元土方のMLエンジニア / 2社経営(AI, 飲食), 教育ベンチャーCTO ex) AIコンサル ← @LINE_DEV ← NAIST / 言語(🇨🇳🇭🇰🇰🇷🇹🇷),釣り🎣,不動産,筋トレが好き / ご相談はDMから
Joined March 2014
- Tweets2.9K
- Following2.4K
- Followers2.7K
- Likes4.3K
ビジネス交流会、技術イベントの開催などでもご利用頂けます (約100人まで)。
当面の間は無料貸し出しているので、興味のある方はDMからご連絡ください!
そういえば渋谷駅徒歩5分の場所にコワーキングスペースをオープンしました。
内覧や試用、イベントスペース貸しもやっているので興味のある方はご連絡ください！
aivillage-shibuya.com/
instagram.com/aivillage.shib…
そういえば渋谷駅徒歩5分の場所にコワーキングスペースをオープンしました。
内覧や試用、イベントスペース貸しもやっているので興味のある方はご連絡ください！
aivillage-shibuya.com/
instagram.com/aivillage.shib…
三井住友銀行のTrunk、法人口座開設がオンラインで即完了するのアツい...
法人2期目に入ったばかりだけど、メガバン口座持ってなかったからトライしてみる
smbc.co.jp/hojin/kouza/speci…
v1相当であればtdt_ctc-0.6b-jaが公開されてるので日本語特化であればこれが使えますね
とりあえずwhisperみたいになってるけどJSUT/Common voiceでのWERもさほど変わらないし(かつRTFも1/10以下)、日本語でサクッと検証するのはこれで良いのでは
huggingface.co/nvidia/parake…
こりゃすごい。
1時間音声を1秒で文字起こしができ、リアタイ変換にも対応する、超軽量な音声認識オープンモデルがNvidiaから。
🔸音声認識の新時代
•1時間の音声を1秒で文字起こし。
NVIDIAの新モデル「Parakeet-TDT-0.6B-v2」は、1時間の音声をわずか1秒で文字起こし可能。 従来のモデルと比較して50倍以上の高速処理を実現。
• 高精度な文字起こし。
Word Error Rate（WER）は6.05%と、商用モデルに匹敵する精度を誇る。
•自動句読点と大文字化
句読点や大文字化を自動で行い、読みやすいテキストを生成。
•単語レベルのタイムスタンプ
単語ごとのタイムスタンプを提供し、字幕作成や音声解析に最適。
•長時間音声の一括処理
最大24分の音声を一度に処理可能で、長時間の録音にも対応。
•軽量で高性能
600Mパラメータのモデルながら、NVIDIA GPU上で最適化され、低スペック環境でも動作可能。
•商用利用も可能なオープンソース
CC-BY-4.0ライセンスのもと、商用利用も可能なオープンソースモデル。
•多様なデータでの学習
LibriSpeechやCommon Voice、YouTube音声など、12万時間の音声データで学習。
•リアルタイム処理対応
リアルタイム音声認識にも対応し、ライブ配信や通話の文字起こしにも最適。
•多言語対応の可能性
新しい言語へのファインチューニングも可能で、グローバルな展開に対応。
音声認識の限界を打ち破る「Parakeet-TDT-0.6B-v2」。
これは今依頼を受けている研究開発にも採用できる。
Supabaseでsqldefみたく宣言的マイグレーションできるようになったの熱い....
supabase.com/changelog#decla…
退職報告して特に音沙汰ありませんでしたが、最近は某社でMLエンジニアやりつつ開発法人/不動産法人立ち上げたり、ベンチャーでCTOなどなど忙しくしています😇
CTOやっている会社ではこんなことやってるので興味がある方ご連絡ください!(宣伝)
prtimes.jp/main/html/rd/p/00…
