最近のAI関連記事10月10日

Share
最近のAI関連記事10月10日

社長が、自腹のRTX2080で国産生成AIをゼロから作ってみた話
https://note.com/rk611/n/n4dfffbbed408

実際に初歩的な事をやってみるは、経験として大きいかなと思いました。
ちょっと、やってみたくなりました。ハードルはちょっと高いですけど・・・

″仕様駆動開発″というプロンプトを外付けするSpec Kit
https://zenn.dev/watany/articles/46f7a8006eb054

kiroが人気になって、それ系の考え方で色々な物が作られていますが、これもその一つですね。
結局ちゃんと仕様書を作った方がいい物ができるのは自明なので、その仕組みをAI開発に持ち込むって事で、これもなるべくしてなった感はありますね。

複数 AI エージェントの MCP サーバーの設定を一元管理する「mmcp」の紹介
https://zenn.dev/kou_pg_0131/articles/mmcp-introduction

いろいろやっていると、あると便利かもって感じだったのでメモ

【2025年版】テンセントAI「Hunyuan (混元)」完全ガイド:全モデル徹底解説 (GPT-4o対抗の実力から使い方、料金まで)
https://yanai-ke.com/hunyuan-ai/

「Hunyuan」が凄いらしいぞって事で、色々みていましたが、この記事がよくまとまっていたのでメモ

Gemini CLIに新機能、コード変更の分析、脆弱性の特定、デプロイの自動化など
https://codezine.jp/news/detail/22336

「Gemini CLI」も色々と使い勝手が悪かったので、結果的に使わなくなってしまいましたが、色々と機能が追加されているので、気になります。
特に「脆弱性を特定」機能は、セカンドオピニオン的な使い方としても利用できると思うので、よい機能ですね。

“今いちばん使うAI”は国産ローカルLLM。「PLaMo翻訳」で言語の壁が粉々に
https://www.gizmodo.jp/2025/10/plamo-2-translate.html

「LM Studio」で軽く使って見ましたが、ローカルで使えるので便利ですね。
英語をプロンプトとして入力すれば自動的に日本語になり、日本語をプロンプトとして入力すれば自動的に英語になるので、使い勝手はかなりいいです。
速度もある程度早いPCがあれば常用できるぐらいの速度はあります。

Read more

自動的にカラオケっぽい歌詞を付けるアプリを作ってみた結果

自動的にカラオケっぽい歌詞を付けるアプリを作ってみた結果

sunoで作成した曲に歌詞を付けるのが手間だなぁ~と常々思っていたのですが、これを効率化したいと言う事で、今回は歌を解析して歌詞を指定すればタイミングを合わせて配置してくれるアプリを作ってみました。 せっかく作ったので少し解説と、どんな物が作れるのか、デモの動画と少し解説をしますが、アプリそのものはライセンスの問題で非公開です。 実際にこのツールで作成した動画を3本ほど紹介 スペルトナエル サイコロ勇者と魔王の城 アトミックピクニック 見てもらうと分かりますが、これが思ったより簡単に作れるようになったので、現在のように短期間で作れるようになりました。 歌詞入りで曲を公開する場合に、歌詞を入れる作業に時間がかかる割に、イマイチなできになる事も多いので、クオリティーが安定したのも良かったです。 では、次の動画で実際にツールを使って曲に歌詞を入れていきます。 使用しているAIのライセンス問題で、手軽に公開できないのと、需要がそれ程無さそうなので、こんなアプリで動画作成してますよって紹介になります。 音源さえ用意すれば、カラオケも作れちゃいます。 カラオケの例です。

ある人から、MarkdownのテキストをPDFにしてくれる何かが欲しいと言われたので、Claude Codeで作る事にした

ある人から、MarkdownのテキストをPDFにしてくれる何かが欲しいと言われたので、Claude Codeで作る事にした

実際、AIはMarkdownで解答を返してくる事が多く、普通に使っているだけでも、Markdown形式のテキストが手軽に表示したり、PDFに変換できると便利だと思うので、ブラウザで手軽に使える物を作りました。 作成後WEB上にアップしたのが以下のURLになります。 https://test.aisgm.me/test_prog/app/md2pdf/ VS Codeのプラグイン入れれば、同じ事は出来ますし、他にも同じようなアプリを作っている人がいるので、それを使うのも手なんですが、最近は怪しいサイトも多いですし、広告が大量に出るものも多いです。 更に、プラグインがウィルスに汚染されているケースなんかもニュースになっているので、セキュリティー的に使った事が無いものを人に勧めるのも怖いです。 そんな訳で、手軽に使えてインストール等の面倒な準備が必要無いってなると、WEBアプリでアクセスすれば使えて、ローカルで処理させるのが良さそうです。 配布やインストールの手間も必要無く、使いたい時にネットに繋がって、ブラウザさえあれば動くので一番使い勝手がいいですよね。 ってな訳で、Claude

画像フォーマットに関する記事を見て色々と深掘りしてみた

画像フォーマットに関する記事を見て色々と深掘りしてみた

画像フォーマットの正体とWebPの「予測マジック」を理解する 次世代画像フォーマットAVIFを触ってみた 割と最近の画像圧縮フォーマットについてです。 「webp」は比較的見るようになったフォーマットですが、従来は画像のサイズが小さいのはJPGで、透明色が使えて画質を維持するのがPNGって感じで、使い分けられていると思います。 しかし、JPGは古いフォーマットで圧縮アルゴリズムも古い上に、透明色が使えないなど改良の余地が多々あるので、「JPEG 2000」というフォーマットも作成されました。 「JPEG 2000」は技術的には従来のJPEGを大幅に上回る優秀なフォーマットにもかかわらず、処理負荷の高さや互換性の問題から一般消費者向けには普及しませんでした。 今となっては、それ程負荷は高くないのですが、開発された当時(2000年代前半)のPCのスペックを考えると厳しかったと思われます。 2001年のPCスペックを調べてみました。 Intel Pentium III 256MBから512MBのRAM 20GBから80GB Windows 98やWindows 2000が主流 この

suno5.5の実力を過去バージョンと比較(比較曲多めでお送りします)

suno5.5の実力を過去バージョンと比較(比較曲多めでお送りします)

suno5.5を使ってみましたが、なんか音の厚みが増して日本語の再現度も上がって、歌唱クオリティが一ランク上がったように感じるほどです。 とりあえずバージョンの歴史から V2 (2023年秋):  最大生成時間は1分20秒でした V3 (2024年春):  生成時間が2分に更新されました V3.5 (2024年夏): 曲の構造が改善され、初回生成の最大時間が4分に、延長                       (Extend)は1回につき最大2分まで可能になりました V4 (2024年11月): ボーカル品質が向上し、初回生成の最大時間は4分です。また、「Extend(延長)」「Cover(カバー)」「Persona(ペルソナ)」機能が追加されました V4.5 (2025年5月): 初回生成の最大時間が8分に延長され、プロンプトへの忠実度やスタイルのマッシュアップ機能が向上しました V4.5+ (2025年7月): 「Add Vocals(ボーカル追加)」や「Add Instrumental(インスト追加)」などの制作ツールが更新されました V5 (2025年9月):  オーディ