Tag
10 posts
マイクの日本語をリアルタイムに文字起こし、Irodori-TTS で別の声に読み上げる Windows 11 向け GUI、sttts-gui（v0.1.4）の話。speech-to-text から text-to-speech まで Rust の1プロセスで、Python も PyTorch も要らない。声のバンク、ASIO、CLI の sttts-say、モデルの自動取得まで。
世のAI漫画が弱いのはモデル不足じゃない。意味を持たず、設定が絵に届かず、連載に耐える台帳が無いから。過労かよっわ♡かの二択を、日本人的感性に寄り添った補助で剃る。ネームまでAI、絵入れから先は WebUI。H3 が何を描くかの候補、i2i が確定後の質感。yomi の構築メモ。
YouTube音源を-14 LUFSで音量を揃え、AIでvocals/drums/bass/otherに分離してマイナスワン練習を可能にした。音源はクラウドに上げず手元のGPUで処理し、私的複製の範囲で完結させる。再生は30秒チャンクで約0.4秒、ドラムステムから拍を取ってコード進行とリードシートも自動生成。バンド練習のしかけをCLIパイプラインとWebプレイヤーに全部組んだ話。
Z.ai、ChatGPT Plus、Google AI Pro、Claude Code Max 20x、SuperGrokを全部契約したら、どれも十分に賢くなって解約基準に困った。性能が飽和した後の使い分けとQuota事情をメモする。
コーディングエージェントが局所最適化に陥り本質の順序を評価できない問題を指摘し、AI教育だけではエンジニア生産性が上がらない理由を考察。CPU負荷障害の調査など具体例で、LLMが浅い論理で閉じる危険性と到達可能ゴールからの逆算癖を分析。
「AIを使えないおじさん」が企業でサバイブするために必要なスキルと働き方を再構成したマッチョイズム的考察。AIの本質理解、カーゴカルト回避、AIを使える人間になるための具体的アプローチを提言。
Devinのようなクラウド型コーディングAIとJetBrains AI Chat・Cursor等のアシスタントAIの両刀使いが最強と主張する考察。コーディングAIの限界・コンテキスト肥大化・コスト問題・使い分け指針を私見で整理。
顔変換AIツールFaceFusionでbatch-runコマンドを使い、100枚程度の画像を一括変換する方法。HELPコマンドとsource-pattern/target-pattern/output-patternの指定方法、scpでのリモート実運用をコード例付きで解説。
AI推論ビジネス用にローカル深層学習推論マシンを組んだ構成ログ。i5-12400F・B660M-ITX・64GB・DeepCool CH-160ケース・RTX 5070 Ti/RX 9070 XTクラスのグラボを想定した小型軽量GPUサーバー。
SDXL生成AIモデル（wai-nsfw-illustrious）で実写写真を美少女化するi2i変換を検証。denoise強度0.99〜0.7まで段階的に変え、元画像情報がどこまで保持されるかをシード固定で比較。
