500円・15分の収録で、あなたの声を「AI音声合成」化！？音声合成プラットフォーム「CoeFont CLOUD」先行リリース500円・15分の収録から、あなたの声を「AI音声合成」化できる音声合成プラットフォーム「CoeFont CLOUD」の先行リリースを開始いたします 株式会社Yellston（本社：東京都港区、代表：早川　尚吾、以下当社）は、リリース3日で5万、月間ユーザー20万人を達成している「CoeFont STUDIO」に続いて、AI音声合成プラットフォーム、「CoeFont CLOUD」(https://coefont.cloud )の先行リリースを開始いたします。本文内リンクから先行リリースの体験の申請が可能です。 ■CoeFont CLOUDとは 当社が『CoeFont STUDIO』に続いてリリースする「CoeFont CLOUD」(https://coefont.c

はじめに 最近ついに、Google Meet に背景ぼかし機能が利用可能になりましたよね。日本語だとインプレスのケータイ Watchの記事などで紹介されてます。確か 2020 年 9 月末前後で順次リリースされていたと記憶しています。 このときは「背景ぼかし」の機能しかなかったのですが、最近（私が気づいたのは 2020/10/30）更にアップデートされました。アップデートで「背景差し替え」機能が付いて、ぼかし機能もぼかし効果が強弱 2 つから選べるようになりました。まだ日本語のニュース記事は見てないですが、Googleによるアップデートの発表はちゃんとされています。 そして、Google AI Blog でBackground Features in Google Meet, Powered by Web MLという記事が公開され、実装についての解説がされました。 この記事はその解説記事を

Evernoteの元CEO、フィル・リービン氏が2020年7月7日にベータ版として発表した「mmhmm」（ンーフー）が、わずか3か月後の10月8日に名門VCのSequoia Capitalをリードとして約33億円（3,100万ドル）のシリーズAの資金調達を発表しました。リービン氏は「ジョークのような感じで始まった」と言いますが、ベータローンチから3か月目にしては大型のシリーズA調達です（この投資ラウンドには三木谷浩史氏や中島聡氏ら日本の投資家・経営者、WiLやScrum Venturesなど日系VCも参加しています）。 何がすごいのでしょうか？ mmhmmもそれ自体が非常に斬新で便利なアプリですが、私にはそこに大きな時代の変化の予兆があるように思えるのです。テレビの世界で1990年代から天気予報番組などで利用されてきた「クロマキー合成」という画像処理技術が一気に民主化し、多くのサービスやア

*認識結果が確定したタイミングで反映されます。テキストの編集・コピーも可能です。 **認識中にEnterキーを押すと，認識を止めて文を区切ることができます。日本語の場合は文末に句点が付与されます。 よくある質問・ソースコード: GitHub 音声認識は Web Speech API を利用しています。 カメラやマイクが機能しないとき → ページの再読み込みや，ブラウザの設定を確認してください: Chrome ヘルプ 「ログをダウンロード」でダウンロードされるファイルは，アクセスしているユーザーのブラウザで生成されています。

たった1枚の画像とカメラによる顔認識から、ディープニューラルネットワークでバーチャルYouTuber(VTuber)として自然な動きを可能にするシステムを、Google JapanのソフトウェアエンジニアであるPramook Khungurnさんが発表しています。 Talking Head Anime from a Single Image https://pkhungurn.github.io/talking-head-anime/ 実際にKhungurnさんが開発したVTuberシステムがどんな感じなのかは、以下のムービーを見るとよくわかります。 キャラ画像一枚でモデリングしなくてもＶＴｕｂｅｒになれるシステムを作ってみた - ニコニコ動画 例えば、にじさんじ所属の御伽原江良の立ち絵(左)を読み込み、Khungurnさんがウェブカメラで撮影した映像(中央)で顔認識を行った結果を重ねると

デモはここで試せる https://posenet-worker.netlify.com/ コードはここ github.com 構成 getUserMedia でカメラ取得 OffscreenCanvas でバックグラウンドの書き込み Tensorflow.js + Posenet Tensorflow.js が Chrome では webgl バックエンドになったとの目撃談があったので、試してみた。 [https://twitter.com/sugyan/status/1156616432248971264:embed#動作を試せるやつ上げた。Chromeだと WebWorkerでMainThreadの動き止めずにwebglで高速に処理してくれてそう https://t.co/GsepIMRSqG https://t.co/je8ceda47L] 今の所、Chrome 以外では tens

林：人型ロボットを手がける他社は“人間の動きが真似できる”ことに興味があるように思います。つまり、「二足歩行できる」「階段が上れる」「紙コップが持てる」といったことが重要であるのに対して、ソフトバンクグループは最初から「クラウドAI（人工知能）」を活用したコミュニケーションに重点をおいたロボットを目指しました。「クラウドAI」にこだわる理由は「情報量が多い＝知性」になるからです。人の気持ちの振れなどといった情報をクラウド上に集積し、AIで処理するというプラットフォームを最初から目指してきたという点で、他社とは大きく違うと思います。 林：「Pepper」は人の動きを模倣するためではなく、あくまで人とコミュニケーションをするために開発されたロボットです。例えば、「Pepper」は二足歩行ではなく、あえて「オムニホイール」という360度どちらの方向にも移動できる特殊な車輪を採用しています。これは

Microsoftは、何年も前からブレインコンピュータインターフェイス（BCI）に取り組んでいる。そして同社はこのほど、ブレインセンシングシステムの特許を取得した。これは将来、拡張現実（AR）ヘッドセットやPCでジェスチャーに基づくシステムを使用する際のアプリ体験を改善する可能性がある。 この特許は、「Changing an application state using neurological data」（神経学的データを使用してアプリケーションの状態を変化させる）と題され、脳波記録（EEG）のためのノードを使って脳の活動を測定する方法の研究を応用している。 EEGは通常、臨床現場で用いられ、対象者の頭部に帯状のセンサを装着する。だが、Microsoftなどの企業は、EEGを消費者向け製品に利用できる可能性を探っている。Microsoftの特許は2016年5月に申請され、米国時間1月9

Over the weekend, Paddy Cosgrave and Web Summit made the bombshell announcement that Cosgrave would step down from his post as CEO of the technology conference business — a move made to try to c

第40回コンピュータビジョン勉強会＠関東「AR/VRを支える技術」発表資料。 ディープラーニングによるDR (Diminished Reality)の実現について検討しています。 Speaker Deck版： https://speakerdeck.com/shinya7y/ddr-deep-diminished-reality

週末でRaspberryPi3のAlexa(Amazon Echo)化をやってみました。こんな感じです。 Amazon Voice Service(AVS)という、Amazon Echoのソフトウェアと同等のものが使用できるサービスが公開されています。そのサンプルクライアントがオープンソースで公開されており、それをRaspberry Pi 3にインストールしました。音楽を再生できないなど実機との差異は多少ありますが、Skillのインストールもでき、概ねEchoと同様に動くようです（よくわかってない）。 インストールは、ここの手順に従って進めるだけで数時間でできます。僕は、ProductID = Webで入力したDevice Type ID というのがわかりづらくてちょっとハマり2度インストール作業を行ったので、それがなければインストール自体は1時間くらいでできたと思います。日本語の記事もい