GPT-4oが発表されて、みなさんの各種検証結果を読んでるけど出力速度は高速だし、Text-To-Speechの感情表現もすごいなあ。 この前までClaude3 調べてたのに、ほんとついていけぬ。企業活用側も、あのモデルで検証してたのにまたおにゅーなのでたのか〜！って目が回りそう🍥

この流れだと、各大手クラウドの Speech to Text の品質が爆上がりする流れがくるっぽいな。さらに映像を食わせる口としての WebRTC SFU の需要が増えそう（妄想）。

返信先:@rena_zr_exrpこれかな？ mihara-ichiro.com/modules/pico3/…三原皮膚科%20-%20かんぽう（汗疱）&text=汗疱とは、手,て割れることもあります。 なんにせよ皮膚科受診やね

OpenAIの発表について気になっていたことをまとめた GPT-4oについて ・GPT-4 Turboと同じくらいの賢さ ・2倍早い、50％安い、rate limitsが5倍緩和 ・マルチモーダル（text, audio, video） ・ChatGPTでは無料枠でも使える ・ChatGPT Plusでは、メッセージ制限緩和や新機能の早期アクセスあり…

> across audio, vision, and text in real time テキスト会話AI が音声や映像を入力に判断して答えてくるってこと？ そんなのが公開されるのか

Text to speechあるんか 登録しよかな

返信先:@hinata_reiraなんなら、C#にも…System.Text.Jsonってのがあるっていう…

#創作企画 <text>作成可能キャラクター⑤</text> 【希望の子】 『あの子は目立たない子なんです』 『でもとっても努力家で』 『だからこそ本当に恐ろしい』 pic.twitter.com/x49RSef02Q

返信先:@Shinozakikurehaわたしもなったことるけど遅延生のアレルギーかも 長引くようだと市販のではなかなか治らないかもなので、皮膚科でお薬もらった方がいいかもです kaoru-shonika.jp虫刺されにご注意#:~:text=蚊に刺されるとか,ておこるアレルギー反応です%E3%80%82

返信先:@hrx1uTranslate text with your camera このレビューを共有していただきありがとうございます 👍❤️

OK Microsoft Server Speech Text to Speech Voice (en-US, ZiraPro) NG Microsoft Server Speech Text to Speech Voice (ja-JP, Haruka) 中国人の書いてたことと一緒やな。 とはいえ、当該DLLはマシン内に存在しないぞ 先頭の ch は中国を意味する気がするし

意外と言えない！日常生活英語表現👔 💻ビジネス編📈 1. enlarge the text テキストを拡大する 2. shrink the text テキストを縮小する 3. specify a range 範囲を指定する 4. undo the changes 変更を元に戻す 5. proofread the document 文書を校正する 6. rename the file…

単なるtext 2 text の新モデルじゃなくて完全なるネイティブのマルチモーダルモデルっていうのがすごく気になるなぁ

ミッドジャーニーのおすすめプロンプトその47 「名詞 , text glowing 色"テキスト" , The text Emits a strong light hovers above the ground --ar 16:9 --no sign board --v 6.0」 このプロンプトを使えば、浮いたテキストが光って、周りを照らす効果が得られます。… pic.twitter.com/oUnmrFishu

【OpenAI Spring アップデートのまとめ】 1️⃣GPT-4o APIを発表 　GPT-4Turboと比較して 　・２倍高速 　・半額（すげぇ） 　・５倍まで利用できる（レートリミットが緩和された） 2️⃣音声の実装（Text-To-Speech） 　・回答までのスピードの向上 　・感情表現の実装 　・歌が歌える（！？）…

GPT-4oの機能1 音声の実装（Text-To-Speech） 全体的な応答速度の向上だけではなく、相槌や感情表現が可能に。 pic.twitter.com/AH8fSRxEBU

「自分のことを1分間英語で話してみる」 ⑥両親 パターンB 父が寝たきりで母が介護しています。 Here, I simply read the text as it is, so it's not about me personally. pic.twitter.com/kCkcrhr5Ge

Hey there. （おはよ。） #みこみこアート (AIみこみこアート) おはみこ～～～💜 【MadeWithAI】aiFanArt / aiArt / nijijourney6 / Text2Image / Google画像検索チェック済み pic.twitter.com/zALhLibaTq

起きたらGPT-4oが発表されてました。やはりオーディオも含めend-to-endで扱えリアルタイム対話可能なモデルとのこと。 "With GPT-4o, we trained a single new model end-to-end across text, vision, and audio, meaning that all inputs and outputs are processed by the same neural network."

kaggle.com/code/andradaol… おもしろそうなのを見つけた image to Text これをControlNetに組み合わせたら精度アップするかも

2024-05-14 #3 See the prompt in the ALT text. #AIイラスト 公開プロンプト pic.twitter.com/Me69pa6Spx

そうなんだ😭 音声合成がAPIにパックされているかは不明であるため、APIで使う場合は別途text-to-speech APIを叩くか自前で用意しなければならないかもしれません。つらいですね。 リリースされたGPT-4oを使って動画のサマリー生成をしてみる！ qiita.com/sakasegawa/ite… #Qiita

ディストピア・サバイバル・テキスト = Dystopian Survival Text : 命も財産も全て奪われる日本人のための : 備えよ、2024年その凶暴なプランが露わになる! / 飛鳥昭雄 著 東京 : ヒカルランド, 2024.4 ndlsearch.ndl.go.jp/books/R1000000… amazon.co.jp/o/ASIN/4867423…

うわあああああああDPR LIVEのText Me歌うジョンソプさん見つけてしまってまじでやばい、やばいしか言えなくて申し訳ないけどまじでやばい、このラフさもたまらんかっこよすぎる pic.twitter.com/zyv1pQVOCa

ChatGPTに新しい機能が増えてる。 GPT-4o GPT-4o will be available in ChatGPT and the API as a text and vision model initially. Specifically, GPT-4o will be available in ChatGPT Free, Plus, and Team and in the Chat Completions API, Assistants API, and Batch API. pic.twitter.com/Zcaj7tNsjk

返信先:@samaTwitterのlong text postのsummaryを表示する機能、今すぐlaunchできるはず 欲しいですね日本語Twitterに

GPT-4o API発表: GPT-4Turboに対して: ・２倍高速 ⏩ ・半額 💰 ・RateLimit緩和による最大5倍利用可能 🔄 ② 音声の実装（Text-To-Speech）: ・応対スピード向上 🗣️ ・感情表現の実装（感情こもりすぎ 😅） ・歌唱の実装（本当に歌えるのかな？ 🎶）… pic.twitter.com/wV4bA2jzb7

GPT-4o API発表: GPT-4Turboに対して: ・２倍高速 ⏩ ・半額 💰 ・RateLimit緩和による最大5倍利用可能 🔄 ② 音声の実装（Text-To-Speech）: ・応対スピード向上 🗣️ ・感情表現の実装（感情こもりすぎ 😅） ・歌唱の実装（本当に歌えるのかな？ 🎶）…

🚀【OpenAI Spring Update Summary】🚀 ① GPT-4o API発表: GPT-4Turboに対して: ・２倍高速 ⏩ ・半額 💰 ・RateLimit緩和による最大5倍利用可能 🔄 ② 音声の実装（Text-To-Speech）: ・応対スピード向上 🗣️ ・感情表現の実装（感情こもりすぎ 😅）…

返信先:@Koba_1975他8人I could read the lyrics, thanks! I'm very impressed with the result. Because each chunks of sentences are very natural to me! If I point out one text, below text combination seems unrelated "ユミちゃんのトラブル, いつも笑顔" -> "Yumi-chan's troubles, always with a smile" This…

うへー、動画+音声いけるじゃんって盛り上がってたけどwisperで音声認識した結果をキャプションとして「いつも通りのtext + 画像 + 画像のキャプション」で送れるよってことか... いや、凄いけど動画ファイルそのままいけると思ってた pic.twitter.com/M0OnuMqXj5

gpt-4o触ってみたけどやばすぎる、、、 gpt4の精度のままで、日本語の表現力が格段に上がってる、、 しかもmovie to textもtext to speachもできるってことは、AItuberに革命起きるなこれ 「配信トーク」としても面白い配信にできそう gpt-4o＜「一発かませば」 pic.twitter.com/Ce4PvdA62M

ここで紹介されているようなことが後にAPI介してできるようになるのかな openai.com/index/hello-gp… > GPT-4o, we trained a single new model end-to-end across text, vision, and audio, meaning that all inputs and outputs are processed by the same neural network. と記載されているし pic.twitter.com/3hVZffHlXW

“With GPT-4o, we trained a single new model end-to-end across text, vision, and audio, meaning that all inputs and outputs are processed by the same neural network.” 中間表現としてのテキストを経由していないので、音声の細かいニュアンスも伝播するというデモだったのね

Text to Fontっていうリーク情報はなんだったのか

返信先:@m_oO_03Translate text with your camera 子供がいると、あなたの顔はいつも笑顔になります👌😊❤️

一つのニューラルネットワークで三つのモダリティ（text-audio-vision）すべてを処理する - アンドレイ・カルパシー（元テスラ、元OpenAI）

GPT-4o、PerplexityProユーザーとしては、音声入力とかビジョン周りもPerplexityで使えるようになるのかは気になる所。 コストも下がるのでTextの方はすぐにでも導入されるでしょうが。

2.音声機能の強化（Text-To-Speech）: •応対スピードの向上。 •感情表現を含む音声応答の強化。 •歌唱機能の追加。 •対話中の空白を埋めるための相槌機能。 3. Visionによる資格の実装: •動画をリアルタイムで解析し、音声で回答。 •動画視聴中の数学問題解決の支援。

元々あったVoice modeとの違いについては - 途中で会話遮ってもOK - リアルタイム性（もともとは2-3sのラグがあった） - 話者の声から感情を汲み取ったり、逆に声のムードを変えたりできるとのこと 以前のように生成部とtext to speechの組み合わせではなくE2Eのモデルらしいのでこういう機能あるのか