WindowsにWhisperをインストールする - TadaoYamaokaの開発日記
先日、OpenAIが公開したオープンソースの音声認識ソフトウェアであるWhisperをWindowsにインストールする方法について記載する。 Anaconda(Miniconda)のインストール Anacondaもしくは、Minicondaをダウンロードして、インストールする。 必要に応じて仮想環境を作成して、activateする。 PyTorchインストール コマンドプロンプトから以下のコマンドでPyTorchをインストールする。 conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forgeNVIDIAのGPUが未搭載のPCの場合は、CPU版をインストールする。 conda install pytorch torchvision torchaudio cpuonly -c p
Whisperとゲームバーで会議議事録作成を自動化する - TadaoYamaokaの開発日記
先日、OpenAIが公開したオープンソースの音声認識ソフトウェアのWhisperを使って、会議議事録を自動作成する方法について記載する。 昨今、オンライン会議が主流になっているため、会議を録画/録音することが容易になっている。 Windows 10/11には、Xbox Game Barという機能が標準で備わっており、ZoomやGoogle Meets、Teamsなどでの会議が録画が可能である。 ループバック録音も可能で、再生している音声と、マイクからの音声をミックスして録音できる。 Xbox Game Barで録画した音声と、Whisperを組み合わせることで、無料で手軽に会議議事録を自動作成できる。 以下、手順について記載する。 事前準備 Xbox Game Barの設定 Windowsキー＋Gで、Xbox Game Barを起動する。 歯車アイコンをクリックして、設定ウィンドウを開く。
FFmpeg.guide - One stop solution to all things FFmpeg
VISUALLY CONSTRUCT FILTERSNo more unintuitive filter syntaxFFmpeg's filter syntax is unintuitive, ugly, and can get extremely complicated quickly. Build filters using a GUI which automatically generates the FFmpeg filter command for you. AUTOCOMPLETIONGo fasterImmediately get autocomplete feedback on which filters, arguments, etc... No more having to flip to the FFmpeg documentation and back.
PCで再生中の音声をWhisperでリアルタイムに文字起こしする - TadaoYamaokaの開発日記
PCで再生中の音声をリアルタイムで文字起こしできると、字幕機能がない動画の再生や、外国とのオンライン会議で便利である。 先日、OpenAIが公開したWhisperは、音声ファイルから文字起こしするするツールが提供されているが、リアルタイムで処理するツールは提供されていない。 そこで、Pythonスクリプトで、リアルタイムで文字起こしするツールを作成した。 ループバック録音 SoundCardを使うと、PCで再生されている音声を録音することができる。 pip install SoundCardでインストールする。 import soundcard as sc with sc.get_microphone(id=str(sc.default_speaker().name), include_loopback=True).recorder(samplerate=SAMPLE_RATE, chan
【更新】まさか盗聴器…？マグカップの底が剥がれ変な機械が出てくる→Twitterのチカラで正体が判明「30年後に騒がれるとは…」
上杉憲政 @g_ayrat_g @sujata_oga 一番大きい丸はヘッドホンタイプに使うスピーカーでしょう 右下がたぶんサーモスタットで、左下はボタン電池のようです これは暖かい飲み物を注ぐと音楽がなるタイプのマグカップでしょう 年代物なのと、電子レンジや温度変化で壊れるので、盗聴器の類ではないですね 2021-03-05 08:53:58
つけたまま寝られるワイヤレスイヤフォン、宮地商会が発売 長時間のリモート飲み会にも
楽器専門店「宮地楽器」などを展開する宮地商会は、睡眠時に使えるワイヤレスイヤフォン「Sleeper Wireless」を9月18日に発売する。シリコン製の小さなハウジング（筐体）が耳穴にすっぽりと収まり、横になっても痛くないという。価格は2700円（税別）。ヨドバシカメラや「e☆イヤホン」などが取り扱う。 ケーブルが首の後ろを通るネックバンドタイプのBluetoothイヤフォン。柔らかいソフトシリコンを使ってイヤーピースとハウジングを一体化して小型化するなど、長時間の移動や睡眠時にも使用できるように設計した。ダイナミック型のドライバー（スピーカー）は、突然の大きな音やスパイク（特定周波数のピーク）などで快適さが損なわれないよう、ニュートラルなチューニングを施したとしている。
美少女声への変換と合成
Introduction今までは主に可愛い女の子の画像(or 動画)を生成することに取り組んできましたが、画面上に映せるようになったらやはり可愛い声で話して欲しいものです。そこで今回は、別の人の声が与えられた時に美少女声へと変換するための声質変換と、テキストが与えられた時に美少女声を生成するText-to-Speech(TTS)を行なった試行結果について述べようと思います。 Voice ConversionIntroduction声質変換のデータには2種類あります。それが、パラレルデータとノンパラレルデータです。以下にそれぞれの特徴を述べていきます。 パラレルデータを用いた声質変換 同じセリフを発する2種類の声を学習データとして用います。発話内容が同じのため、言語特徴を気にせず音響特徴量の変換を行うことが可能です。しかし、話速の違い等によって言葉を発するタイミングがずれてしまうのでDyna
Sonic Piで東方アレンジを作ってみた | DevelopersIO
はじめに 突然ですが、皆さんはシューティングゲームが好きですか？私は好きです。大好きです。 シューティングゲームで最も記憶に残る瞬間はどこでしょう？ 「スターフォックス」で味方を助けてあげた場面？ 「ツインビー」で画面内の複数ベルをうまくパワーアップにできたとき？ 「エースコンバット」で徐々に名声が上がっていくところ？ 「グラディウス」でフルパワーアップしたとき？ 「Wolfenstein」で憎き悪人にトドメを刺すシーン？ 「東方妖々夢」の反魂蝶？ 「メタルギア」で間一髪敵を巻けた瞬間？ 「Hellsinker.」のめっちゃかっこいいWARNING画面？ 「バトルフィールド」で野良分隊だけどチームワークを感じられた瞬間？ 「ダライアスバースト」で捕鯨できたとき？ 「Titanfall」で一番早くタイタンを呼べた場面？ 「斑鳩」で完全に思い通りにパターンがキマったとき？ どれも素晴らしいゲー
M5StackをAlexaやGoogle Homeの顔にしてみた。
仕組みは簡単。マイクアンプモジュールの出力をM5Stackのアナログ入力から読んで、音量に応じて口の表示を変えているだけ。
Open JTalkで初音ミクの声でおしゃべりさせる on Mac/Linux/Raspberry Pi - karaage. [からあげ]
Raspberry Piでミクさんの声を使いたい！ 以前Raspberry Piで音声認識や音声合成をやっていました。 そのときは、手軽に使えるのと、ゆっくりっぽい声が好きだったので音声合成にはAquestalk Piを使っていました。 ただ、もうちょいかわいい声で喋って欲しいなと思って調べていたら、なんとOpen JTalkというフリーの音声合成ソフトで初音ミクの音声モデルが使えるというではないですか！Aquestalk Piはライセンス微妙にいやらしいし、これは使うっきゃないと思って早速トライしてみました。 結構参考サイトたくさんあるし、すぐできるだろうと思っていたら、例によって色々微妙にハマって思ったより大変でしたのですが、Raspberry PiだけでなくLinuxやMacでもミクさんの声でしゃべってもらうことができるという思わぬ（？）副作用もありました。作業手順残しておくので、興
![Open JTalkで初音ミクの声でおしゃべりさせる on Mac/Linux/Raspberry Pi - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/709ce4537ee049b05d7b2ba4641463d81c27eeed/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20160704%2F20160704223328.jpg)
Amazon EchoをRaspberry Piのワイヤレス音声認識マイク＆スピーカとしてミクさんの声で喋らせたり家電制御（リモコン制御）する方法 - karaage. [からあげ]
Amazon EchoをRaspberry Piのワイヤレス音声認識マイク・スピーカとして使いたい 我が家では、Amazon Echoを壁掛け設置して色々便利に活用しています。 ただ、そんな中。妻から色々不満の声が上がってきました。具体的には以下です。 リマインダでいちいち2回言うのが気にくわない。1回で良い 音声認識で家電（テレビ・リモコン・ルンバ）の制御がしたい からあげDashボタンの音声認識率が悪くてつかえない ここまできたら、Amazon Echo単体では、如何ともしがたいですね。そんなときの強い味方が我らがRaspberry Piです。要はAmazon EchoをRaspberry Piのワイヤレス音声認識マイク＆スピーカと使うことができれば何でもできます（ラズパイ脳なのでRaspberry Piなら何でもできると信じている）。 というわけで、今回は色々ネット情報調べて試行錯誤
![Amazon EchoをRaspberry Piのワイヤレス音声認識マイク＆スピーカとしてミクさんの声で喋らせたり家電制御（リモコン制御）する方法 - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/99a6ad24819c9ee96dc529f176306bca47febd53/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20180221%2F20180221013326.jpg)
3.5mmイヤホンマイク端子の廃止でAndroidの10ms問題が解決する？USB Audio Class対応製品の増加に期待 : S-MAX
3.5mmイヤホンマイク端子の廃止でAndroidの10ms問題が解決する？USB Audio Class対応製品の増加に期待 2017年07月08日19:25 posted by yukito_kato カテゴリAndroidニュース・解説・コラム list USB Audioによって、Androidの10ms問題が解決する？ 日本ではまだあまり見かけませんが、iPhoneに引き続き、日本でもモトローラ・モビリティ・ジャパンが発売した「Moto Z」やau・SoftBankから発売された「HTC U11」では非搭載となっているなど、Androidでも3.5mmイヤホンマイク端子が採用されなくなり始めています。 長年に渡って3.5mmイヤホンマイク端子を利用してきましたので、この変更は多くのユーザーにとって非常に大きなデメリットだと思われますが、メリットについて考えたことはあるでしょうか。
NanoPi NEOがTwitterを声でツブヤクンデス
げね託亊ね寽豠ポザヲのNanoPi NEO/NEO2て、OSの侊なょぢづarmbian (debian Jessie)。 で、ぃぅげでなざづぉぎぐと、ぉぜよぎLinuxね夙ぎてぺほぜねぽぽて勔ぎたれぅざNanoPi NEO/NEO2てどぎづめィグり筇。 ぽすの、NanoPi NEO/NEO2て韲壯橞胼か佾ぇりお碹誌。 # aplay -l **** List of PLAYBACK Hardware Devices **** card 0: Codec [H3 Audio Codec], device 0: CDC PCM Codec-0 [] Subdevices: 1/1 Subdevice #0: subdevice #0 card 1: U0x4b40x307 [USB Device 0x4b4:0x307], device 0: USB Audio [USB Audio] Sub
Raspberry piで日本語音声合成(Open JTalk)を試してみる。 - Qiita
numid=3,iface=MIXER,name='PCM Playback Route' numid=2,iface=MIXER,name='PCM Playback Switch' numid=1,iface=MIXER,name='PCM Playback Volume' numid=5,iface=PCM,name='IEC958 Playback Con Mask' numid=4,iface=PCM,name='IEC958 Playback Default' numidはamixerで指定する各コントロールのidとなります。 上記の例ですと、PCM Playback Routeであるnumid=3が実際の出力先のコントロールを示します。 PCM Playback Volumeであるnumid=1は、ボリュームの設定を行うためコントロールのidになります。 以降では、numid
CVAEによるキャラクターの台詞の生成と、口調変換 - Qiita
１． 概要 こんばんは。 今回はタイトルの通り、キャラクターの台詞をCVAE（Conditional Variational Auto-encoder）で生成してみました。 同手法で、キャラクターの口調変換も試みたりもしています。 ※170624: githubのコードに不具合があったので修正しました。 ２． 関連記事（既存研究） 台詞をRNN系で生成する記事は多く見られます。 【エヴァンゲリオン】アスカっぽいセリフをDeepLearningで自動生成してみる こうした記事には以下の課題がありました。 1. 当該キャラクターの学習データが少ない（せいぜい1000文。しかも、他のキャラの台詞を学習データに混ぜると上手くいかない） 2. 既に当該キャラクターが喋った台詞のみを学習データに用いるため、その台詞に出てこない単語をキャラクターが発する事はない これらの課題をCVAEで解決しようと思い
だせええええw！！！iPhone7にイヤホンを差す画像をご覧下さいｗｗｗｗｗｗｗｗｗｗｗｗｗ:暇つぶしニュース
1: TEKKAMAKI(長野県)＠＼(^o^)／ 2016/09/08(木) 05:04:18.07 ID:T14TdW4q0.net BE:323057825-PLT(12000) ポイント特典 sssp://img.2ch.net/premium/3755621.gif 6: 魔神風車固め(catv?)＠＼(^o^)／ 2016/09/08(木) 05:06:31.10 ID:tQtnct3T0.net >>1 iPhone7と7 Plus、AndroidスマホN-04C(2011年発売)をパクリ、ヘッドホンジャックを廃止 iPhone7と7 Plusにイヤホンを有線接続する方法 MEDIAS N-04C 7: 魔神風車固め(catv?)＠＼(^o^)／ 2016/09/08(木) 05:07:11.35 ID:tQtnct3T0.net >>1 iPhone7は防水！うんこ中の便器
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
「現代人ならどこかのタイミングで必ずこのタイプの絶望に遭遇してる」という漫画に古傷が抉られる人たち「めっちゃ分かる」
難読地名も音声読み上げ、機械判読可能な地名データを国土地理院がウェブ提供 
Engadget | Technology News & Reviews
新R25 - シゴトも人生も、もっと楽しもう。
