Oss on hdknr blog

Microsoft VibeVoice 徹底解説 — 60分の文字起こしと長尺音声合成をローカル無料で（OSS音声AI）

Wed, 29 Apr 2026 00:00:00 +0000

VibeVoice は、60 分の長尺 ASR（音声認識）と 90 分のマルチ話者 TTS（音声合成）をローカル無料で実現する Microsoft 製の OSS 音声 AI。本記事では特徴・モデル構成・TTS コード削除の経緯を解説する。

microsoft/VibeVoice は GitHub スター数 45,000 超（2026-04-29 時点）。ICLR 2026 に Oral 採択されたペーパーも公開されており、ASR・TTS の両領域で「フロンティア級」と呼べる性能を、軽量モデルで提供している。一方で、後述のとおり利用可能性については重要な注意点がある。

VibeVoice とは何か

VibeVoice は、TTS と ASR を統合した「音声 AI モデルファミリー」として Microsoft Research が公開している OSS。中核のイノベーションは、7.5 Hz という超低フレームレートで動作する連続音声トークナイザー（Acoustic + Semantic）を用いて、長尺音声の処理効率と忠実度を両立した点にある。

LLM（Qwen2.5 1.5B ベース）が文脈・対話の流れを理解し、Diffusion ヘッドで高品質な音響細部を生成する next-token diffusion フレームワークを採用している。

モデルラインナップ

モデル	パラメータ	用途	状態
VibeVoice-ASR-7B	7B	60分対応の話者識別付き音声認識	✅ 利用可能
VibeVoice-TTS-1.5B	1.5B	90分・最大4話者の長尺TTS	⚠️ コード削除済み
VibeVoice-Realtime-0.5B	0.5B	約300ms の低遅延ストリーミングTTS	✅ 利用可能

1. VibeVoice-ASR — 60分の長尺音声認識（文字起こし）

従来の ASR は音声を短いチャンクに分割するため、長尺になると話者識別や文脈の一貫性が失われやすい。VibeVoice-ASR は 64K トークン長で最大 60 分の連続音声を 1 パスで処理できる。

VibeVoice

Wed, 29 Apr 2026 00:00:00 +0000

Microsoft が公開する OSS の音声 AI ファミリー（ASR・TTS・リアルタイム TTS）

Claude Harness

Mon, 27 Apr 2026 00:00:00 +0000

Claude Code の拡張機構（hooks / permissions / skills / MCP）をワンパッケージで組み込んだ外装プラグイン。v4.0.0 "Hokage" で Go ネイティブ化・harness.toml 1 本管理を実現

Open Notebook

Wed, 22 Apr 2026 00:00:00 +0000

Google NotebookLM のオープンソース代替。プライバシー重視のローカル運用も可能

Claude Harness v4.0.0 "Hokage" — Go ネイティブ化で 30 倍速、設定が harness.toml 1 本に

Tue, 14 Apr 2026 00:00:00 +0000

Claude Code の拡張 OSS「Claude Harness」が v4.0.0 “Hokage” をリリースした。コア全体を Go ネイティブに書き換え、フック実行速度が約 30 倍に向上。設定ファイルも harness.toml 1 本に集約され、大幅に扱いやすくなった。

Claude Code の拡張機構とは

Claude Code には最初から強力な拡張機構が備わっている。

hooks — PreToolUse / PostToolUse / SessionStart などのイベントでスクリプトを差し込める
permissions — settings.json の deny ルールで危険なコマンドを事前ブロックできる
plugin system — plugin.json で自作プラグインを作り、チーム配布できる
skills — スラッシュコマンドで自作ワークフローを走らせられる
MCP — 外部ツール（DB・Slack・GitHub…）をネイティブ連携できる

「AI がやらかしそうなこと」「自律運用のワークフロー」「危ないコマンドのブロック」はほぼ全部、Claude Code の機能で実現できる。

自分で全部セッティングするのは無理ゲー

強力だからといって、簡単ではない。
自作で「AI に危ないコマンドを通させない」ワークフローを組もうとすると、以下を理解しておかなければならない。

plugin.json — プラグインマニフェスト
hooks.json — PreToolUse に走らせるスクリプトを宣言
settings.json — deny ルールを人力で組み立てる
.mcp.json — MCP サーバー設定
.claude-plugin/hooks.json — プラグイン経由のフックも別途

整合させる JSON が 5〜6 本。どれか 1 つを直すと別がズレる。
さらに「Plan → Work → Review の自律運用」を乗せようとすると以下も必要になる。

Paperclip オープンソース化：0人会社を動かすエージェントオーケストレーション層

Tue, 17 Mar 2026 00:00:00 +0000

AIエージェントを使った「0人会社（zero-human company）」のコンセプトが現実に近づいている。 Paperclip は、そのためのオーケストレーション基盤としてオープンソース化されたツールだ。

Paperclip とは

Paperclip は「ゼロヒューマン企業」を動かすためのオーケストレーション層（orchestration layer）。人間なしで自律的に業務が進む組織を設計・運用するための基盤として設計されている。

GitHubリポジトリ: paperclipai/paperclip

リリース後またたく間にスターが集まり、2026年3月時点で 53,000スター超 を記録している。

主な機能

Paperclip が提供する機能は次の通り:

組織図（Org Charts） — エージェントの役割と階層を定義する
目標整合（Goal Alignment） — 組織全体の目標を各エージェントのタスクに紐付ける
タスクの責任者（Task Ownership） — どのエージェントが何を担うかを明確に割り当てる
予算管理（Budgets） — エージェントが使用できるリソースや費用に上限を設定する
エージェントテンプレート（Agent Templates） — 役割ごとの標準的なエージェント設定を再利用する

これらの仕組みにより、人間のオペレーターが常時介在しなくても「自律的に仕事が進む会社」を実現できる。

クイックスタート

セットアップは npx で1コマンド:

1

npx paperclipai onboard

このコマンドを実行すると、初期の組織設計のガイドが始まる。TypeScript 製で、Node.js 環境があればすぐに試せる。

なぜ注目されるのか

従来の AI エージェントフレームワークの多くは、単一エージェントまたは単純なマルチエージェントの連携を想定している。Paperclip が異なるのは、企業・組織レベルの構造をファーストクラスの概念として扱っている点だ。

単なるタスクキューではなく、組織図と権限委譲を持つ
エージェント同士の目標が整合されていることを保証する仕組みがある
予算制約により無限ループや暴走を防ぐ設計になっている

「AIエージェントに会社を任せる」という考えを本格的にサポートするインフラとして、エンジニアコミュニティの注目を集めている。