Sumi

化学から音声界隈に頭まで身を沈めることになった限界ｵﾝﾆｬﾉｺ院生 成り行きと時制で博士課程に進学した奴 声質変換・音声合成が領域らしい HomeLabは趣味 仮想世界に侵食されるなど 細やかなLinux過激派(NixOSはいいぞ) 発言は私個人の見解です

[Sumi @sumiNull]

nixをやったりHomeLabをやったりする院生的なｵﾝﾆｬﾉｺです

[Sumi @sumiNull]

かなり長い間足踏みしてしまった

[Sumi @sumiNull]

データ量な気はしている

[Sumi @sumiNull]

fp16混合計算は無理と

[Sumi @sumiNull]

LRの減衰させない方が良い?

[Sumi @sumiNull]

copilot、またクソになった

[Sumi @sumiNull]

結局、雰囲気でやっているからこういうことになると

[Sumi @sumiNull]

機械学習初心者でした、ハイ

[Sumi @sumiNull]

適当なobsidianプラグインを作ってもらった

[Sumi @sumiNull]

基本的にはdeepseek-v4-flashで運用するのが良さそう

[Sumi @sumiNull]

お金は無いからopencodeを使っているが中々良さそう

[Sumi @sumiNull]

何でこれであの性能が出ているのかずっと分からない

[Sumi @sumiNull]

バッチサイズの影響はいかほどか

[Sumi @sumiNull]

AMPの不適な使用がダメだった説あるな

[Shuhei Imai (Nuts) @Nuts99618279]

Antグループが16.8B-A3BサイズのTTSモデル（音楽なども生成可能）を公開。
TTS分野にもモデル巨大化の波が着々と来つつある。

https://t.co/1pYGxlCwdm

[Sumi @sumiNull]

あぁ

[ZD1908 @ZDi____]

Announcing MOSS-TTS-PNY 1.7B v0.1
Finetune of the MOSS-TTS-Local model with fixed speaker embedding + a custom iSTFTNet3 vocoder that intercepts the MOSS tokenizer's features and outputs 48KHz audio.
Runs 1.8x realtime on a single RTX 5090 w/PyTorch:
(see replies)

[Sumi @sumiNull]

うーん就活...

[Sumi @sumiNull]

ｴｰｱｲってやつの研究しているがｴｰｱｲ生成のものは嫌い

[Mamoru B Komachi @mamoruk]

YouTube のデータを使った研究は誰でもできる！研究したい人はアカデミック申請をすればちゃんとデータが取れるようになるので申請を忘れずに（1年くらい待たされることもあるので、できるだけ早く）。有益情報だった #JSAI2026

[Sumi @sumiNull]

やっとちゃんと動いた