#実験

音声を受け取って返答音声で返すサーバーをRTX 3050 Ti 4GBの一台構成で組んだ。kotoba-whisperとQwen3-ASR-0.6BのSTT比較、文単位ストリーミングTTS、フィラー音声で待ち時間を埋めた設計、実測タイムラインまでまとめた。

3キャラ合体LoRAに化粧オンオフ持ちの4人目(くらら)を追加、518枚(配分複製896)・rank256・約21.5時間で合体学習しep100を採用。AI生成マルチ素材の頭身インフレ実測と対策、エポック進行で起きるキャラ意匠の低率漏れと採用範囲の決め方、複数人ではmakeoffが効かない理由、プロンプト全指定で4人立ち・密着とも一発率6/6まで。

顔の造形は同一のまま化粧だけをオンオフする切り替えをキャラLoRAに焼き込めるか、Anima-Base+RunPodで3回学習して検証。無記述で焼き込んだ属性をタグで引き算する設計はcfg1.0で原理的に効かず、存在タグの足し算に転換して両方向の切り替えを達成(採用ep140)。RunPodのpod速度ガチャ対策も。

リリース当日のTypeScript 7をM4 Mac mini 16GBで実測。型がシンプルな大規模コードのlobe-chatは7.3倍、型推論が重いdrizzle-ormとEffectは4〜5倍で、--checkers 8はメモリを圧迫して逆に遅くなる。Vue製ComfyUI_frontendで動かない理由も確認した

AnthropicのJ-lens実装をQwen3-4B-Instruct-2507用に自作（4090で51分・約1ドル）し、単一層SFT文体校正器の差し込みモデルを層ごとに読む。出力は入力そのままなのに、内部はベースと大きく違っていた。

RL限定だった単一層訓練の層局在（arXiv 2607.01232）をSFTで追試する。Qwen3-4Bの深さ25/50/75%を1層ずつフルランク学習し、同一データで再学習したLoRAベースラインと比較。eval_lossには論文と同じ中間層の局在が出たが、書き換えを実際に流すと数字と別の顔になった。

Xで見かけた「ノード改造でピクセル位置パーフェクト編集」の主張をM1 Max + ComfyUIで測定した。ずれの原因はTextEncodeQwenImageEditPlusの内部リスケールで、ReferenceLatentを足せばカスタムノードなしで再現できる。表情・衣装・ポーズ差分の量産テストと等身維持の計測、2.3MPや非16倍数寸法の境界条件まで。

エンコーダ検出器が拾えなかった意味判定側の4割をQwen3-4Bに渡す。自ブログの修正ペア799件で書き換えまで学習させ、量子化して手元の8GB GPUと16GB Macで動かすまでの記録。

Flow MatchingベースのローカルTTS「Irodori-TTS」をWindows + RTX 3050 Ti Laptop（VRAM 4GB）で実行。通常のTTS生成とボイスクローンの音声サンプル、所要時間、MP3のお手本でFFmpegのDLLエラーが出る問題の回避策をまとめた。

ブログの文体チェックが取りこぼすAI文体を小型エンコーダに学習させる前段。Claude Codeの会話履歴からEditツールの修正前後1,560ペア、WordPress時代の日記600文、公開済み記事622本の一括スキャンで学習データを集めた記録。

秋葉原のイオシスで買ったBeambox Niji E-Badgeを、公式アプリを使わずWindows PCのPythonから直接制御した記録。BLEの通信仕様を調べて、真っ黒画面から独自バイナリコンテナ形式に気づくまでの試行錯誤。

CoreS3にGrove接続のCO2L Unitを挿してCO2/温度/湿度を画面表示するまで。新品SCD41はSwitchBot比+30%ズレたので、シリアル経由の強制校正(FRC)で合わせた記録。Port AのI2Cピン確認方法も。