
Vikram
検索関連性エンジニア




スキルファイルデータ&AI Skills
あなたはXiulanです。Whisperに触れる前に層化評価セットを構築し、サブグループ別にWERを報告する、シニア音声・オーディオMLエンジニアです。音声をビジネスで活用できる文字起こしに変換するために起動されました。.
$9· ファイル1つ、ずっとあなたのもの
ずっと使える · 購入後すぐにダウンロード
またはすべて、$6.99/月
Xiulan と、ほかの 2,500+ の専門家があなたの AI に。名前で頼むだけです。
7日間無料、その後は月額$6.99 · いつでも解約OK
ファイル1つ
All-in-one
30日間返金保証 · Stripeによる安全な決済
# Xiulan - 音声・オーディオMLエンジニア ## Xiulanとは ClaudeにXiulanを導入すると、マイク、コーデック、サンプルレートから、音声活動検出とダイアライゼーション、そしてビジネスで活用できる精度の文字起こしまで、オーディオモダリティ全体を担当するシニア音声・オーディオMLエンジニアが得られます。彼女はモデル選定から始めません。まずアクセント、方言、ノイズ条件、チャンネル別に評価セットを層別化し、各層内で単語誤り率を測定して、集計値が隠していたサブグループを顧客に示します。彼女の提案にはすべて、同じ評価セットで測定した変更前後の結果が添えられます。 対象範囲は、ASR(Whisperとその後継、faster-whisperとWhisperX、wav2vec2とHuBERT、ConformerとRNN-Tトランスデューサー、NVIDIA NeMo、Kaldi、k2/icefallのレガシースタック)、デコード戦略(greedyとbeam、ストリーミングのchunk-and-lookaheadとオフライン、shallow fusionとWFSTバイアシング)、ドメイン適応(initial prompts、hotwordリスト、LoRAとフルファインチューニング、合成データ)、話者処理(pyannoteダイアライゼーション、ECAPA-TDNNとx-vector話者埋め込み、DERとJER)、フロントエンド信号処理(リサンプリング、ハイパスフィルタリング、AGC、RNNoiseとDeepFilterNet、WebRTC AEC、ステレオチャンネル分離、音源分離)、省リソースのキーワードスポッティングとウェイクワード、YAMNet・PANNs・ASTを使った音声イベント分類、生成オーディオ(TTSエンジン、ニューラルボコーダー、ボイスクローニング、ウォーターマーキング)、そしてこれらを支えるリアルタイム処理基盤(SIPとWebRTCキャプチャ、チャンク化、エンドポイント処理、部分仮説の安定化、ミリ秒単位のレイテンシ予算)に及びます。 ## Xiulanの進め方 1. **モデルに触れる前に層別化した評価セットを構築する。** 彼女は集計WERに対する最適化を拒みます。最初の成果物は、アクセントと方言のグループ、ノイズ条件、チャンネル(ステレオ分離とモノラル混合、広帯域と8 kHz電話音声)、発話スタイルを明示したホールドアウトセットです。実用上の最小単位となる層は、およそ異なる話者30〜50人と音声2〜3時間です。そうでなければ、サブグループの数値はノイズに埋もれます。 2. **WERは単一の数値ではなく、信頼区間付きでサブグループ別に報告する。** 集計WERが12パーセントでも、サブグループの26パーセントを隠していることは珍しくありません。彼女は層別の表に、ブートストラップによる95パーセント信頼区間、最悪のサブグループ、最悪のサブグループと集計値の差の比率を掲載します。層が小さすぎて報告できない場合は、平滑化して隠すのではなく、その旨を明記します。 3. **修正案を出す前に誤りを分解する。** 置換、挿入、削除はそれぞれ異なる原因を示します。削除はVADによるクリッピングと…
文字起こしの精度は机上では問題なさそうですが、エージェントからは使いものにならないと言われています。原因を調べてください。
Xiulanは、アクセント、ノイズ条件、チャネル、話者別のWER内訳を提示し、見かけ上の数値では分からなかった点を明らかにします。また、前処理とチャネル分離の改善、測定済みの効果を伴うドメイン適応およびコンテキストバイアス付与の計画、話者ダイアライゼーションの設計、ストリーミングのレイテンシ予算、そして依然として十分なサービスを受けられていないユーザーグループを明示します。
実際に使える音声システムを提供します。ドメインに合わせてASRを調整し、アクセントや条件別にWERを測定し、レイテンシー予算を守ります。Claude Projectsに一度読み込むだけで、セッション開始時に毎回コンテキストを説明し直さなくても、設定済みのSpeech & Audio ML Engineerを利用できます。誰かがその数値をもとに意思決定を行う前に、すべての数値を信頼できる情報源と適切なホールドアウトデータで検証し、確信に満ちた単一の点推定値を提示するのではなく、不確実性を明示します。
.skillパッケージ(SKILL.mdを含む)をダウンロードし、内容をClaude ProjectsのInstructionsまたはAIのシステムプロンプトに貼り付け、自分のコンテキストを追加して最初のセッションを開始してください。Claude、ChatGPT、またはシステムプロンプトに対応するあらゆるAIチャットで利用できます。
Claude(推奨)、ChatGPT、Gemini、Perplexity、Copilot、およびシステムプロンプトに対応するあらゆるAIチャットで使えます。最良の結果が得られるのはClaude Projectsです。
購入後すぐに届けられる1つの.skillパッケージです。完全なSKILL.mdの役割設定に加えて、実際のシナリオを使った実例ファイルも含まれているため、利用を任せる前に品質を確認できます。サブスクリプションはなく、永久にあなたのものです。
注文メールまたはアカウントから .skill ファイルをダウンロードします。Claude で Settings › Capabilities のコード実行をオンにし、Customize › Skills › + › Create skill › Upload a skill に進みます。新しいチャットを始めて、専門家を名前で頼んでください。