上増えました 感涙です😭😭😭泣 ＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿ 当方30才社会人である。今年に入って、 「完全なる経営」エ-ブラハム・ハロルド・マズロ- (著), 単行本 – 2001/11/30 という書籍を読んだ。昔気質の経営哲学の内容だと思っていたが、神レベルの良書だった。 「マネジメント」「経営者の条件」などドラッカーの名著にも匹敵する。 若い頃から本好きだったけど、こんなレベルの本を読み逃してたと思うと慚愧に耐えない気分である。 よろしければ、皆さんにとってもバイブル本があれば是非教えていただきたい。 密林で検索して、よさそうであれば購入しようと思ってる。

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

前回の記事『ブラウザ上で可愛いフィルターを実現！TensorFlow.jsを使ったリアルタイム顔認識』では、Googleが開発した機械学習用JavaScriptライブラリ「TensorFlow.js」が提供する、顔認識モデルをご紹介しました。そしてウェブカメラを使用してリアルタイムで顔認識を行い、好きなスタンプ画像を選んで顔に貼り付けるデモを作成しました。 今回の記事では、TensorFlow.jsを利用し、ポーズに合わせた画像が出現するデモを作成します。 ▲ ポーズに合わせた画像が出現するデモ。詳細は後述します。 TensorFlow.jsとは TensorFlow.jsは、Pythonで広く利用されている機械学習ライブラリ「TensorFlow」のJavaScript版です。TensorFlow.jsを利用すると、以下のようなことをブラウザ上で実現できます。 オリジナルの機械学習モデル

私の愛しいアップルパイへ 8月16日（金）、このTCP/IP網の片隅に新規サービスを産み落としました。「TaskChute Cloud 2」っていいます。 頑張って作ったトップページ去年の8月から本格的に作り始めて、1年間でようやく形になりました。これこそ"俺が考える最強のタスク管理・時間管理サービス"って感じです。 正直タスク管理サービスって有名どころは出尽くしてる感じですし、「いまさらー？」って感じだと思います。この手のサービスは西海岸からいくつも出てますし。 でも、今までの発想のタスク管理サービスって使いづらくないですか？もう実際の仕事に通用しなくないですか？って気持ちもあって、ちょっと違ったアプローチのサービスをガチで作ってみました。 そこそこ借金して1年かけて作りました小学生時代からの友人と作った役員2人だけの極東の極小の会社なんですけど、コロナとか異常な円安とかの影響もあって経

LLMのチャット以外の可能性 ChatGPTなどで話題のLLM（Large Language Model）、用途としてはチャットボットとしての使われ方が多いですが、チャット以外にも使える可能性を秘めています。 具体的には、生成AIでロボット制御をする「RT-1」や、マインクラフトをプレイする「Voyager」などがあります。これらの詳細の解説は以下記事参照ください。 今回は、夏休みの自由研究（と呼べるほど高尚なものではないですが）として、手軽に分かりやすい例として、LLMでマリオをプレイできるか試してみることにしました。 LLMでマリオをプレイ マリオに関しては、以前に深層強化学習で全ステージクリアにチャレンジしたことがあります。 複数人の有志の協力があり、ループを多用する8-4を除いたステージを全てクリアすることができました。ただ、ステージごとにシミュレータで半日以上かけて学習させる必要

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 概要 Anthropic 社の生成 AI サービスである Claude から Projects という機能が新しく公開されました。今回は、この Projects に特定のライブラリのリファレンスをコンテキストとして入れ、そのリファレンスをもとにこちらの質問に回答できるのかを試してみます。 モチベーション 多くの IT エンジニアがコーディング作業で ChatGPT や Claude , Gemini などの生成 AI を活用しているかと思いますが、 新しくリリースされたライブラリやリポジトリを利用する場合、生成 AI に質問をしても適切

小学生の知の祭典 算数オリンピック!! 受験算数のトレンドを牽引するような新傾向問題の出題が多いことで有名でしょう。その中でも極めて高級な良問，面白い問題をできるだけ取り上げていきたいと思います。 実際の試験を改訂しているものもあるのでご了承下さい。

2024年6月13日に大阪大学大学院 情報科学研究科で行った「情報科学特別講義Ⅰ」の講義資料です。 https://www.ist.osaka-u.ac.jp/japanese/news/newsDetailNews.php?id=308

先が見えない不確かな時代、わが子が夢をかなえるために親がしてやれることは何か。「プレジデントFamily」編集部が日本を代表する難関中高一貫校や名門公立高校の校長に取材した。わが子が小学生のうちに絶対やるべきこととは何か。2回目は聖心女子学院初等科・中等科・高等科校長の大山江理子さんと、灘中学校・高等学校校長の海保雅一さん――。（第2回／全4回） 子供らしい6歳から思春期に向かう12歳まで。小学校時代はなかなか長いですが、人として生きていく基盤をつくる大切な時期です。学校や習い事など家の外の世界での活動も増えて、毎日新しいことに出遭い、たくさんの刺激を受けて成長します。その、外での活動のための力を蓄えるのが、ご家庭の中での過ごし方になると思います。 人間は一人だけでは生きられません。大勢の人に支えられ、自らも人と関わりながら生きています。これからの時代では、人との関わりはごく身近なローカル

最近、投資手法といえば「オルカン全振り」でいいんじゃないかという風潮があります。全くもってこれに賛同してるんですが、オルカン全振り＝全世界株式インデックス投資がファイナルアンサーではなく、その発展として2種類の方向があると思っています。 1つはマルチアセット。株式インデックスと相関しないアセットを組み込むことで、リターンに対するリスクを軽減するという手法です。ただし、この手法を取ると絶対的なリターンは減少します。ただリスクは減っているので、リスクを同レベルまで膨らませてあげれば、リターンは上昇します。そのための手法が2つめ、レバレッジです。 www.kuzyofire.com レバレッジについては「危険」「触れてはいけない」などの「厳禁」的な話ばかりで、ではなぜ危険なのか、使い道はないのか？　といった建設的な話がほとんどありません。そこで今回は、レバレッジといっても大きく2つの手法があると

時間分散を活用するなら、若いうちはレバレッジを掛けて株式に200％投資しよう――。こんな一見過激なことを提案する本がありました。「ライフサイクル投資術」です。しかし、読み進めると、とても理にかなっているように思います。その方法とは。 ライフサイクル投資術 お金に困らない人生をおくる 作者:イアン・エアーズ,バリー・ネイルバフ 発売日: 2019/09/18 メディア: 単行本（ソフトカバー） ライフサイクル投資のコンセプト リスクあたりのリターンを高めるのは分散 時間分散を有効活用するには、毎年の運用額が一定である必要がある そもそも年を取ったら株比率は減らすのでは？ 将来お金が得られるなら、それを先に投資してもいいのでは？ 人は思ったより多くの資産を持っている よくある指摘と反論 ライフサイクル投資のコンセプト なぜ、若いうちはレバレッジを掛けて、フルインベストどころか200％を株に投資

【くるみさん】両親の別居・離婚があって、中高時代は住民税非課税世帯でした。そんな経験からぼんやりと「お金には困らない幸せな人生を送りたい」と考えていました。中高時代は医学部進学が当たり前の環境だったのと、高3の時に病気で慶應病院に入院・手術を受けたのがきっかけで憧れた慶應医学部に入学しました。 真面目な性格で、勉強は得意だったので、自然と“いい学校→いい大学→いい仕事→高収入→幸せ”という一般的な価値観のもと、エリート街道を突き進むことになりました。 ――慶應医学部生時代は学費を稼ぐためバイトに励みながら学生生活を送っていたものの、やがて中退を余儀なくされます。 【くるみさん】順調に進んでいた人生の中、コロナ禍の折に中退という大きな壁にぶち当たりました。ひとたび社会のレールから外れると、自発的に道なき道を進むしかないので、19歳だった当時は先が見えず日々不安でした。 ですが中退後、自分の人