基礎知識 SearXNGをMacで構築する方法｜DockerとJSON出力設定まで解説
ChatGPTなどのクラウド型AIでは、Web検索はほとんど意識することなく統合されています。最新情報を取得し、文脈に沿って要約してくれる体験は、すでに当たり前のものになりました。一方で、ローカルLLMはRAGによって手元の文書を検索・参照...
基礎知識 
AIテキスト LLMでニュース本文の最適CSSセレクタ自動発見を試す【DOM解析×Ollama】
前回の記事では、VLモデルを用いたOCRによる本文抽出を試しました。簡易的な用途であれば十分に機能しますが、精度や処理速度には限界があります。そこで今回は、画像ではなくHTMLそのものに着目し、LLMを使ってDOM構造を解析するアプローチを...
AIテキスト Ollama×VLモデルでニュース本文をOCR抽出する方法
前回はOllamaのVL対応モデルで画像解析を試しました。今回は一歩進めて、スクリーンショットから日本語OCRを行い、ニュース記事の本文抽出まで自動化します。ニュース記事の本文抽出は、HTML構造の違いや動的要素のせいで意外と壊れやすい問題...
AIテキスト OpenCV × Ollama（VL）でカメラ画像を定点観測するPython実装例
前回は、OllamaでVL（Vision Language）に対応したモデルを導入し、UIから画像を解析する例を紹介しました。チャット画面を通じて画像を渡し、その内容を自然言語で説明させるところまでを確認しています。今回は一歩進めて、API...
AI画像 OllamaでローカルVLを試す｜無料LLMで画像認識とAPI自動化の可能性
前回試したOCR機能ではテキストの抽出は可能ですが、画像そのものを理解することはできません。ChatGPTのようなクラウド型AIに画像を見せれば認識してくれますが、実は無料で動かせるローカルLLMでも画像認識（Vision Language...
AIテキスト macOSのOCR機能とは？ショートカットアプリの自動化に組むこむ方法
少し前までは特別な操作が必要でしたが、今では画像からテキストをコピーできるのが当たり前になりました。例えば macOS では Vision フレームワークが提供されており、Finder や Safari などからOS標準機能としてOCRを利...
AIテキスト 生成AIショート動画自動生成チャレンジ: 音楽・画像を動画に統合したサンプル紹介
これまで紹介してきた手順を統合し、実際にショート動画のサンプルを制作してみます。生成AIを組み合わせた具体的な制作フローと、その作例をあわせて紹介します。ACE-StepでBGMを生成以前に紹介した ComfyUI + ACE-Step の...
AIテキスト 生成AIショート動画自動生成チャレンジ: 動画クリップと音楽を統合してffmpegで動画生成
前回までに、ACE-Stepを用いた楽曲生成と、Stable Diffusion WebUI ForgeおよびWan2.2による動画クリップ生成の手順を確認しました。今回は、これらの素材を統合し、一本の動画として仕上げる処理を試します。ff...
AIテキスト 生成AIショート動画自動生成チャレンジ: Stability Matrix＋Pythonで静止画から動画クリップを作る
前回までに、Stable Diffusion WebUI Forgeで静止画を生成し、Wan2.2を用いてI2Vによる短い動画クリップを作成するところまでを確認しました。今回は、この一連の処理をPythonからAPI経由で呼び出せる形に整理...
AIテキスト 生成AIショート動画自動生成チャレンジ: ComfyUIとWan2.2テンプレート導入とAPI利用の準備
前回は、生成AIを使ってショート動画を自動生成するための全体方針を整理しました。今回はその準備として、動画パーツを生成するための WAN2.2 と ComfyUI の設定を進めます。ComfyUIとWAN2.2の準備本記事では、Stabil...