01
Simplicity
シンプルさ
直感で理解できるものが最も強い。複雑さは内部で引き受け、 ユーザー体験は限りなく明快に設計します。
Future of Intelligence.
Neosophieは、人間の知性とテクノロジーの融合を探求し、 次世代のソフトウェアソリューションを創造します。 より賢く、より直感的な未来へ。
Neosophie Principles
思想で終わらせず、検証し、実装し、届けきる。
流行に左右されず、本質に向き合い、使える形まで落とし込む。 Neosophieの意思決定は、次の3つの原則に基づいています。
02
Product First
プロダクトファースト
議論より検証。仮説は実装して測ることでのみ前進します。 作って確かめるサイクルを最速で回します。
03
Seek Truth
真理志向
流行ではなく本質を追う。短期的なノイズではなく、 長期的に価値を生む原理に投資します。
Expertise
AIプロダクト開発と実装の専門チーム
Neosophieは、LLMアプリケーション設計、業務へのAI導入、品質改善までを一気通貫で支援します。 机上の理論ではなく、実運用で成果につながる知見をブログとプロダクトを通じて公開しています。
専門領域
LLMアプリ開発、検索拡張生成(RAG)、自然言語処理、プロダクトアナリティクス。
提供価値
PoCで終わらない設計。運用・改善・拡張まで見据えた実装で、継続的な事業成果をつくります。
発信内容
技術解説だけでなく、設計判断、失敗事例、検証プロセスなど現場で使える情報を発信します。
Products
ビジネスとクリエイティビティを加速させるソリューション群
SaaS
HR Matcher
知名度ではなく「相性」で企業を選べるマッチングサービス。100万件以上のデータと独自アルゴリズムで、隠れた優良企業との出会いを支援します。
App
DENOISE
あなたが必要とする情報だけを、一つの場所に集約する情報整理プロダクト。WebサービスとiOS/Androidアプリの両方で利用できます。
AI
AI Dictionary & Chat
Allow you to access all languages web content. 次世代AI Dictionary & Chat Toolとして、言語を横断した学習と情報アクセスを支援します。
Blog
開発・技術・プロダクトについての最新記事
人気記事
POPULAR
AIエンジニアが毎日チェックする情報収集サイト17選【2026年最新】
LLM・生成AIの最新情報を速く・正確に・ノイズ少なく追うために、現役AIエンジニアが厳選した一次情報源17サイトを紹介。研究・論文・実装・OSS・コミュニティ別に整理し、RSS活用法まで解説します。
POPULAR
現役AIエンジニアが実務のために読んだ本5選【精度改善・プロダクト開発に直結】
AIのAPIは使えても精度改善できない理由は、モデル内部の理解不足にある。紹介する5冊はHuggingFace・Chip Huyenなど第一線の実務家が書いたO'Reilly本で、海外MLエンジニアのスタンダード。
POPULAR
【2026年最新】日本語ASRモデル比較：Whisper・Qwen3・Voxtral・ReazonSpeechをRTX5090で徹底ベンチマーク
RTX5090を使い8種類の日本語ASRモデルを同一条件でベンチマークした結果、精度・安定性ともにqwen/qwen3-asr-1.7b（WER: 0.1899）とwhisper（WER: 0.2099）が頭一つ抜け出しました。速度最優先ならparakeet-tdt-0.6b-v3（RTF: 0.002）、日本語メディア特化ならreazonspeech-espnet-v2が有力な選択肢です。WER評価にはMeCab分かち書き＋句読点除去による正規化を実装し、モデル間の公平な比較を実現しています。
最新記事
oss
Mac で無料＆オフライン文字起こしアプリを自作した話：whisper.cpp + CoreML でリアルタイムに近い精度を実現
Macで無料＆完全オフラインで使える文字起こしアプリ「Local Whisper」。whisper.cpp + CoreMLでApple Silicon上でも高速動作。マイク音声・Web会議の相手の声にも対応し、データ外部送信なし・サブスク不要。Silero VADやaudio_ctx最適化による低遅延リアルタイム化の工夫も解説します。
diarizationmetrics
話者分離の評価指標を完全解説｜DER・JER・Purity・Boundary Errorの計算方法と使い分け
DER単体では「なぜ失敗しているか」が分からないため、miss/FA・confusion・Purity/Coverage・Boundary Errorを組み合わせて「VADの問題かクラスタリングの問題か」「過分割か統合不足か」を切り分けることが重要だ。実測では短発話のmiss=0%&conf=56%という数値が「VADは正常、話者割り当てが主因」を確定する決め手になった。評価時はcollar・skip_overlapの設定を必ず統一・明記することが再現性の絶対条件だ。
llmfinetune
Logits ProcessorでQwen（LLM）のハルシネーション対策
カスタムLogits Processorを使い、JSONのContentフィールド内に限定してno-repeat-ngramを適用することで、Qwenファインチューニング時の繰り返しハルシネーションを副作用なく抑制した。repetition_penaltyやno_repeat_ngram_sizeは全体に効きすぎるため実用上の副作用があるが、スコープを絞ることでその問題を回避できる。TransformersのLogits Processor APIは柔軟で、Qwen以外のモデルにも同じアプローチが使える。