Naoto Yokoyama

Software Engineer / Indie game dev

[Naoto Yokoyama @builtinnya]

https://t.co/8OvMoBBpuX

[骨しゃぶり @honeshabri]

あまりアニメを見ない友人がフリーレンのアニメ見ているというから珍しいと思って話を聞いてみたら、原作で良かったシーンまでシークバーで飛ばしてそこだけ見ているとのこと。倍速視聴を超えてここまで来たか

[骨しゃぶり @honeshabri]

これで100点はヌルゲーだろ。いっそのこと上限撤廃しろ。 #あすけん

[Naoto Yokoyama @builtinnya]

Gemini Diffusion の速さをみてると、人間の処理の遅さがボトルネックになっている感がますます強まるな。生成速度に比べて生成物を解釈・レビューする速度が遅すぎる。Human-in-the-loop などとは言ってられず、Human-out-of-the-loop を目指すべき、ということに当然なる。

[骨しゃぶり @honeshabri]

購読者向けに『人間バッタの真実』を書いた https://t.co/nmXf3pFzMU

[Naoto Yokoyama @builtinnya]

Building this dora effect entirely from graphic primitives was way more fun than I expected!
#indiegame #IndieGameDev

[Naoto Yokoyama @builtinnya]

すでに十分騒がれている通り FramePack 素晴らしいな。
画像1枚のみから一貫した動きを作るという点では、（少なくとも自分のユースケースにおいて）ローカルマシンで簡単に生成できる FramePack が今まで使ってきた有料動画生成 AI サービスより良いというのがすごい。

[Naoto Yokoyama @builtinnya]

そろそろ動画生成AIにおいて漸進的生成を頑張って試しても良さそう。また昔生成した動きを改善した例だが
Kling Multi-Elements Swap

[Naoto Yokoyama @builtinnya]

Chilling on top of a ruined skyscraper in a post-apocalyptic city.
Image: Midjourney v7
Video: Kling 1.6

[Naoto Yokoyama @builtinnya]

3年間少なくとも週5ペース、しかも普段読んでいれば分かるがきちんと内容のある投稿を続けるのは並大抵のことではない。積み重ねた信頼はとてつもないはず
https://t.co/zGdWvxwDgx

[骨しゃぶり @honeshabri]

購読者向けに『気がついたらマガジンを始めて3年が経っていた』を書いた #note https://t.co/cBaIVxyc0V

[骨しゃぶり @honeshabri]

購読者向けに『気がついたらマガジンを始めて3年が経っていた』を書いた #note https://t.co/cBaIVxyc0V

[Naoto Yokoyama @builtinnya]

MusePose で遊んでたときから1年も経ってないのに動画生成AIも随分変わったな
左: image + open pose vid + MusePose
右: KLING 1.6 img2vid (Elements)

[Naoto Yokoyama @builtinnya]

自分も似たようなことやったけど、AI に動画につけてもらった曲をブラッシュアップしてるのか。自分はほぼ編集で誤魔化した - AIで一番星はてのミュージックビデオを作った https://t.co/U2Ys5yVmvZ / “1枚の画像からAIで曲を作り、ミュージックビデオを完成させるAI制作ワ…” https://t.co/CavjSGEasS

[Naoto Yokoyama @builtinnya]

ほぼ作業コストかかってない。
仕事中にちょっと思いついたアイディアを終わってから形にするのが簡単。これからも AI の進歩が楽しみすぎるな

[Naoto Yokoyama @builtinnya]

ChatGPT 4o 画像生成の性能が良いおかげでこういうちょっとしたものを作るハードルがかなり下がってる。
AITuber とか AI ポッドキャスター的なものも AI の進化にしたがってメジャーになるものがでてきそう
https://t.co/4uE5Pdeitw

[Naoto Yokoyama @builtinnya]

AIキャラクターによるAI台本によるAIボイスによるビデオポッドキャスト（というコンセプト動画）
※動画中の記事やコメントはフィクション
画像生成: ChatGPT 4o
動画生成: Hedra (Character-3 model)
ボイス: にじボイス（ロザリア・ガーネット）
台本: Gemini 2.5 Pro
字幕: Filmora（ほぼ自動生成）

[Naoto Yokoyama @builtinnya]

公式Xアカウント: @1ststar_hateno
公式開発ブログ: https://t.co/DSGlDjIYII

[Naoto Yokoyama @builtinnya]

AIキャラクターによるAI台本によるAIボイスによるビデオポッドキャスト（というコンセプト動画）
※動画中の記事やコメントはフィクション
画像生成: ChatGPT 4o
動画生成: Hedra (Character-3 model)
ボイス: にじボイス（ロザリア・ガーネット）
台本: Gemini 2.5 Pro
字幕: Filmora（ほぼ自動生成）

[Naoto Yokoyama @builtinnya]

文化的な偏りがどうとかはともかく、ChatGPT画像生成のコンテンツポリシーによる検閲の仕組みがよく分からない。プロンプトや生成物を見ているのは当然として、例えばアニメでもこのようにヌード表現は出力できることがある。明らかにNGそうなものが1つでも通るのが気になる
https://t.co/V92zkAfZbQ

[Naoto Yokoyama @builtinnya]

当時できなかったことを言及した投稿。ポストしてなさすぎて遡るのが簡単すぎた
https://t.co/hSHtQXLtqV

[Naoto Yokoyama @builtinnya]

The output for "Brand placement - logo on coaster" on the GPT-4o's introduction page looks too perfect. How can I reproduce it? I tried using ChatGPT 4o model myself to reproduce the result, but I couldn't get it to work well. Am I missing something?

[Naoto Yokoyama @builtinnya]

2024年5月13日に OpenAI が初めて ChatGPT 4o を発表したときにデモで示されてたロゴを埋め込む例、ようやく本当に ChatGPT 4o からできるようになった。
ChatGPT 4o ネイティブ画像生成の性能はもはやこの例で確認するまでもないだろうが、1年も経ってなくて素晴らしい
参照: https://t.co/6XsoZmn3HK