音声メモをローカルで文字起こしし、Llama 3.2 3B を微調整して辞書化・構造化した JSON を生成するツールを開発した。
Llama 3.2 3B（LoRAでファインチューニング）、Whisper/Parakeetでの文字起こし、Unslothでのトレーニング、GGUF（llama.cpp）での推論
2025-09-02
- ウェブサイト
ハイライト 1
ファインチューニングされたLlama 3.2 3Bによる強力なタスク特化で、正確な構造化JSON出力を実現。
ハイライト 2
軽量かつ効率的 — GPU上でローカルに実行可能。8GB VRAMでも外部APIに依存せず動作。
ハイライト 3
オープンソースリポジトリを通じて共有される透明性のあるトレーニング・評価パイプラインにより、再現性を促進。
改善 1
データセットの多様性が制限されている — シードデータとして使用された実際のメモはわずか13件。より幅広いデータセットにより汎化性能が向上する可能性。
改善 2
技術的セットアップにはローカルML環境への習熟が必要で、非技術的ユーザーには障壁となる可能性。
改善 3
専用のUIがない — ユーザーはスクリプトやLM Studioを通じて操作する必要があり、一般ユーザーへのアクセシビリティを低下させる。
製品機能
コマンドライン操作に不慣れなユーザー向けに、より簡単に操作できるデスクトップまたはWeb UIを追加する。
UI & UX
抽出されたJSONフィールドの可視化を提供し、検出されたエンティティ、アクション、タグをハイライトしてユーザー体験を向上させる。
SEO またはマーケティング
GitHub Pages、Medium、YouTubeなどのプラットフォームでベンチマーク、ユースケース、デモ動画を公開して発見性を高める。
多言語サポート
英語以外にも、スペイン語、中国語、アラビア語などグローバルユーザーに対応できる文字起こし・構造化機能を拡張する。
- 1
このツールは何をしますか？
音声メモを文字起こしし、タイトル、タグ、エンティティ、日付、アクションなどのフィールドを含む構造化JSON出力に変換します。
- 2
利用にはインターネットや外部APIが必要ですか？
いいえ。完全にローカルでGPU上で動作するため、OpenRouterや他の外部サービスは不要です。
- 3
推奨ハードウェアは何ですか？
RTX 4090（学習に4時間）やRTX 2070 Super（8時間）などのコンシューマーGPUで動作します。推論はLM Studio上でGGUF量子化により効率的に行えます。