#試行錯誤
全 7 件- 約 3 分
英語が混ざると、崩れた ── 同じ話を、二度聞く
日本語の実況は、ちゃんと文字になる。ところが、英語のコメントが始まった途端、文字起こしが「Wel actaltlysputure…」という、英語のようで英語でない文字列に崩れました。文字起こしのモデルは、一度にひとつの言語しか聞けません。それなら ── 同じ音声を、二人に聞かせることにしました。
- 約 3 分
「ok」は、開いたの証明にならない ── 開かない PDF を追う
iPhone から Mac のファイルを開く。実行すると、ログには「ok」。でも、Mac の画面では、何も起きていない。犯人探しは、思わぬところに行き着きました ── 十四日間つけっぱなしだった、一枚のアプリ。そして本当の反省は、犯人ではなく、「ok」の側にありました。
- 約 3 分
iPhone で話して、Mac で打つ ── 頼むのを、やめた
手元のボタンひとつで、Mac の音声入力を立ち上げたい。最初の計画は、それだけでした。ところが、どう頼んでも Mac は聞いてくれない。粘った末に、頼むのをやめました。Mac に聞かせるのではなく、iPhone が聞けばいい。回り道の先に、このアプリでいちばん気に入っている機能ができた話です。
- 約 3 分
「はい。」が、会議になった ── 要約に、作らせない
「はい。」とだけ言って止めた録音に、決定事項と TODO の並んだ会議の要約が、丸ごと付いていました。14 分の対談を要約させれば「決定 28 件」── 実際は 0 件です。AI はまた、聞いた以上のことを言っていました。直したのは、モデルではなく、頼み方のほうでした。
- 約 3 分
その名前は、貼り紙だった ── 話者識別を、作り直す
声を登録しておくと、その人の発言に名前が付く ── そういう機能のはずでした。ところが、登録していない人の録音に、登録した名前が付く。調べていくと、モデルの中に「声を照合する仕組み」がそもそも存在しないことが分かりました。名前は、席に貼った貼り紙にすぎなかった。この連載でいちばん驚いた話です。
- 約 3 分
レシートは、名刺より読みにくい ── 表は、二行に分かれる
レシートの明細は、左に品名、右に金額が並びます。人の目には、ちゃんと一行に見える。でも、文字認識は、その品名と金額を、別々の断片として返してくることがありました。一行に見えていたものが、二行に分かれる ── このアプリで、いちばん手こずったのは、その「表」でした。
- 約 4 分
背景が、二重になった ── 公開 API だけで、顔を切り抜くまで
顔を絵にするところまでは、できました。問題は、その絵を元の写真に戻すこと。顔だけが入れ替わって、背景も服も元のまま ── そう簡単にはいきませんでした。背景が二重になり、二度行き止まりにぶつかり、それでも Apple の公開 API だけで切り抜けた、ある一日の記録です。