曲をアップロードして、そのリズムスタイルだけを参照するといったことはこれまでのSonautoでも可能だったのですが、今回、楽曲全体を参照する「Full Song Control」機能を追加。これにより、メロディーライン、コード進行、伴奏などをオリジナルから逸脱しないレベルで使い回し、さらに、プロンプトで音楽スタイルを追加したり、歌詞を全く新しいものに置き換えたりといったことが可能になりました。 Sunoですでに作ってあった曲をSonautoで参照して作ってみました。 作曲画面の最下部にあるアップロードフィールドから、この曲を参照元としてアップロードします。Full Song ControlにするかRhythm Controlにするか聞かれるので前者を選択。 ▲Full Song Controlを選択 次にプロンプトと歌詞を選びます。Advanced Modeにしなければ、自動的に作詞されま

慶應義塾大学卒業後、新卒で出版社の宝島社に入社。独立後はケータイジャーナリスト/ライターとして幅広い媒体で執筆、コメントなどを行う。ケータイ業界が主な取材テーマ。 KDDIが povo 2.0の新たなトッピングを導入しました。1つ目が「データ使い放題（7日間）12回分」。もう1つが「300GB（90日間）」というトッピングです。 通常、この手のトッピングは期間限定としてイベントや大型連休などに合わせて提供されることが多い印象で、今回の2つのトッピングも一応は、期間が区切られるもののようです。 ただし、どちらも終了時期は未定となっており、かなり通常トッピングに近い位置づけと言えそうです。 povo2.0に、“楽天モバイル対抗”と呼べそうな2つのトッピングが登場した　2つのトッピングの金額を見ていくと、“楽天モバイル対抗”の色合いが非常に濃いことが分かります。 まず、データ使い放題ですが、こち

ガジェット全般、サイエンス、宇宙、音楽、モータースポーツetc... 電気・ネットワーク技術者。実績媒体Engadget日本版, Autoblog日本版, Forbes JAPAN他 平均的な人間よりも遙かに高い運動能力を備えていたBoston Dynamicsのヒューマノイドロボ「Atlas」はまだ引退したばかりですが、一夜明けたところでなんとオール電動の新型「Atlas」が、われわれの前にその姿を現しました。 Atlasの「さよなら動画」の解説文では「油圧式のAtlasロボットはくつろぎ、リラックスする時間を迎えた」と、これまで使っていなかった「油圧式の」という言葉がわざわざ使われており、それが心に引っかかっていた人は多いことでしょう。案の定、その言葉の裏には「オール電動」Atlasが控えていました。

ガジェット全般、サイエンス、宇宙、音楽、モータースポーツetc... 電気・ネットワーク技術者。実績媒体Engadget日本版, Autoblog日本版, Forbes JAPAN他 日本時間4月11日午前2時過ぎ、OpenAIのAIチャットボット「ChatGPT」の動作がおかしくなったと、複数のユーザーがSNSに問題を報告し始めました。 ウェブサイトの運用状況をトラッキングしているサイトDowndetectorや、OpenAIのステータスページでも明らかに問題が発生していたことが確認できます。 複数のユーザーは、X（Twitter）に問題発生時にChatGPTが吐き出したエラーメッセージのスクリーンショットを投稿しました。 そこには「GPT-4の現在の使用上限に達しました。あとでもう一度試すか、デフォルトのモデルを使って続行できます」と記されていますが、メッセージを報告したユーザーの何人

Suno対抗のAI作曲サービスとして前評判の高かったUdioがパブリックベータとして一般公開されました。

大規模言語モデル（LLM）でコンセプトを考えて、AI作曲サービスでボーカル入り楽曲を作り出す。そんなやり方で制作したコンセプトアルバムを音楽配信に載せるという話を、自ら音楽レーベルを主宰し、テクノロジー関連の執筆もこなしている山崎潤一郎さんに、数回にわたって執筆いただきます。

ガジェット全般、サイエンス、宇宙、音楽、モータースポーツetc... 電気・ネットワーク技術者。実績媒体Engadget日本版, Autoblog日本版, Forbes JAPAN他 アップルは、EUで施行されたデジタル市場法への対応の一環として、EU圏内でのアプリ配布方式にさらに変更を加え、今春のうちにウェブサイトから直接iOSアプリを配布可能にすると発表しました。 ただし、EU圏内ならば誰でも自前のウェブサーバーにiOSアプリをアップロードして、自由にiPhoneに配布できるというわけではなく、アップルが定める様々なルールを遵守しアップルに承認される必要があります。 アップルの説明では「ウェブサイトから提供するアプリは、すべてのiOSアプリと同様、プラットフォームの完全性を保護するための公証(Notarization)要件を満たしている必要があり、開発者自身が運営しApp Store

では、一人の音楽素人がAIの力を借りたら、どの程度までコンセプトアルバムが作れるか、試してみました。思いついたのは、今日（2月27日）の11時30分ごろ。まず、ChatGPTにこう指令することから始めました。 ロックのコンセプトアルバムを作りたいので、12曲のタイトルと歌詞、そしてその曲調をそれぞれ英語で記述して そうすると、ChatGPTは12曲の概要を作ってくれました。 1. "Echoes of Eternity"曲調: エピックなインストゥルメンタルイントロ。壮大なストリングスとパワフルなドラムス。 歌詞の一部: （インストゥルメンタル） 2. "Shadows in the Moonlight"曲調: ミステリアスなヴァースとクライマックスへ向けて構築されるコーラス。 歌詞の一部: "In the silver glow, secrets come to dance, / Sha

著書に『宇宙世紀の政治経済学』（宝島社）、『ガンダムと日本人』（文春新書）、『教養としてのゲーム史』（ちくま新書）、『PS3はなぜ失敗したのか』（晋遊舎）、共著に『超クソゲー2』『超アーケード』『超ファミコン』『PCエンジン大全』（以上、太田出版）、『ゲーム制作 現場の新戦略　企画と運営のノウハウ』(MdN)など。 Googleの自動運転車部門から派生したWaymoの自動運転車（ロボタクシー）が米サンフランシスコ市内で群衆に取り囲まれ、破壊された末に炎上しました。 車両は無人で負傷者は報告されておらず、現地の安全当局と緊密に連携して対応しているとの声明をWaymoは出しています。 実際に事態を目撃したマイケル・ヴァンディ氏は、Waymo車が群衆に取り囲まれ、フロントガラスを叩き割られるなど乱暴狼藉をされてから炎上するまでを記録した動画をX上でシェアしています。 ヴァンディ氏は自動車情報メデ

著書に『宇宙世紀の政治経済学』（宝島社）、『ガンダムと日本人』（文春新書）、『教養としてのゲーム史』（ちくま新書）、『PS3はなぜ失敗したのか』（晋遊舎）、共著に『超クソゲー2』『超アーケード』『超ファミコン』『PCエンジン大全』（以上、太田出版）、『ゲーム制作 現場の新戦略　企画と運営のノウハウ』(MdN)など。 秘密主義のアップルが未発表製品やソフトウェアに言及することはめったにありません。 しかし、2月1日の第1四半期業績発表後の会見で、ティム・クックCEOは生成AI技術に投資を続けていることに言及しつつ、今年（2024年）内に何らかの発表があると語りました。 クック氏は「私たちは将来を見据え、未来を形作る様々な技術への投資を続けていきます」「これにはAIも含まれ、私たちは膨大な時間と労力を投入し続けています。年内には、この分野での進行中の取り組みにつき、詳細をお伝えできることを楽し

ガジェット全般、サイエンス、宇宙、音楽、モータースポーツetc... 電気・ネットワーク技術者。実績媒体Engadget日本版, Autoblog日本版, Forbes JAPAN他 米国の伝説的スタンダップコメディアン、ジョージ・カーリンの声をAIで模倣して製作された1時間のYouTube番組に対し、カーリンの娘は「偉大な米国人アーティストの業績を盗んだ」として、遺産管理団体を通じて著作権侵害とパブリシティ権侵害の訴訟を起こしました。 ジョージ・カーリンと言えば、放送禁止用語を連発しつつ米国の教育制度や政治などを痛烈に批判するネタで人気を博し、マーク・トウェイン賞受賞歴もある著名なスタンダップコメディアン。 『きかんしゃトーマス』の米国版で第1～4シーズンまでナレーションを担当し、その『トーマス』をひとつのコーナーとして放送していた米国の子供向け番組『Shining Time Stati

ガジェット全般、サイエンス、宇宙、音楽、モータースポーツetc... 電気・ネットワーク技術者。実績媒体Engadget日本版, Autoblog日本版, Forbes JAPAN他 アップルは、EU圏内のユーザーを対象に、iOS と Safari ブラウザ、App Storeの挙動を変更することを発表しました。 25日にベータ版の提供が始まったiOS 17.4より、最初にSafariを起動した際、サードパーティ製のブラウザアプリにデフォルトブラウザを切り替えられることを案内するようになります。 サードパーティ製のブラウザアプリと言えば、ChromeやFirefox、Edgeが知られていますが、他にもBrave、Opera、DuckDuckGoなどがこれに該当します。 これらサードパーティ製のブラウザをデフォルトとして設定すれば、メッセージ、電子メール、メモなどに含まれるURLリンクをタッ

人気連載『生成AIウィークリー』で取り上げている注目論文を見ると、そこに中国IT企業の名前が頻繁に登場します。 EC大手のアリババ（Alibaba）、ゲーム大手のテンセント（Tencent）、TikTokの運営元であるBytedanceなどが常に顔を出しており、画像・音声・アニメーションと、生成AIのあらゆる分野で中国に勢いがあることがわかります。 そんな中、テンセントがなかなか衝撃的な技術を発表しました。「PhotoMaker」という画像生成AIです。これでなければできない、というものではないのですが、「ファインチューニングの事前作成不要」「元画像が少なくても良い」のに、人物のアイデンティティを維持した画像を生成できるというメリットがあります。 これまでは既存の画像AIモデルに多数の写真を読み込ませて本人性を学習させたものから新たなAIモデルやその簡易版であるLoRAモデルを作ってきまし

著書に『宇宙世紀の政治経済学』（宝島社）、『ガンダムと日本人』（文春新書）、『教養としてのゲーム史』（ちくま新書）、『PS3はなぜ失敗したのか』（晋遊舎）、共著に『超クソゲー2』『超アーケード』『超ファミコン』『PCエンジン大全』（以上、太田出版）、『ゲーム制作 現場の新戦略　企画と運営のノウハウ』(MdN)など。 アップルは本日（12日）未明、iOS 17.2を配信開始しました。 数々のアプリや新機能を追加するとともに、2023年内に提供すると予告していた「ホテルの部屋でAirPlay」と「みんなでプレイリストを作る」を来年に延期すると明らかにしています。 まず、新たに追加されたアプリや機能は次の通りです。 「ジャーナル」アプリiOS 17発表時に、注目を集めていた日記アプリです。日々のささやかな出来事から大きなイベントまで書き留めておくことが可能。iPhoneがユーザーの写真や音楽、訪

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週間分の生成AI関連論文の中から重要なものをピックアップし、解説をする連載です。第23回目は、AIアニメーションを次の段階に進ませる技術と大きな脚光を浴びた「Animate Anyone」、3D Gaussian Splattingを使った新しい3D応用技術など、生成AI最新論文の概要5つをお届けします。 生成AI論文ピックアップ画像内のキャラクターや写真内の人物を骨格動画に応じて動かせる「Animate Anyone」　アリババらが開発 話した言葉をリアルタイム翻訳できるシステムMeta「Seamless」　話し方や感情なども忠実に再現 リアルな動きを持つ高品質なアバターを生成するモデル「Animatable Gaussians」 写真から3D

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週間分の生成AI関連論文の中から重要なものをピックアップし、解説をする連載です。第22回目は、AIが不得意とする指の数を修正する技術やStability AIの動画生成モデルなど、生成AI最新論文の概要5つをお届けします。 生成AI論文ピックアップ人間が話すような音声合成でテキストを読み上げるTTSモデル「StyleTTS 2」　コロンビア大の研究者ら開発 Stability AI、画像から動画を生成するモデル「Stable Video Diffusion」発表 画像と動画を同時に扱う大規模視覚言語モデル「Video-LLaVA」　北京大などが開発 テキストから3Dモデルを生成する新型モデル「LucidDreamer」 他に影響を与えず表情や年齢

ガジェット全般、サイエンス、宇宙、音楽、モータースポーツetc... 電気・ネットワーク技術者。実績媒体Engadget日本版, Autoblog日本版, Forbes JAPAN他 YouTubeは今年、ブラウザーの拡張機能などで提供される広告ブロッカーへの対策を強化し、ユーザーが使用し続けると「広告ブロッカーの利用は、YouTube の利用規約で認められていません」と警告画面を表示するようになりました。 この画面が現れた場合、選択肢に従ってAdblock PlusやuBlock Originといった広告ブロッカーの設定からYouTubeを除外するか、広告表示のない有料プラン「YouTube Premium」を使うことが求められます。 警告画面は右上の×ボタンでいったん消すことはできるものの、そのままでは結局、動画再生時に再び警告画面を見ることになります。

Stability AIは11月17日、「Japanese Stable Diffusion XL」（JSDXL）を公開しました。 JSDXLは、テキストで記述されたプロンプトに応じて画像を出力するText-to-Imageモデルの最新版であるStable Diffusion XL（SDXL）を日本向けに特化させたAIモデル。 日本語を翻訳ではなく直接扱うことができるため、日本語特有の表現を認識し、日本の伝統的なものから現代的なものまで文化やアートを反映した高品質の画像を生成できるとしています。 ▲男子高校生のプロフィール写真（左: DALLE-3, 中央: 翻訳+SDXL, 右: JSDXL） ▲海岸沿いを走るライダー（左: DALLE-3, 中央: 翻訳+SDXL, 右: JSDXL） なお、JSDXLの学習データは、クリエイターから要求のあったオプトアウト、robots.txtや利用

9月は個人的なイベントがいろいろあります。自分の誕生日と、その前日の結婚記念日がまずあって、まあそれはもう誰も祝う人がいないので一人でケーキを買ってきたり英国リバプールの郷土料理であるスカウスを、クックパッドに残された妻のレシピで作ったりしています。 9月はもう一つ、記念日があるのですが、そちらの方はすっかり忘れていました。 妻が遺してくれた歌声の断片から合成したUTAU音源である「妻音源とりちゃん」による最初の楽曲「ひこうき雲」をニコニコ動画で公開したのが2013年9月1日だったのです。「あれから10年が過ぎたのだなあ」と感慨に浸るのも忘れてやっていたことといえば、やはりAI妻音源による楽曲と生成AIによるミュージックビデオ制作でした。土日はずっとこれにかかりきり。 それが出来上がったので先ほどYouTube公開しました。 曲はユーミン作曲の「時をかける少女」。原田知世バージョンを、妻音

わずか3秒の元音声から本人そっくりな音声合成が可能な技術「VALL-E X」が誰でも使える形で公開されました。オープンソース版で、ローカルマシンからWebUIで利用できます。さっそくインストールして使ってみました。 以前、ディープラーニングベースの音声・歌声合成ソフトであるDiff-SVC、リアルタイム処理が可能なAIボイチェンRVCを紹介したとき、自分は記事タイトルに「驚異の」という形容詞を付けました。それでも学習には数十分の本人による音声データが必要で、そこまでのデータを用意するのは容易ではありません。それに対してVALL-E Xでは元データが3秒あれば本人に似た声を生成できるのです。