先日、個人開発していたzenncastというWebサービスをリリースしました。 Zennでトレンドになっている記事を、毎日AIが10分のラジオにして届けてくれるというサービスです。 ありがたいことに公開後はたくさんの方に試してもらえ、技術的な質問も多数いただきました。 このZennではzenncastの技術構成や仕組みを紹介します（プロンプトつき）。 作ったもの まずはエピソードを一つ選んで1分くらい聴いてみてください！ AIラジオの雰囲気が掴めると思います。 主な機能・特徴 毎朝10分のラジオを生成 Zennでトレンドになっている記事を要約して紹介 お便りを投稿すると、翌日のエピソードでAIパーソナリティが拾ってコメントしてくれる BGMをつけて爽やかな聴き心地 これらのステップは人の手を介さずすべて自動化されています。 Spotifyなどの各種プラットフォームへの配信はSpotify
商用利用もOK。AI音声合成や膨大な音素材ライブラリも使える定番波形編集ソフト、SOUND FORGE Pro 18誕生｜DTMステーション
ドイツMAGIXから定番の波形編集ソフトの新バージョン、SOUND FORGE Pro 18およびSOUND FORGE Pro 18 Suiteがリリースされました。今回のバージョンアップの目玉はAIを利用した音声合成機能を搭載し、日本語でテキストを入力すると、非常にリアルで自然な声で、そして高音質なサウンドで喋り声が生成されることです。VOICEPEAKやVOICEVOX、A.I.Voice、CoeFont……などなど、ここ数年で急速に進化し、数々のソフトが出てきたTTS＝Text to Speech（音声読み上げソフト）の世界にSOUND FORGEが殴り込みをかけてきた格好です。しかも単なるTTSに留まらず、翻訳機能も搭載。これによって最大100言語へ翻訳して喋らせることも可能になっているため、グローバルなコンテンツ制作も可能になっています。 さらにStoryblocksという音素
昨日、OpenAIが生成AIの新しいモデルであるGPT-4oを発表しました。消費するトークン数の節約や、音声合成機能の改善、応答速度の向上など着実な品質改善を見せているようです。私も、特に音声合成（Text To Speech）の表現力について非常に興味を持っています。 私は以前、「OpenAIのGPT-4 Turbo with visionを日本語OCRとして使ってみる」で、GPT-4 Turboの画像認識機能の日本語OCRについて検証を行いました。その当時は、既存のコグニティブAI APIに比べて認識精度が十分でないという評価をしています。とはいえ、その後に出てきたClaude 3 Opusは驚くべき認識精度だったので、OpenAIも巻き返す可能性は十分にあると感じました。Azure OpenAI Serviceを使っている場合は、Vision enhancementという既存のコグニ
「正直、たくさん悩みました」――人気声優の梶裕貴さんが、自身の声で自由にしゃべらせることができる音声合成ソフト「CeVIO AI 梵そよぎ（そよぎそよぎ） トークボイス」を製品化すると発表した。5月29日午後9時から、クラウドファンディングサイト「CAMPFIRE」で受注をスタートする。 ここ最近、AIを使って人気声優の声などを無断で再現したコンテンツが問題になっており（関連記事）、梶さんも頭を悩ませてきたという。だが「AIと敵対するのではなく、共存すべき」と結論づけ、「あえて私の声を持つ『梵そよぎ』を解禁することで、"正しい音声AIの在り方"を証明できるのではないか」と考えて開発を決断したという。 CeVIO AIは、ソニー・ミュージックエンターテインメントや名古屋工業大学発ベンチャーのテクノスピーチなど、複数の企業が参加する音声合成AIプロジェクト。 「CeVIO AI 梵そよぎ」は、
概要 GPT-4oが発表されました。 GPT-4oについては以下のツイートによくまとまっています。 使用している映像は以下でまとめられています。 非常に優秀でAI系のプロダクトがまた何個か死んだと思いますが、それはさておき使っていきましょう。 APIではすでに利用可能になっております。 今回は以下のcookbookにある動画要約をgradioに移植します。 https://cookbook.openai.com/examples/gpt4o/introduction_to_gpt4o デモ 以下の Huggingface Space を作りました。APIキーと動画を貼り付けて試用することができます。 1分間の動画で0.1ドル / 60秒くらいかかります。API使用料に注意してください。 現状のGPT-4o APIの制限 動画はそのままアップロードできません これは将来的にもできるとされてい
近年では、AI技術や合成音声技術の進歩に伴って、まるで人間の声のような音声シミュレーションは目覚ましい発展を遂げています。しかし、18世紀のヨーロッパでも、人間の声をシミュレートするような技術や機械が数多く開発されていました。 “You Are My Friend”: Early Androids and Artificial Speech — The Public Domain Review https://publicdomainreview.org/essay/early-androids-and-artificial-speech/ 最初の「人間の機能を模した」アンドロイドが誕生したのは、1738年2月のこと。エンジニアのジャック・ヴォーカンソンがアントワーヌ・コワズヴォーの「フルートを演奏する羊飼い」をモデルに製作し、パリのサンジェルマン見本市で展示されたアンドロイドは、これまで
（２０２１年３月１２日 アルツハイマー型認知症の診断から１４年１ヶ月） （２０２１年３月１２日 アルツハイマー型認知症の診断から１４年１ヶ月） harienikki.hatenablog.com 今回はチャーコの呟きです。 最近、感じていることを書こうかなと思います。 ＊恐らく現実逃避 ご存知ない方も多いと思いますが、私はアラ還です。（←知っているという声が聞こえます。) これもご存知ないとは思いますが、ここ5，６年、私はアニメばかり見ています。 子供の頃から絵が動くアニメーションは大好きだったのですが、結婚後の子育て期はあまり見ませんでした。娘と一緒にジブリの名作を観たくらいです。 それが、趣味でデジタル絵を描き始めた頃から、幼少期に戻ったようにアニメを見るようになりました。 ラブコメはほとんど興味ありません。歴史物や現実離れしたファンタジー系、ロボット（モビルスーツとかナイトメアフレー
一度読んだ本の内容を忘れないようにする方法
昔読んだ本の内容を忘れていて、ショックを受けた経験は誰しもあるのではないでしょうか。本稿では一度読んだ本の内容を忘れないようにする方法を紹介します。 私は記憶力が特別良いわけではありません。本稿で紹介する方法を使う前は、数ヶ月前に読んだ本の内容を覚えていられないどころか、その本を読んだということすら忘れてしまうことがありました。この方法を実践してからは数年前に読んだ本の内容もはっきりと覚えていられています。 この方法は誰でも簡単に実行できて、誰にでも効果があります。そう書くとなんだか嘘くさいですが、本当におすすめの方法なので、最後まで読んでいただければ幸いです。 耳復の基礎 手順 1. 読んだ本から重要な箇所を書き抜く 2. 書き抜いたメモを音声合成で音声化する 3. 作成した音声を常に流しておく 4. 気が向いたら音声に注意を向けて復習を行う 基本はたったこれだけです。この方法を仮に耳復
ボカロ文化の祭典「The VOCALOID Collection」（以下、ボカコレ）を運営するドワンゴは6月4日、作品の内容に関係なく、交換条件として「いいね」などのリアクションをし合う行為を確認したとして注意喚起した。ランクインを目的に集団的に行われているという。 ドワンゴは「交換条件によって数値を得る行為は、ボカコレ本来の主旨とは外れたもの」と指摘。SNSやチャットツールを使い、交換条件としてリアクションを求めるのは「一方的な作品お押しつけや行為の強制によって義務感を生じさせるような行為」として控えるように呼び掛けた。 またリスナーに対しては、そうした行為をしている可能性のある投稿者を見つけた場合でも、誹謗中傷など攻撃的な言動は控えるように呼び掛けている。 ボカコレは、「VOCALOID」に代表される音声合成ソフトウェアやそれを彩るキャラクターを使った作品をテーマにしたボカロ文化の祭典
アクセシビリティの祭典2024に「アクセシブルなリテールアプリの共創開発と生成AIによる情報アクセシビリティの早期解消に向けて」というテーマで登壇 | DevelopersIO
アクセシビリティの祭典2024に「アクセシブルなリテールアプリの共創開発と生成AIによる情報アクセシビリティの早期解消に向けて」というテーマで登壇 アクセシビリティに関するイベントである「アクセシビリティの祭典2024」のスポンサーセッションに「アクセシブルなリテールアプリの共創開発と生成AIによる情報アクセシビリティの早期解消に向けて」というテーマで登壇しました。その内容をご紹介しています。 はじめに アクセシビリティの祭典は、チームアイコラボが主催するイベントで、2024年は10回目の開催になるそうです。 クラスメソッドとしては、2021年からスポンサーとして応援させていただいています。 クラスメソッドは「アクセシビリティの祭典 2024」をゴールドスポンサーとして応援します 今年は「アクセシビリティの祭典10周年大感謝祭！」がテーマとのことで、スポンサーセッションの登壇者はそれぞれ「
【超最速】6月に給付金！年収100～500万円台､会社員･年金生活･個人事業主は絶対申請を【定額減税4万円/給与･公的年金･不動産所得/対象者･年収要件･いつから･期限/補足･調整･当初･不足額給付】
調整給付金(補足給付金)について最新情報を解説します。 0:00 給付金の対象者、定額減税の全体像 4:00 定額減税と調整給付金 5:35 調整給付金のほうがお得な理由 9:29 調整給付がズレた後、そして、個人事業主の場合 11:34 給付金を受け取る方法 ●定額減税の解説動画 ・定額減税、調整給付金の全体像 「【最新！速報】6月の定額減税･調整給付金は絶対逃すな！役所のミスも発覚｡住民税通知書･給与明細の確認方法」 https://youtu.be/C_2HF954uKA ・基本解説、補足給付金、月次減税 「詳細判明！定額減税4万円とは何か？補足給付金は今年･来年と2回ある！」 https://youtu.be/xJro49FB1u0 ・扶養親族の範囲 「【超最新】欠陥減税!?もらえないｹｰｽも？主婦･扶養家族の定額減税4万円」 https://youtu.be/Mb9mAhF
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
AIラジオ『zenncast』の技術構成（プロンプトつき）
OpenAIのGPT-4oを日本語OCRとして使ってみる
「AIと共存すべき」人気声優・梶裕貴 自身の声で自由にしゃべれるAIソフト発売へ 「たくさん悩んで」決断
リリースされたGPT-4oを使って動画のサマリー生成をしてみる！ - Qiita
18世紀に作られた人間の音声をシミュレートする機械たちの知られざる歴史
テキストの読み上げソフト「SofTalk」がメジャーバージョンアップ／オリジナル音声合成エンジンを搭載、「UTAU」音源にも対応
大丈夫じゃないよ（番外編） - アルツハイマーとともに〜おママの貼り絵日記〜
ボカコレ運営、投稿者による交換条件としての相互「いいね」に注意喚起 「本来の主旨とは外れたもの」