Daisuke TAKAGO

[Daisuke TAKAGO @metalslime2023]

研究室に空間再現ディスプレイ ELF-SR2 が仲間入り🙌
①Gemma4（画像生成プロンプトの生成）
②Krea2（画像生成）
③pixal3d（3Dメッシュとテクチャ生成）
④mixamo （リギングとアニメーション）
⑤Unity（ELF-SR2用のシーンを実行）
という流れでやってみた所，うまく裸眼立体視できました．感動！

[Daisuke TAKAGO @metalslime2023]

(1)TripoSplat https://t.co/pW7iaYO3qC と(2)FaceLift https://t.co/RepJFSogZl を比べようと思ったのだが，(2)のConda環境をBlackWell(50x0)で作るのに5hも試行錯誤した．結果的にTorch2.8（CUDA12.9）を用意してxformers-0.0.31をリビルドすると動くが，他のハマり所も多く，ここまで辛いのは久々．

[Daisuke TAKAGO @metalslime2023]

Openlive3Dを少し改造して（貰って），Linux用デスクトップを楽しくしてみたー（アバターはデフォルトのもの）．

[Daisuke TAKAGO @metalslime2023]

自分の環境だとcosmos3のプロンプトアップサンプラ出力がhttps://t.co/rUy1z0Amci のサンプルと同じにならない（Gemma4 がテンプレートに従わないだけ？？）．とりあえず cat prompt_0.json | jq '.prompt | fromjson' > prompt_0x.json
のようにフィルタリングしてやると，サンプルと同様になった．

[Daisuke TAKAGO @metalslime2023]

自己満足ニュースの時間です．Linux環境でストレスの少ないAI音声対話環境作りたかったのだが，OpenWebUI/ Gemma4/ Silero VAD/ Qwen3-ASR/ Aratako IrodoriTTS/ Google WebRTCでなかなかいい感じになってきた．そろそろ昼ゴハンと夜ゴハンを食べよう．

[Daisuke TAKAGO @metalslime2023]

OpenWebUIで音声モードを使うと，日本語音声を入力しても外国語に誤判定されてしまいチャットが破綻してしまうことがよくあった．試しにvllmを一部書き換えてTTS出力から日本語と英語以外のテキストブロックを常に削除するようにしたところ，とてもいい感じで音声チャットできるようになった．

[Daisuke TAKAGO @metalslime2023]

デスクトップ選択領域をGemma4に説明 or 翻訳してもらうシステムトレイ アプリをGeminiに作ってもらいましたー． 最近の情報技術はすごいですね．

https://t.co/LedwAu8ifr via @YouTube

[Daisuke TAKAGO @metalslime2023]

8時間格闘してfacebook researchのsam-3d-objects を5090で動かせました（画像はhttps://t.co/3VTEHInoN4の出力）．sam-3d-bodyは先日簡単にできたので甘くみてました．

次のページが大いに参考になりました（それでも，そのままというわけにはいかず試行錯誤が必要でした）
https://t.co/OaCwCugNJd

[Daisuke TAKAGO @metalslime2023]

日本語版Wikipediaをkiwix-servで用意して、更にそれに接続するMCPサーバを作ってみたら、なかなかいい感じだった。

[Daisuke TAKAGO @metalslime2023]

Pixal3Dという3Dモデル生成AIがリリースされていた.
とりあえずHuggingfaceのSpaceで試そうとした所，無料枠の利用制限に引っかかって使えなかった．仕方なくローカル実行環境を構築して試した．幾つか3Dモデルを生成させてみたが結構良い出来だった．https://t.co/jF0M4GEGgf

[Daisuke TAKAGO @metalslime2023]

Linuxにarduino-cli をいれて使ってみた．コマンドラインで完結するのでオレオレ不快指数が0になった．

[Daisuke TAKAGO @metalslime2023]

漫画生成ツールが遂に仕上がりました（使ったもの：Gemma4 + ErnieImage + Diffuser s+ FastAPI +Streamlit ）．面白い！

[Daisuke TAKAGO @metalslime2023]

漫画生成ツールを作ってみた https://t.co/7ikB7gL5d5 via @YouTube

[Daisuke TAKAGO @metalslime2023]

担当科目のWebページ（トップページのみ）をChatGPTに放り込んで漫画化してもらったよ．

[Daisuke TAKAGO @metalslime2023]

code も同じ症状がおきていたので
code-1.109 にダウングレードした

https://t.co/EONmD5jmxr

[Daisuke TAKAGO @metalslime2023]

code-server-4.118.0をいれて
"terminal.integrated.enableImages": true,
に設定したところ，ターミナル画面がかすれて見にくかった．

4.109.0にダウングレードしてとりあえず回避（↓情報源）
https://t.co/bAvHQlD669

[Daisuke TAKAGO @metalslime2023]

ollama-0.18.1からOpenAI互換EPに"reasoning_effort"が追加されていた．実にありがたい！

[Daisuke TAKAGO @metalslime2023]

GStreamerに加えてcudnnも有効化したopencv-pythonをconda環境下でなんとかビルドできた．つかれたー．

[Daisuke TAKAGO @metalslime2023]

GStreamerに対応したopencv-pythonをようやくconda環境下でビルドできた．うれしい．

[Daisuke TAKAGO @metalslime2023]

①PDFMathTranslate Next
②ollama
③translategemma-27b
で作る翻訳環境がとてもよかった．