AIによる音声処理の限界
おはようございます。 最近気づいたこと、めっちゃくちゃ当たり前のことなんですけど、
めっちゃくちゃ当たり前でもないのかな? 声が出ませんね。めっちゃくちゃ当たり前でもないのかな?
あのね、
AIで今何でもできるじゃないですか。 何でもできるでしょう。ほぼ。と思ったんですよ。
でね、今このまさにですね、この録音もそうなんですけど、 これ今録音してますけど、収録してですね、アップするまでに、
そのなんとかね、今ねマイクなくしちゃったのねまた。 マイクがないもんだから、
うんと、そのまま撮ってるんですよ。これあの、 スマホで。ああ、声が枯れるなあ。なかなか直りませんなあ。
ね。でね、そうするとですね、 声が震える。ああ。ね。そうすると、えっと、
雑音が入るんですよ。で、あのノイズキャンセリングとかが、 うまくいかないからね。で、音の大きさもちょっとうまくいかないし、 いつもマイクだったら胸のとこにくっつけて、
それで録音しているので、えっと、音の大きさも距離もね、保たれてるからまあまあ。 まあそんな良いマイクじゃないんだけどね。
そのゲインコントロールまでできる良いやつじゃないんだけども、 ホリーランドのやつですけども、
DJIのマイク3いいねやで。ゲインコントロールができる。 自動ゲインコントロールするやつあれいいな。まあいいんですけどね。
というのはないわけで、だから適当に撮ってるわけ。 あと後で聞くと音小っちゃかったり雑音が入ったりするわけ。
これを、だけど最近もうね、いいやと思って適当に撮ってる。
なんで適当でいいかというと、その後でね、 無料枠でやってるんだけどほとんどね。書きましたことないんですが、
フリーオーディオアドレスシスティットカーみたいなやつ。 たまに僕間違えて入れちゃってる時ありますけど。
なんかね、なんだからオーディブルじゃなくて、 オーディなんとかっていう、
あのポッドキャスターの人がよく使ってるっていう、 ポッドキャスターかしらんけどよく使ってるっていうですね。
あの音声をそこにアップロードすると雑音を消せたり、 雑音、音楽だけ残したりとか色々選択できるんだけど、
雑音消して、綺麗に音の大きさも調整して、 スタジオで撮ってみたら綺麗な音に変えるっていう、
そういうサイトがあるんですよ。それAIでやってるんだよね。 そういうサイトがそこに投げてるんですよ。
だからこれ割と綺麗に聞こえるんですよ。 多少マイクなんか安物でも、そこの一回フィルター通しちゃうと綺麗に聞こえるんでね。
なんかアドビのサービスもあるらしいけどね。 アドビのサービスはちょっと使ってないんだけど、
そっちで今使ってるやつでこと足りてるもんだから、 特にアドビのやつやってないんですけど、同じようなサービスがあるらしいね。
AI開発におけるデータ不足の課題
それをAIでやってるんだって。 っていうことだったらさ、うちにフェイブルファイブあるじゃんと思ってね。
フェイブルファイブでそういうアプリを作ってみようと思ってやったんだけど、 結構トークン使ったけど全然うまくいかなくて、
なんか変なんですよね。全然精度が悪いの。 そこで気づいたわけ。これ作れないなって。簡単には。
なんでかって言うとですね、雑音とは何かっていうことがうまく定義できないからですね。
雑音って何ですか。周波数ね。 だからさ、
難しいわけ。雑音というのが何かデータというのが世の中にないんですよ。簡単に。
なので、雑音の周波数というのをAIが特定できないわけ。簡単に。 そのためには、そういうデータがどこかにオープンデータであればね。
それを使えば簡単にできるんだけど、そんなオープンデータ探したけどないわけ。 あんのかな。ちょっと僕が見つけられなかった時かもわかんないですけど。
雑音を定義しているオープンデータ。 なのでですね、その定義を決められないので変な風になっちゃう。
のでね、ちょうど綺麗に雑音だけ聞いてちょうどいい感じの音に。で、ラジオのポーズキャストの音がちょうどいい音の大きさがどのぐらいかっていうデータも僕は見つけられてないわけ。
なのでですね、できないわけ。なのでこれにはですね、大量のサンプルが必要なんです。おそらく。
大量のサンプルから人々がポッドキャストで消したい雑音とはどの周波数のどういうものか。 どのぐらいの音の大きさ。どのぐらいちっちゃくすれば聞きやすいか。
みたいないろいろがあるわけでしょ。これがね、片っ端からできないんですよ。 だからそのデータがいるんだこれ。大量の。
ということに気がついた。当たり前ですけど。何に気がついたかというと、こんなもんかな。
AIサービスと再現可能性の違い
よいしょ、こんなもんかな。何に気がついたかというと、AIで提供されているサービスというものと
AIで簡単に再現できるサービスというものとは全然別だったなということに今更気がついた。
すごいAIがあれば、簡単にできるんじゃないかと思ったんだけど、やっぱすごいAIがあってもデータがないと
できないんだね。というものがあるんだね、世の中にね。顧客データとかね。だってさ、いかにすごいAIでもさ、皆さんのさ、会社のさ、顧客データなしです。
顧客に合わせた商品出せないでしょ。だって顧客データがないんだ。みたいなことでね。非常に非常に極めて
極めて当たり前なんですけど、データを必要とするインターネットに転がっているデータではない個別のデータを必要とするものって
AIで再現するのはむずいなぁと思ったわけです。こういうむずい当たり前の気づきだと思うんだけど、
あが、あそうかと思いません?なんか。僕は非常に思った。で、だからな、というか定義が簡単で、インターネット上にいっぱいデータがあるようなもので関しては、
まあすごく簡単に、例えばそうだろうな、まあなんだろうな、例えばなんだろうな、僕が簡単に再現できたのは
だからそういう、例えば、まあちょっと言うと
言わ、ちょっと言えないな、あのー、言えないですね。
えー、なんて言うかなぁ
なんて言うかな。法律的にやっていいかどうかっていう微妙な話とかありません。AIでできちゃうでしょ。
それさ、あんまり堂々と言いたくないね。
ということで、ちょっと言えませんけど、いろんな社会にあるサービスで、えーと、簡単にパクれるものとかいっぱいあるんですよ。
なんなら、AIによってこれパクってよって言ったらパクってくれたりするんですよ。
えーと、その点は、あーんとなんとかAIによってパクってくれたりくれなかったりするランクとかレベルとか違うので試してみないとね。
えー、ものによってはね、えー、チャットGPTの方がやってく、GPTって言うかコーデックスですけど、コーデックスの方がやってくれたりとか、あのー、プロロードコードの方がやってくれたりとか、
やってくれるレベルは違うんですけど、まあやってくれたりするんだけど、えーと、
音声ノイズ除去の難しさとAIの提供
っていうのでまあやって、あのー、なのでその音のね、発音消すやつもさ、まあ無料枠でできるようだけどさ、対応にやるとさ、有料になっちゃうからさ、自分でそのアプリを作ってみようと思ったんですよ。
ね、で自分で作ればさ、もう永遠に使えるじゃん。
ということで無料、無料って言うかな?無料ではないけど、普通のサブスクの、あのいつもやってるGPTとかで、
そのエンジン使ってやれば、なんかあの安い、安いというか、お気軽かなーと思って遠慮なく、
あ、無料枠使い切っちゃったみたいな、課金するかなどうしようかなーみたいなこと考えなくてもいいから、自分で作っちゃおうと思って。
前あの、まあ本当はやっていいのかどうかわからないけど、あのー、
ね、ちょっとあるものを、えー、AIで再現して、同じやつを、あの要は、なんとかエンジニアリングっていうね、リバース違う、なんだっけ、なんか人のプログラムを読んでばっくるやつ、ね、
えー、あれで同じやつを再現して、作ったやつが、あのコピーしたんじゃないよ、AIがそれの本質を考えて、
えー、また書き直すんだよ、だから、一応法的には別のものだから、まず僕それ売っても別にいいんだろうけど、
それ売っちゃうと、やっぱなんか元に作った人からの、あのやっぱり文句が来る可能性があるってことで、まあやってませんけど、そういうようなことができるでしょ?
うーん、ところが、音声の雑音取るとかはめちゃめちゃ難しかった。えー、もう一回言いましょう最後に。
えー、もうこれでお職場に着きました。AIで提供されるサービスと、AIで簡単に再現できるサービスは、別の話だよっていうね、
AIで提供されるという定義ね、で、その、えー、freeなんとかドットカウンみたいなやつも、AIで提供されてるんだよ、僕に、AIでやってるんだもん、だって。
AIでやってんだけど、AIでやってるからといって、AIで簡単に再現できるわけではなかった、フェイブルファイブでもできなかった、
当たり前だけどね、えー、というなんか、あーそうかーと思った、なんかすごい当たり前の話なんですけど、申し訳ない失礼。
はい、それではね、着きました。さようなら。
