AIによる画像認識と音声認識のお仕事

先月より、AIによる画像認識と音声認識のお仕事を少し受けている。

たんに、APIに応答するだけなら、簡単だけど

いろんなニーズがあり、単にAPIに渡す以外のことが必要になることが

よくわかりました。

もっとも重要なのは、「精度」に対するニーズですね。

案件をうけつつ、いろいろテストを重ねて、どう精度を高めていくかという

ポイントや経験値が溜まってきました。

画像は、openaiも、Geminiも、Claudeも比較してみました。

音声に関しては、動画の音声のテキスト化、翻訳、トランスクリプト化などもいろいろ実験しました。

スポーツの実況中継の音声を題材にしてみました。

プロの翻訳家に負けないようなレベルで、AIやシステムだけでどう迫れるかも

実験してみました。かなりいいところまで行くことができました。

テキスト系だけでなく、このような画像認識や音声認識のAI利用もとてもおもしろいですね。

AIの画像認識ツールの作成のご用命は、こちらからお願いします。

音声の方は、出品していませんが、承ること可能です。

いろいろ質問やご相談だけでも、OKです。

そういう話を振っていただけるだけで、私も楽しいので。