Plat 🖼️

リアルタイム性の需要がないなら多少遅くても待つ価値があるくらい精度がいいと思う

なんか結局 openai whisper large v3 が普通に一番書き起こし精度良くないか

ストリームをオフにしたら動いた

プロセッサーとかのあたりでバグってそうで Gemma4 は動かなかった

transformers の CLI に OpenAI API 形式でサーブする機能が入ってるらしい huggingface.co/docs/transform…

vllm の依存 transformers のバージョンめっちゃ低いから gemma4 普通に使おうとすると対応してないって言われて docker イメージじゃないと無理っぽい

Gemma4、浅く考えるようにお願いすると thinking が短くなる

ggml-anime-whisper-q4_0.bin、確かになぜか冒頭に変な文字が入りやすいな... なんでだろう

E4Bで EMOJI_ANNOTATIONS 風のアノテーションつけながら書き起こしさせてみようとしたけど、ちょくちょく絵文字入るものの、そんなに綺麗に差し込まれない感じだった

Gemma4 E4B は超短文の日本語音声で書き起こし精度がいい気がする 長くなると whisper とか Cohere Transcribe, Qwen3-ASR が安定感強い感じがする

参考 zenn.dev/kun432/scraps/…

Qwen3-Omni-30B-A3B-Instruct 動かすのそんなに素直にいかないか...? vllm で使いたかったけど thinking 対応してるのに instruct は未対応？ transformers でやるとしたら VRAM 結構いるんかな てっきり GPT-OSS-20B くらいの感覚で動くのかと思っていた...

exclude-newer = "7 days" 設定していると、新しいモデルが出た時にバージョン上げれなくてすぐ試せなくなっちゃうw

What if you could generate stunning AI images in a single step, without compromising quality? Researchers from Westlake University, Chinese Academy of Sciences, and DP Technology present a breakthrough. They've introduced a new framework that simplifies the design of 'shortcut' diffusion models. This framework clarifies how to build more efficient one-step image generators by disentangling their core components. Their model achieves a new state-of-the-art FID50k of 2.85 on ImageNet-256x256 with one-step generation, and 2.53 with two steps. Remarkably, it requires NO pre-training, distillation, or curriculum learning! On the Design of One-step Diffusion via Shortcutting Flow Paths Paper: openreview.net/forum?id=k6q8r…  Code: github.com/EDAPINENUT/Exp…    Project: edapinenut.github.io/explicitshortc… Our report: mp.weixin.qq.com/s/BptmtBa_OGXk… 📬 #PapersAccepted by Jiqizhixin

E4Bの音声認識結構いいね E2Bは厳しい感じだったけど

ClaudeにMultiScreen再現実装させようとしたけど、なんかうまく学習できなくてどっかミスってる気がするけどよくわからん

iOS / macOS でローカルLLMを超手軽に試したい場合はLocally AIがUI良くていい感じだった 面倒な準備がいらない代わりに細かい設定はできないけど、トークン生成のスピード感とかを試したいならかなりいいと思う あとApple Foundation Model対応なのも良 apps.apple.com/app/id67414266…

コンシューマーGPU1枚で画像生成モデルをスクラッチしよう(後編)｜FA770 note.com/fa770/n/n36aee…

Gemma4 ってツール定義・コールする時に JSON の "" のエスケープで混乱しないように、JSON フォーマットの方はスペシャルトークン <|"|> を使ってるみたい