マンガ
吹き出しの中だけを、コマの流れを崩さずに置き換える。
外国語を、自国語のように読む。
LYR - 画面の外国語を、その場で翻訳する Android アプリ
いつものアプリで、そのまま。
-
Instagram -
TikTok -
X -
Prime Video -
Weverse
すべてが、理解できるようになる。
ライブ字幕
配信を見ながら、話している速さのまま字幕が出る。
オーディオ
端末で流れている音声を、そのまま字幕にする。
Web
どのサイトでも、スクロールした先から理解できる。
Research
速さは、どこから来るのか。
レイテンシ、OCR、量子化、LLM のセルフホスト。LYR を作った試行錯誤の記録を公開しています。
- #032 汎用モデルという器は、字幕には無駄が多すぎる 圧縮を一切かけない素のままの8Bでも、致命的な誤訳は97件中15件残った。3倍以上大きい27Bは4件（p=0.015）。圧縮の強さを変えても、この差は動かない。ならば次は器そのものを疑う——字幕は短文・制約・有界文脈なのに、任意長の自由生成のために設計された器を丸ごと使っている。特化に期待するのは速さだけではない。感情の語り口と、映像を見て訳す精度。設計仮説と、その反証条件を正直に置く。 25 min
- #031 5回作り直しても当てずっぽうだった原因は、モデルではなくラベルだった 入力を変え、構造を変え、5回作り直しても精度が当てずっぽうと変わらない。原因はモデルではなく、正解ラベルが約1秒ずれていたことだった。しかも壊れたラベルは二重に損をさせる——悪いモデルを作るだけでなく、既にあった良い実装を「取りこぼし25%」と過小評価していた。 9 min
- #030 生成の速さはパラメータ数でなく、重みのバイト数で決まる 同じGPUで測ると、パラメータが2倍違う 4B-INT8 と 8B-INT4 がほぼ同速だった（1トークンあたり5.98ms 対 6.50ms）。1トークン生成するたびに重みを全部読み出すから、速さを決めるのは計算量でもパラメータ数でもなくバイト数。ただし前提を外すと法則は壊れ、測り方を間違えると2.35倍の差が消えたり逆転したりする。 11 min
- #029 UIへの誤発火を44%→22%に。外側のifを1本も足さずに 字幕を見張るはずの判定器が、動画アプリの操作UIやブラウザのURLバーに反応する。外側にフィルタを足せば消える。実際に消えたし、電力も落ちた。だがそれは、モデルが弱いことを隠す保険を毎フレーム買い続ける契約だった。ラベル定義を直してモデル側に解かせた話と、それでも外側のロジックが正しい唯一の条件。 8 min
わからなかったものが、理解できるようになる。
LYR - 画面の外国語を、その場で翻訳する Android アプリ
マンガ · ライブ配信 · オーディオ · Web。全部、そのまま理解できます。
Google Play 近日公開
公開時期は SNS でお知らせします。
Build in Public
開発の裏側を公開しています。