#Python

エンコーダーモデル+ローカルLLMでOCR誤字を自動検出・修正する

LUKE/BERTのfill-maskファインチューニングから始めて、perplexityベースの誤字検出→Qwen2.5 7Bでの修正判定→不一致時エスカレーションのパイプラインに至るまでの実験ログ。VRAM 8GBのRTX 4060 Laptopで完結する構成。

ScanSnap+NDLOCR-Liteで機密文書をローカルOCRするホットフォルダを作った

ScanSnapで読み込んだ画像をフォルダ監視スクリプトで自動OCRし、LLM校正まで試した記録。エアギャップ環境でのセキュリティ設計も含む。

NDLOCRを3か月やった記録と周辺の実装いろいろ

Docker版で地獄を見てからLite+LLM校正まで。自分の試行錯誤と、NDLOCR-LiteをブラウザOCRにした人の実装を紹介する。

NDLOCR-Liteの読み取り結果をQwen3.5とSwallowで校正比較した

NDLOCR-LiteのCLI版をApple Silicon Macにセットアップし、Qwen 3.5やSwallowでOCR結果を校正してみた記録。画像直読みやアンカリング効果など、いろいろ試した。

国立国会図書館が作ったOCR「NDLOCR-Lite」をWindowsで動かしてみた

国立国会図書館が公開したGPU不要の軽量OCR「NDLOCR-Lite」をWindows 11にインストールしてCLI・GUIの両方で試した記録。

Gradio 6のgr.HTMLで、Pythonファイル1つから完全なWebアプリが作れるようになった

Gradio 6で追加されたgr.HTMLコンポーネントの仕組みと使い方を解説する。HTML・CSS・JavaScriptをPython内に記述し、ビルドなしでインタラクティブなWebアプリを構築できる。

ACE-Step：ローカルで動く音楽生成AI基盤モデルを調べた

音楽版Stable Diffusionを目指すACE-Stepについて、M1 Maxで試す前の下調べとしてまとめた。アーキテクチャ、機能、インストール手順など。

Agent Lightning: MicrosoftのAIエージェント強化学習フレームワーク

Microsoftが公開した、ほぼコード変更なしであらゆるAIエージェントを強化学習で最適化できるフレームワーク。LangChain、AutoGen、Claude Agent SDKなど任意のフレームワークに対応。

MarkItDown — MicrosoftのドキュメントをMarkdownに変換するPythonツール

PDF、Word、Excel、PowerPointなど多様なファイル形式をMarkdownに変換するMicrosoft製ツール。LLMパイプラインとの統合やMCPサーバー対応も。

PageIndex — ベクトル検索なしでLLM推論だけのツリーRAG

チャンキングもベクトルDBも使わず、LLMの推論で文書の階層ツリーを構築するRAGシステム「PageIndex」を調べた。段組認識やOCRパイプラインとの接続も考察。

JAXA Earth API for Python - 衛星データを手軽に扱えるAPIを調べてみた

JAXAが提供する地球観測衛星データAPIのPythonパッケージについて調べた。インストール方法、基本的な使い方、Claude Desktop連携まで。

【生成AI】仕事でLLM / RAG導入するので空き時間でLoRA作ってみる2025（前編）

社内RAG構築のためにMac mini M4 Proを導入予定。仕様が固まるまでの空き時間でLoRA学習環境を構築する計画をまとめました。