やってることは凄くシンプル（そうに見える）なのに80ms/tickで全ての処理、しかもトークンが重い日本語で、ここまでの精度で完遂させるのヤバすぎる
Sizuku AIのすごさを実感できるのはyoutubeでの生配信なので、この手の技術/サービスに興味あってチャンネル登録してない人はしたほうがいいですよ。https://www.youtube.com/@AIVtuber_Shizuku
つかリアルタイム翻訳ってこんなにできるんだ(・ω・)
海外の日本単語で割と人気 Shizuku
"Full-Duplex モデル"
ソニーの空間再現ディスプレイと組み合わせてデスクの上に常駐させたい。気が向いた時に話しかけて気を紛らわしたい。https://www.sony.jp/spatial-reality-display/products/ELF-MN1/
技術解説ページに貼る動画で「ご主人様」は止めておくべきでは……技術者の倫理的信用を損ねるぞ。技術者倫理は今後、とても大事になりますから。子供じゃないんだから社会人として開発してください。
かなり自然でいい感じ。まだ純粋に合成音声だけを聴くと日本語のピッチアクセントの扱いがちょっと上手くいっていないところもあるけれど。
こういうキャラを前面に出されるとイラついてしまう・・・not for meでしかないが、イラつきを攻撃に転化する人間もいるのでな。徹底してキャラを出さないところがGPT-Liveのいいところ。
ボケたら絶妙なタイミングで突っ込んでもらえるのでしょうか
GitもMasterをMainとかPrimaryって言い換えて数年経っているなかで、ご主人様はちょいとね
コメント欄、ターゲット層がそっち方面なら別にいいだろ。結局オタクが一番金落とすんだろうね。
倫理的信用て。実在人物を再現して言わせてるとかでもなけりゃそんなことで難癖つける権利ねーだろ。
万人向けじゃないサービスにいちゃもんつけるのどうなん？facebookの出自なんか道徳のかけらもないぞ。社会人なんだから人のやることに難癖付けるの辞めたらいいのに。
不気味の谷とかそういうの以前な気はするがとりあえず not for me の感触を得た
GPT-Liveの方がイントネーションも正確だし「えーっと」みたいなフィラーが入ってて、これよりも数段上の自然さを感じる。後発で海外製品に負けてるのは残念。
Gitの遥か前から日本語の「ご主人様」は「私のしもべ」を意味することになっている。「攻撃に転化する人間も」は注意ではなく脅迫。萌えを解さない無粋人がnot for meとか言いながら未練たらしくブクマしてんなよ。
うおお、日本のチームによりGPT-Live対抗のサービスでたのすばらしいね。grokbotやmuseのようなエージェントは音声対話が絶対良くてdotsのアドバンテージだと思う。grokで取り入れて欲しい。
動作環境が全くわからんけど、さすがにローカルで動くモデルではないか……
まぁこれも考えようによっては他の人の音声データ使ってパクれそうだな。J.A.R.V.I.S.作りたいんだよ。
楽しそう
ふーんと思って、ちょっと聞いてみて、”普通の”日本語がエコチェンしてるぞと。誰の普通だ？ vtuberか。声優か。
音声データだけで学習したモデルっていうのも先週発表されてた https://block.xyz/dessa 次のトレンドは音声操作なのかな。個人的にはキーボード叩くほうが早いと思うんだけど、話し終わるのを待たなくなれば違うんだろうか
本題ではないんだけど疲れてる人に温かい飲み物をすすめるのはなぜなんだろな。テキストのやり取りだと🧉や☕のリアクションは使うんだけど実際に疲れを癒すために温かい飲み物を飲む人は多いんだろうか。
すげえ[あとで読む]
なんじゃこの速さは！！！しかも全二重！！！
凄いけどオープン化とか、有料API等で他の人が使える感じで提供する事は無いんだろうなぁ。こういうしずくという商品としてやっていくというか
爆速はすごいと思ったが相槌の感じが受け付けなかった。恐らく今後は調整で何とかなる部類なんだろうけど職場の話聞く気がなく相槌だけやたら打つクソ野郎が脳裏で被った瞬間ページを閉じざるを得なかったぜ……
80msごとに推論し、検索は別モデルへ非同期に渡す。返事を速くするより、調べている間も会話を止めない設計が面白い。検索の7.1秒は消えていない。音声AIでは、答えの賢さと待ち方を別々に設計したい。
動作環境とか有料なのかとか、重要な事は何も伝えてこない記事。
聞きながら話す日本語音声AI「Shizuku-Duplex」。相づち・割り込みに対応し、会話を続けながら別モデルで検索や推論を実行。80ms刻みの処理と約5分ごとの自動要約で、自然な間合いと長時間対話を支える。
Shizuku-Duplex：自然な間合いで話す日本語 Full-Duplex モデル
やってることは凄くシンプル（そうに見える）なのに80ms/tickで全ての処理、しかもトークンが重い日本語で、ここまでの精度で完遂させるのヤバすぎる
Sizuku AIのすごさを実感できるのはyoutubeでの生配信なので、この手の技術/サービスに興味あってチャンネル登録してない人はしたほうがいいですよ。https://www.youtube.com/@AIVtuber_Shizuku
つかリアルタイム翻訳ってこんなにできるんだ(・ω・)
海外の日本単語で割と人気 Shizuku
"Full-Duplex モデル"
ソニーの空間再現ディスプレイと組み合わせてデスクの上に常駐させたい。気が向いた時に話しかけて気を紛らわしたい。https://www.sony.jp/spatial-reality-display/products/ELF-MN1/
技術解説ページに貼る動画で「ご主人様」は止めておくべきでは……技術者の倫理的信用を損ねるぞ。技術者倫理は今後、とても大事になりますから。子供じゃないんだから社会人として開発してください。
かなり自然でいい感じ。まだ純粋に合成音声だけを聴くと日本語のピッチアクセントの扱いがちょっと上手くいっていないところもあるけれど。
こういうキャラを前面に出されるとイラついてしまう・・・not for meでしかないが、イラつきを攻撃に転化する人間もいるのでな。徹底してキャラを出さないところがGPT-Liveのいいところ。
ボケたら絶妙なタイミングで突っ込んでもらえるのでしょうか
GitもMasterをMainとかPrimaryって言い換えて数年経っているなかで、ご主人様はちょいとね
コメント欄、ターゲット層がそっち方面なら別にいいだろ。結局オタクが一番金落とすんだろうね。
倫理的信用て。実在人物を再現して言わせてるとかでもなけりゃそんなことで難癖つける権利ねーだろ。
万人向けじゃないサービスにいちゃもんつけるのどうなん？facebookの出自なんか道徳のかけらもないぞ。社会人なんだから人のやることに難癖付けるの辞めたらいいのに。
不気味の谷とかそういうの以前な気はするがとりあえず not for me の感触を得た
GPT-Liveの方がイントネーションも正確だし「えーっと」みたいなフィラーが入ってて、これよりも数段上の自然さを感じる。後発で海外製品に負けてるのは残念。
Gitの遥か前から日本語の「ご主人様」は「私のしもべ」を意味することになっている。「攻撃に転化する人間も」は注意ではなく脅迫。萌えを解さない無粋人がnot for meとか言いながら未練たらしくブクマしてんなよ。
うおお、日本のチームによりGPT-Live対抗のサービスでたのすばらしいね。grokbotやmuseのようなエージェントは音声対話が絶対良くてdotsのアドバンテージだと思う。grokで取り入れて欲しい。
動作環境が全くわからんけど、さすがにローカルで動くモデルではないか……
まぁこれも考えようによっては他の人の音声データ使ってパクれそうだな。J.A.R.V.I.S.作りたいんだよ。
楽しそう
ふーんと思って、ちょっと聞いてみて、”普通の”日本語がエコチェンしてるぞと。誰の普通だ？ vtuberか。声優か。
音声データだけで学習したモデルっていうのも先週発表されてた https://block.xyz/dessa 次のトレンドは音声操作なのかな。個人的にはキーボード叩くほうが早いと思うんだけど、話し終わるのを待たなくなれば違うんだろうか
本題ではないんだけど疲れてる人に温かい飲み物をすすめるのはなぜなんだろな。テキストのやり取りだと🧉や☕のリアクションは使うんだけど実際に疲れを癒すために温かい飲み物を飲む人は多いんだろうか。
すげえ[あとで読む]
なんじゃこの速さは！！！しかも全二重！！！
凄いけどオープン化とか、有料API等で他の人が使える感じで提供する事は無いんだろうなぁ。こういうしずくという商品としてやっていくというか
爆速はすごいと思ったが相槌の感じが受け付けなかった。恐らく今後は調整で何とかなる部類なんだろうけど職場の話聞く気がなく相槌だけやたら打つクソ野郎が脳裏で被った瞬間ページを閉じざるを得なかったぜ……
80msごとに推論し、検索は別モデルへ非同期に渡す。返事を速くするより、調べている間も会話を止めない設計が面白い。検索の7.1秒は消えていない。音声AIでは、答えの賢さと待ち方を別々に設計したい。
動作環境とか有料なのかとか、重要な事は何も伝えてこない記事。
聞きながら話す日本語音声AI「Shizuku-Duplex」。相づち・割り込みに対応し、会話を続けながら別モデルで検索や推論を実行。80ms刻みの処理と約5分ごとの自動要約で、自然な間合いと長時間対話を支える。