Unity Engineer(ゲーム), 音声 ML/web ,イベント運営 Individual Activities → ゲーム制作,デバイス系(AIグラス,ロボット)

Joined May 2015
今年も 京都にて #生成AIなんでも展示会 in 京都 vol.2を開催をします👏 地方だからイベントに参加できない、展示/出展できない機会をなるべく下げられるようにしていきたい 展示等の応募フォームは後日公開するのでお待ちください techplay.jp/event/1000546
1
73
19
205
21,377
ようさん retweeted
FT-LLM2026で開発した日本語SpeechLLMについてテックブログを書きました。論文にしようかとも思ってたんですが、タイミング逃したのと調整が面倒だった... 学生2人で日本語音声LLMを作り、FT-LLM 2026 自由形タスクで1位を獲得した話|Atotti zenn.dev/ayutaso/articles/ft… #zenn
10
2
51
2,416
高精度耳コピエンジン、JIT-MPEに関する論文をarxivで公開してみました。MITライセンスのオープンソース・オープンモデルです。 arxiv.org/abs/2610.33113 スマホでも動く約8.6万パラメータの軽量マルチF0推定モデルで、即時に推定結果を出しつつ160msまで段階的に更新して、評価実験では50ms時点でのF1で80.83%。ほぼ即時(50ms後)の推定なのに録音全体を使う(即時推定ではない)既存の公開オフライン方式との45比較中38で有意に上回る性能です。 気軽に出すつもりがAIがあるとほぼ労力なくいくらでも追加実験ができてしまうこともあり、当初の予定よりはだいぶ時間をかけてしまいました(^^; このテクニックは既に公開中のEffeTune Note Spectrogramで使っているので、どのくらいの性能化はアプリで今すぐ簡単に試せます。PythonとJavaのライブラリ(EffeTune DSP Library)もあります。JIT-MPEは論文用に条件をシンプルにしているので、Note Spectrogram搭載版の方がさらに1%くらい高精度です。
3
25
2
126
5,357
ようさん retweeted
Full-duplex 2話者データの音声分離・復元モデル「DialogueSidon」の高速版「FastDialogueSidon」を公開しました! 1ステップ推論+軽量デコーダで、DialogueSidon公式実装比で約100倍の高速化と同等の性能を実現しています(H100上で計測) GitHub:github.com/higurashi-ai/Fast… Huggingface:huggingface.co/higurashi-ai/…
24
1
71
2,951
dessaすごいのかもしれないけどもう少し詳細が出ないと評価できない
2
210
codex毎日リセットされてるじゃん
4
380
ようさん retweeted
We believe voice is the most natural way to interact with intelligence, so we created Dessa, the most authentic full-duplex speech model ever built. Talking with it feels like talking with a person…full of emotion, nuance, pauses, and a natural cadence. block.xyz/dessa
4,178
7,128
4,728
69,027
13,421,083
hfの整理が終わった
1
303
日本語の音声から文字起こしなしで Action JSON(Function Calling)を直接出す 2.59M の小型モデル「KoeAct-JP」を公開しました🎙️ ESP32-S3で発話終了から 0.53 秒で動きます!合成音声の評価で完全一致率 93.2% vs カスケード 83.6% モデル 🤗 huggingface.co/ayousanz/KoeA…
5
31
5
277
20,267
デモ動画
1
3
379
声だけで、ロボットが動く🤖 「KoeAct-JP」 KoeActのデモをブラウザで触れるようにしました! 日本語で話しかけると、文字起こしなしで直接 Action JSON に変換します. 「LED消さないでね」には動かない、打ち消しも理解します。 デモ(hf space) 🤗 huggingface.co/spaces/ayousa…
日本語の音声から文字起こしなしで Action JSON(Function Calling)を直接出す 2.59M の小型モデル「KoeAct-JP」を公開しました🎙️ ESP32-S3で発話終了から 0.53 秒で動きます!合成音声の評価で完全一致率 93.2% vs カスケード 83.6% モデル 🤗 huggingface.co/ayousanz/KoeA…
1
22
86
4,686
改めて可愛い歌声判定モデルか判定関数を作るための調査を始めた 過去に数回やってうまくいっていないので別のアプローチを考えたいけど思いつかない f0~4だけだとうまくいかないしBGMが取り除けていないのか、数秒のフレームで探した方がいいのか?
1
8
540
可愛い/かっこいい歌声の定義とは
2
161
2DのオンラインMMOっぽいものを作り始めた
2
1
34
1,903
いい感じに開発は進んでいる マップと転職まわりとオンライン部分があとちょっと残っているけど遊べそうな感じになっているので普通に楽しい
1
1
257
ダンジョン作っているけど冒険者だと勝てない...転職システムとデバッグ機能入れないとダメそう
1
144
マイコン向けのLLMを作ろうとしたけど10Mでもだめだったのでやっぱり駄目だった
263
ようさん retweeted
RalomiをESP32-S3で試してみました。認識早くていい感じ!TTSはSano-tts-jpです
日本語音声をひらがなにする(マイコンで動かせる)軽量音声認識モデル「Ralomi」を公開しました! M5Stack CoreS3(ESP32-S3)に書き込むだけでオフライン認識でき、ブラウザでも試せます モデル 🤗 huggingface.co/ayousanz/ralo… デモ 👇 huggingface.co/spaces/ayousa…
1
2
3
218