Googleが開発する大規模言語モデルである「Gemini」には、実はあまり知られていない使い道として、無料で使える超高精度の文字起こしツールとしての顔がある。 2024年4月に登場したフラグシップモデル「Gemini 1.5 Pro」と、2024年5月にGoogle I/Oで発表されたばかりの軽量...

2023年9月に、ChatGPTのアプリに音声でAIとやりとりできる機能が一部のユーザーに追加された。有料のChatGPT Plusに登録しているユーザーであれば誰でも、iOSアプリ、Androidアプリ上でこの機能を利用できるはずだ。 OpenAIの開発した音声認識AIと、音声合成AIのモデルを両...

Difyは、GPT-4やClaude 3、Llamaなどの大規模言語モデル（LLM）を組み込んだアプリケーションを開発するためのオープンソースプラットフォームだ。 プログラミングの知識がなくても、非常に分かりやすいテンプレートや、ドラッグ&ドロップのフロー図を使って、直感的にアプリケーション...

ChatGPTのGPTsのような高いカスタマイズ性のあるアシスタントを簡単に構築できる「Assistants API」に、突如として無料かつオープンソースのOpenAI公式サンプルアプリ「Assistants API Quickstart」が登場した。 これは、OpenAIの公式Github上に公開...

Metaが公開した直後から、性能の高さで話題を席巻している最新のオープンソースLLM「Llama 3」だが、早速、そのLlama 3をAPIから利用可能なサービスも提供されている。 中でも、AIチップスタートアップの「Groq」が提供するクラウドコンピューティングサービスは、Llama 3の大型モデ...

OpenAIのGPT-4をも凌駕すると言われるAnthropicのClaude 3だが、最上位のOpusモデルを使用するには、月額20ドルの契約が必要だ。 ChatGPTもClaude 3も、最上位モデルを利用するにはどちらも月額20ドルを要するので、話題のClaude 3 Opusを試してみたくて...

散々ニュースでも話題のOpenAIの最新AIモデルを使ってみたいけれど、ChatGPTの有料プランに月20ドルも課金するほどではない、という人が、筆者の周囲には結構いる。 サブスク契約をするのを躊躇して、現在もGPT-3.5など無料プランで利用できるモデルしか利用経験がなく、GPT-4などの最新モデ...

OpenAIのGPT-4、AnthropicのClaude 3、GoogleのGemini 1.5と、次々と超高性能なLLMが登場する昨今、全てのAIサービスに別々に登録し、月額サブスクリプション料を支払っていたら、かなりの出費になってしまう。 しかし、各大規模言語モデルには、タスクの得意不得意があ...

近年、AIの発展により、Web検索の在り方が大きく変わりつつある。人間が検索キーワードを考えて、Google検索に入力するという伝統的な方法から、 会話文等の 自然言語でAIに質問を投げかけると、AIが検索キーワードを考案し、検索行為までも代行してくれるサービスが登場している。 中でも注目を集めてい...

Khromaは、無限に続くカラーサンプルの中から、自分好みの色を50種類を選択すると、AIがその選択結果を学習し、自分の好みにピッタリのカラーパレットを無限に生成してくれる夢のサービスだ。 カラーパレットの選択が圧倒的に早く、楽になるため、...

「GPTs」は、ChatGPTのカスタムバージョンを、誰でも作成することのできる機能だ。特定のタスクやトピックに特化したChatGPTを、プログラミングなしで容易に作成することができる。 外部のAPIを組み込むことも可能で、Googleカレ...

OpenAIが開発している「Whisper」は、あらゆる言語で人間の会話音声を文字起こしできる高性能なSpeech-to-textモデルだ。 Whisperはオープンソース化されており、モデルをダウンロードすれば、無料で、誰でも利用できる。...

久々に使ったGoogleの生成AI、Google Bardが、本当に実用的なレベルで高機能になっていて驚いた。 生成AIといえば、やはりOpenAIが開発するChatGPTが思い浮かぶ。Anthropicが開発するClaudeや、Metaが...

有料版のChatGPT Plusで利用できるGPT-4モデルや、画像解析の機能は、APIとしても使うことができる。 API経由でGPT-4やGPT-4V（画像解析に対応したモデル）を利用すると、入力した情報がトレーニングに使われず、プライバ...

ChatGPTで知られるOpenAIが開発した、「Whisper」という超高精度な音声認識モデルをご存知だろうか？最近では、ChatGPTのスマホアプリのボイス機能（音声対話機能）でも、Whisperモデルが音声認識のために使われている。 ...

DALL-E 3は、自然言語のプロンプトに基づいて画像を生成する、OpenAIによって開発された最新の生成AIモデルだ。 そんな最新のDALL-E 3を、誰でも、数クリックだけで簡単に、速攻で試せるGoogle Colaboratoryのノ...

ChatGPTをはじめとする大規模言語モデル（AI）は、英語学習や英会話の練習においても、非常に役に立つ。 高性能なAIをうまく使えば、人間を相手に英会話の練習をするよりも圧倒的に安く、無限に長時間の練習ができ、どれだけ話しかけても嫌がらな...

ChatGPT、特にGPT-4モデルを一度でもプログラミングのサポートに使ったことがある人ならば、GPT-4がどれだけ強力なアシスタントになるか分かっているはずだ。 何か実行したいタスクや書きたいプログラムがあるとき、その内容を自然言語で伝...

Whisperは、ChatGPTで知られるOpenAIによって開発された非常に正確な音声認識モデルで、会話の音声をテキストに書き起こしてくれる。 100万時間以上のデータでトレーニングされた最新のAIモデルだが、驚くべきことにオープンソース...

2023年11月のOpenAIのイベントでAPIが利用可能になったばかりの、テキストからの音声合成AIであるText-to-speech（TTS）モデル。すでに有料版のChatGPTでは、ChatGPTからの返信を音声で読み上げてくれる音声...