技術

Reactで動画を書くRemotionと、CLI対応のVOICEPEAKを組み合わせて、解説動画を自動生成する仕組みを調べた。

3Dモデル用の素体3面図を作りたくてQwen-Image-EditのNSFW版をRunPodで動かした。RTX 4090で失敗してRTX 5090で成功するまでの記録

WebRTCで受信した音声をSpeechRecognition APIで認識しようとすると、MediaStreamの扱いで壁にぶつかる。リモート側認識、サーバ側処理、AudioContextの3つのアプローチと、iOS対応を含めた実装戦略を解説。

AnthropicがClaude Codeの使い方とAgent SDKによるエージェント構築について公式ガイドを公開した。2つのドキュメントの要点を解説。

iOSのWebSpeech APIで発生する「勝手に止まる」「初回認識しない」等の問題への対策

ConoHa VPSでDockerテンプレートを使ってコンテナ環境を構築する手順と、スケーリング、料金の注意点を解説

VultrでVPSを立ててDockerイメージをデプロイするまでの手順と、CLI操作、スケーリングの制約、料金の落とし穴を解説

辞書引き、全文検索、オートコンプリートなど検索系処理で使われるデータ構造を網羅的に解説する。Trie、ダブル配列、転置インデックス、接尾辞配列、B+木、LSM木など10種類のデータ構造の仕組みと使い分けを整理した。

Shortest、Playwright MCP、Stagehand、Skyvern、QA Wolfなど、AIを活用したE2Eテスト/ブラウザ自動化ツール10種を用途別に比較。信頼性・速度・コストの観点でディープダイブ。

従来のOCRとVLM（Vision Language Model）ベースOCRの違いを解説。DeepSeek-OCRの紹介と、両者を組み合わせたハイブリッド手法の可能性を考察する。

SNSで話題になった「Johns Hopkins大学の研究でChatGPTが27%嘘をつくと判明」という情報の出典を調査した結果、複数の研究が混同されていることがわかった。

2026年1月に公開されたSvelte/SvelteKitエコシステムの脆弱性5件をまとめた。DoS、SSRF、XSSと深刻なものが含まれる。