
← ゆるコンピュータ科学ラジオ27 Sept · 44 min
100時間かけて動画編集AIを作ったら、気が狂いそうになった。 #247
<p>【PR:Surfshark】</p><p>プロモリンク <a href="https://surfshark.com/yurucom" rel="ugc noopener noreferrer" target="_blank">https://surfshark.com/yurucom</a> にアクセスするか、チェックアウト時にプロモコード yurucom を使用すると、Surfshark VPN が4か月分追加されます!</p><p>30日間の返金保証付き!ぜひご利用ください!</p><p><br /></p><p>動画編集AIを作ったら、狂いそうになった話です。AIのキモい認知特性に振り回されまくったよ!</p><p><br /></p><p>【目次】</p><p>0:00 動画編集AIを作ってみた</p><p>0:37 AI 「勝ち筋が見えた」</p><p>2:50 動画を見ずに編集しててキモい</p><p>7:30 話者識別がうまくいかない</p><p>13:09 テロップの文言は高クオリティ</p><p>14:20 ずっと画面右端がはみ出す</p><p>18:31 「測る」って難しい</p><p>24:14 人間向けはAIにとって高コスト</p><p>28:46 AIは「笑い」が分からない</p><p>37:28 使いものになった動画編集AI</p><p>41:13 お得意様のSurfshark</p><p><br /></p><p>【参考文献】</p><p>◯OpenAI「Introducing Whisper」( <a href="https://openai.com/index/whisper/" rel="ugc noopener noreferrer" target="_blank">https://openai.com/index/whisper/</a> )</p><p>→Whisperの概要と、Web由来の多言語・多タスク音声データで学習したことを確認。</p><p>◯arXiv「Investigation of Whisper ASR Hallucinations Induced by Non-Speech Audio」( <a href="https://arxiv.org/abs/2501.11378" rel="ugc noopener noreferrer" target="_blank">https://arxiv.org/abs/2501.11378</a> )</p><p>→非音声で起きるWhisperの幻覚と、「thanks for watching」系の定型句が頻出する実験結果を確認。</p><p>◯GitHub openai/whisper Discussions「Share your hallucinations here #1873」( <a href="https://github.com/openai/whisper/discussions/1873" rel="ugc noopener noreferrer" target="_blank">https://github.com/openai/whisper/discussions/1873</a> )</p><p>→無音や交通音で「ご視聴ありがとうございました」が出た公開報告を確認。</p><p><br /></p><p>【サポーターコミュニティへの加入はこちらから!】</p><p><a href="https://yurugengo.com/support" rel="ugc noopener noreferrer" target="_blank">https://yurugengo.com/support</a></p><p><br /></p><p>【親チャンネル:ゆる言語学ラジオ】</p><p><a href="https://www.youtube.com/@yurugengo" rel="ugc noopener noreferrer" target="_blank">https://www.youtube.com/@yurugengo</a></p><p><br /></p><p>【実店舗プロジェクト:ゆる学徒カフェ】</p><p><a href="https://www.youtube.com/@yurugakuto" rel="ugc noopener noreferrer" target="_blank">