speech.cpp 0.8.4 リリース: 全モデルの量子化版公開など 未読
speech.cpp 0.8.4 リリース: 全モデルの量子化版公開など
speech.cpp 0.8.4ではSilero VADを除く9つのモデルにQ8_0、Q6_K、Q5_K、Q4_Kのファイルを用意しました。メモリをどれだけ減らせて精度がどれだけ下がるのかをモデルごとに計測したので、選び方と更新するときの注意をまとめます。
読み込み中...
逆瀬川ちゃんのほーむぺーじ
逆瀬川のポートフォリオ・ブログ
通知を受け取るには、ホーム画面に追加してから購読してください。
speech.cpp 0.8.4 released: quantized versions of every model, and more 未読
speech.cpp 0.8.4 released: quantized versions of every model, and more
speech.cpp 0.8.4 adds Q8_0, Q6_K, Q5_K and Q4_K files for nine of its models, all but Silero VAD. I measured how much memory each saves and how much accuracy it costs, model by model; here is how to choose, and what to watch for when you update.
OpenAI Decisions APIで画像認識タスクがどこまでできるか様々な手法と比較してみた 未読
OpenAI Decisions APIで画像認識タスクがどこまでできるか様々な手法と比較してみた
2026年10月に公開されたOpenAI Decisions APIを、鳥のfine-grained分類・行動認識・書類分類・action anticipation・異常検知の5タスクで、SigLIP2を学習する手法、Responses API、Codex Agentと比較しました。精度・レイテンシ・費用と、確率のキャリブレーションを見ていきます。
How far can the OpenAI Decisions API go on image recognition tasks? A comparison with other methods 未読
How far can the OpenAI Decisions API go on image recognition tasks? A comparison with other methods
I compared the OpenAI Decisions API, released in October 2026, against trained SigLIP2 models, the Responses API, and Codex Agent on five tasks: fine-grained bird classification, action recognition, document classification, action anticipation, and anomaly detection. I look at accuracy, latency, cost, and probability calibration.
個人情報漏洩が日常になってしまった世界でどうしていくべきか 未読
個人情報漏洩が日常になってしまった世界でどうしていくべきか
2026年は大規模な個人情報の漏洩が続いています。いま何が流出しているのか、流出した情報でどんな連絡が届くのか、わたしたちは何をすればいいのかを、グラフと例でまとめます。
Building speech.cpp, a Speech Synthesis and Recognition Engine for Voice Conversation 未読
Building speech.cpp, a Speech Synthesis and Recognition Engine for Voice Conversation
I built speech.cpp, a ggml-based engine for speech synthesis and recognition. Here is how I check it against the official implementations stage by stage, make it fast enough for conversation, and run it as one executable on Mac, Windows and Linux, with comparisons against other implementations.
音声対話のための音声合成・音声認識エンジン、speech.cppを作ってみた話 未読
音声対話のための音声合成・音声認識エンジン、speech.cppを作ってみた話
ggmlで動く音声合成と音声認識のエンジン、speech.cppを作りました。公式の実装と段階ごとに比較して同じ結果を出すこと、会話に間に合う速さ、MacとWindowsとLinuxで実行ファイル1つで動くことを目指した話と、ほかの実装との比較をまとめます。
I Built a Voice Assistant for the Desktop 未読
I Built a Voice Assistant for the Desktop
I built ASIST, a voice assistant for the desktop (Windows / Mac) that backchannels while you talk and answers with cards. This post covers what I worked hard on in the voice conversation, how I develop it, and how I made the promotional video.
デスクトップ向け音声対話アシスタントを作った話 未読
デスクトップ向け音声対話アシスタントを作った話
話しかけると相槌を打ち、答えをカードで返すデスクトップ (Windows / Mac) 向けの音声対話アシスタントASISTを作りました。音声対話で頑張ったところ、開発の進め方、プロモーション動画の作り方をまとめます。
生成AI以前と以後でエンジニアの文章はどう変わったのか: Qiitaの7万記事を数えてみた話 未読
生成AI以前と以後でエンジニアの文章はどう変わったのか: Qiitaの7万記事を数えてみた話
2019年から2026年までの各年8月にQiitaへ投稿された約7万件の記事を集めて、文の長さ、読点、太字や箇条書き、語彙が生成AI以前と以後でどう変わったのかを調べました