YouTube動画を映像ごとAIに読ませるCLIを作った（Gemini API、Python標準ライブラリのみ）
YouTubeの解説動画をAIに渡して「これを踏まえて実装して」とやりたい。字幕を取れば済むと思っていました。ところが取り出した字幕には、話者が「この図のここが問題で」と言った「ここ」の中身が、1文字も残っていません。 画面にスライドが映り、話者は指すだけ。コードのデモは「こう書き換えます」で済まされる。発話を文字にする道具では、画面の情報は残らない。 この穴を埋めるために、小さなCLIを書きました。 既存の文字起こしOSSが読んでいるもの 同じことを考える人は多いらしい。動画をテキスト化するOSSは、調べた範囲でも大きく2系統ありました。字幕をそのまま取る系（yt-dlp、yout...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
編集部の実践記録から
AIが別の会社の説明を返してくるとき、何をすればいいのか（同名・類似名の対処）
社名や商品名が他と重なっていると、AIは自社ではなく別の会社を説明します。記事を増やしても解決しません。当社自身がこの状態で、AI認知スコアは100点中10点でした。その日のうちに直した3か所と、判断の順序を公開します。
続きを読む →
経理は13本、マーケは1本 — 27本の自動化ジョブが教えてくれた「AIに任せてよい仕事」の見分け方
弊社の自動化ジョブは27本ありますが、内訳は経理13本に対してマーケはたった1本。しかも毎朝の定型集計には、あえてAIモデルを一切使っていません。この偏りと設計判断から見えてきた「AIに向く仕事・向かない仕事」の見分け方を、実際の数字だけで書きました。
続きを読む →
ChatGPT検索・Perplexity・Google AI Overviewsは、出典をどう選んで表示するのか
AI検索と一口に言っても、出典の選び方も見せ方もエンジンごとに違います。ChatGPT検索・Perplexity・Google AI Overviews・Geminiが出典をどう扱うかを、公開されている仕組みと画面で確認できる範囲だけで整理します。順位や引用率などの測定値は書きません。
続きを読む →