VibeCoding Japan 記事アーカイブ
Article archive

記事アーカイブ

公開した 145 本を、キーワードやカテゴリー、タグからあいまい検索できます。

# 音声認識 · 4 本の記事

条件をクリア
開発事例 7分

11月3日のウォームアップDemoから、AI Agent四段階ロードマップへ

11月3日の共有会に向け、軽音楽を自動でピアノ譜にするウォームアップDemoを作る。Audio-to-MIDIやmusic21、MuseScoreで、音声入力から楽譜生成・模擬演奏までを検証。その後はNeo4jのナレッジグラフで「Why」を与えるAI Agentの四段階ロードマップへ。STT高速化、知識との衝突、Why-Action-Reactionの連鎖、Ambient IoTのハードウェア化までの構想と未解決の問いをまとめた。

開発事例 7分

「App + Server」で長い音声を自動で多言語ブログ化する仕組み

Appとサーバーで作った音声処理システムの紹介。長時間の通話音声をGoogle Cloudに上げ、CPUのみのPCでfaster-whisperによる文字起こしとDeepSeek HarnessのCLI実行を行う。クラウドのskillsにはスクリプトも登録でき、処理後はスマホに通知。音声を3言語化してブログへ自動投稿し、MUSEやDotaに近い機能を低コストで実現。次はAction Skillsの自動判断と順序制御を目指す。

開発事例 7分

Voice to Action 完成:自宅のCPU小型PCとDeepSeek Harnessで音声を3言語ブログへ

音声を行動に変える「Voice to Action」システムが完成した。自宅のCPUのみの小型PCをサーバーに、Appとクラウド、Firestoreで状態を管理し、Fast Whisperで音声を文字化する。DeepSeek HarnessのDeepSeek Flashモデルをエンジンに、script付きskillsを実行。録音から日・中・英の3言語ブログを生成し、API経由で自動投稿するところまで実現した。軽量でGPU不要な点が特徴。

開発事例 7分

無経験者が AI を使って 0 から 1 のキャリアアップを果たす方法:「通訳官の3つの境界」から「散歩しながらブログ執筆神ツール」までの経験談シェア

エンジニアからマーケ職への転職を目指す相談をきっかけに、AI 時代に求められるコアコンピタンスを解説。老通訳官から学んだ「3つのレイヤー理論」をもとに、単なるツール利用(直訳)から、知識体系の転換力(骨組みの応用)、そして商業的マインドへの昇華を説きます。後半では、著者が Vibe Coding と Codex 等を駆使し、生活の不満から「散歩しながらブログが書ける自動化ツール」を2週間で自作した実践的な事例を紹介します。