著者Khamosh Pathak - Lifehacker US [原文]翻訳白井樹（OCiETe） 2023.12.15 lastupdate 2010年代、生産性向上を追求する多くの人たちにとって「Evernote」はの必須のメモアプリでした。 メモや画像、さらにはToDoを使ったノートブックの作成が高速で可能に。また、誰とでも簡単に共有して共同作業ができるようになり、ワンクリックでウェブから何でもインポートできる便利なツールも備えていました。しかも、これがほぼ無料だったのです。 しかし、ここ5年間で状況は悪い方向に変化し続けました。Evernoteは、「それほど高くはない」有料プランを広めようと、無料プランの制限をはじめたのです。 そしてその後、価格は上がり続けました。2023年現在、個人用の基本プランはなんと月額14.99ドル、年間129.99ドルで、プロフェッショナルのプランは月
関連研究 ChatGPTの”ふるまいの変化”を定量的に分析した結果 OpenAI、大規模言語モデルの数学能力を大きく向上させることに成功 GPT-4を使用した知的労働者のパフォーマンスは軒並み向上し、もとの成績が良くないほど顕著。※注意点あり 従来の課題 GPT-4Vは、従来のGPT-4が抱えていたいくつかの課題を解決する形で登場しました。 テキスト中心の処理能力 従来のGPT-4は、テキストデータの処理能力に特化しており、テキストベースの質問応答、文章生成、自然言語理解など、多くの用途で非常に有用でした。 しかし、裏を返せば画像や音声など他のメディア形式に対する対応が不足していました。テキストと画像が組み合わさったマルチモーダルなデータに対する処理能力が限定的でした。 画像入力とプライバシー GPT-4の画像データに対する安全な処理能力には限界がありました。例えばプライバシー保護の観点が
はじめに OpenAIが3月に発表していたものの実装していなかった、画像および音声を取り扱うことのできるマルチモーダルモデル「GPT4-V」のdeployが発表されました。本当に全部この会社がやればいいんじゃないか？ ChatGPTのPlus/Enterpriseユーザーに2週間かけて提供するそうです。最近ChatGPTのほうの処理能力が落ちつつあってGPT-4のAPIばっかり使ってるんですが、ChatGPT Plusは解約できそうにないですね。 GPT4-Vを中心としたV&LのLLMはDocumentUnderstandingの文脈での活用が期待されており、先日Googleを中心としたグループもLMDX: Language Model-based Document Information Extraction and Localizationという論文を発表していました。Geminiなん
レポート OCR実装など機能拡張が続くWindows標準アプリ - 阿久津良和のWindows Weekly Report Windows 10時代は「切り取り領域とスケッチ」に置き換わる予定だったSnipping Toolだが、ここに来て機能強化を重ねている。たとえば2023年の年初には動画撮影に対応。筆者は業務で動画ファイルを使用する場面はほぼないため、検証以上には使い込んでいないが、便利に活用しているユーザーもいるだろう。 安定版Windows(ビルド22621.2283)のSnipping Tool Snipping Toolが続いて搭載する新機能は、OCRだ。公式ブログによると、ディスプレイに映し出されたアプリやスクリーンショットから任意の範囲を指定すると、その内容をテキスト化してクリップボードに取り込み、ほかのアプリで利用できるというもの（もちろんテキスト化が可能なものに限られ
Microsoftは現在、同社が提供するさまざまな製品に対してAI機能を導入することに力を注いでいる。まもなく正式リリースとされているWindows CopilotやMicrosoft 365 Copilotはその代表例である。Windows Centralは8月22日、「Microsoft might bring AI to apps like Paint and Photos」において、MicrosoftがペイントやフォトといったWindowsのデフォルトアプリに対してもAI機能の導入を実験していると伝えた。 著者のZac Bowden氏は、独自の情報筋から入手した話として、MicrosoftがフォトやSnipping Tool、ペイントなど、いくつかのWindows 11のデフォルトアプリにAI機能を追加することに取り組んでいることが判明したと説明している。フォトアプリでは写真内の物
視覚障害者向け Android アプリ「Lookout」にアプリバージョン v4.0（v4.0_reveal_20230811.00_RC03 (arm64-v8a)）アップデートが配信 2023 年 5 月にクローズドベータ機能として提供された画像要約機能「画像モード」を実装 そのほかの機能も最適化 2023 年 8 月 18 日（金）、視覚障がい者向け被写体認識 Android アプリ「Lookout（Lookout by Google）」に対し、プリバージョン v4.0（v4.0_reveal_20230811.00_RC03 (arm64-v8a)）アップデートが配信開始されました。 今回の「Lookout」アプリ v4.0 では、2023 年 5 月にクローズドベータ機能として提供された画像要約機能「画像モード」が、ベータ版として実装されています。「Lookout」アプリの「画像
画像から文字を抽出するサイトやOCRツールをお探しですか？画像をデジタル化したり、テキストを抽出して、検索や編集の効率を上げましょう。ここでは、優れたOCRツールやサイトやテキスト画像の解像度上げるサイトをご紹介します。 OCR とは? OCRとは、Optical Character Recognition（光学式文字認識）の略で、印刷物や手書きのテキストを、機械で読めるテキストに変換する技術です。 OCRシステムは、スキャナやカメラなどのハードウェアとソフトウェアのアルゴリズムを組み合わせて、画像や文書から文字を認識・抽出します。 画像から文字を抽出するツール７選 画像から文字を抽出するOCRツールには、サイトやアプリ、専用ソフトまでさまざまです。ここでは、個人でも使えるおすすめのOCRツール7選を紹介します。 1. LightPDF LightPDFは高精度で無料のオンラインOCRツー
今も細々と開発中のダンプリスト入力ツール！ pocketgriffon.hatenablog.comダンプリストも、基本的には手入力が好きな私。 OCRで文字認識をさせてみても、その間違いを探してどうせ256バイト全部見るくらいだったら、最初から手で打ち込んだ方が早いじゃん…と思ってしまってる。 2017年に一度だけOCRに挑戦してみたが、この時は4%くらいの間違いで済んでいた。このくらいの間違い率だったら使ってみても良いかな…と思っていたが、この当時使っていたタブレットのカメラが高性能だったのか、iPhoneに変えてからはだいぶ間違いが多い。 あの時は既存のツールを使うだけの方法だったけど、今回は認識率を上げるために自分で努力してみる事にした！ どんなツールがある？ 今までOCRのツールに何があるのかなんて気にした事もなかった…。 真っ先に出てきたのが、Google DriveによるOC
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く