2025-05-01から1ヶ月間の記事一覧
タイトルにプロトタイプとありますが、永遠に正式版は作られません(たぶん YOLOの新し目のやつを試してみたかったのと、ChatGPTにモデル構造作らせてみたかったのと、でテキトーに作ったリポジトリです 検出用のデータセットは高橋宅周辺、認識用のデータセ…
Heron-NVILAを味見しています1B、2B、15B、33B の4種類があります(2025/5/12現在) 詳細はTuringさんのZennのテックブログに記載されています。 1Bでも、かなり良い感じに推論してくれますね Heron-NVILA を Colaboratoryで味見している1Bでもこの精度は凄…
以下のリポジトリで公開しています。名前は安直に「Audio-Processing-Node-Editor」としました ちなみに、これ↓のオーディオ版です。 ちょっと仕事で音声処理を触ることがあって、たまたまGWの休み前後だったので、Image-Processing-Node-Editorベースでザッ…
Voice Activity Detectionです。多分初版は5~6年くらい前のモデルですが、最近もちょいちょいコミットされてて、速度が速いモデルです ※精度はボチボチ VADテスト https://t.co/O3iAmk2ssS pic.twitter.com/JnLQRQbyH2 — 高橋 かずひと@パワポLT職人 (@Kzht…
おじさんが集まってSpatial chatでがやがやする系のオンラインイベントですたしか、Youtubeのアーカイブもあるはず?雰囲気↓ テトリスっぽいHITORIS!!メニュー画面がめっちゃかっこいい#Pyxelであそぼう pic.twitter.com/wBg4LPSWXQ — airpocket (@Airpocket…
1X年くらい音声信号処理から離れていましたが、最近触る機会があったため、ちょこちょこ色々なモデルとかアルゴリズムを味見しています 今回は、新しめ(ICASSP2024)のSpeech Enhancement(音声強調)モデルのGTCRNです。この分野だとRNNoiseとかDeepFilter…