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
Appbeta
Sonophie
ファイル文字起こし、リアルタイム会議、音声入力を一本化するAI音声ワークスペース。フィラー削除・プロンプト整形・辞書登録で、音声をそのまま使える形に整えます。
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。
Blog
開発・技術・プロダクトについての最新記事
人気記事
POPULAR
【2026年最新】日本語音声認識（ASR / STT）モデル比較：Whisper・Qwen3・Cohere・Graniteをベンチマーク
RTX5090を使い最新の日本語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。
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。
最新記事
asrdataset
複数ASRモデルを組み合わせた高品質訓練データ作成パイプライン——Whisper×Qwen3×LLMの設計思想と実装
WhisperとQwen3-ASRの転写結果をdiff形式でLLMに統合させ、単一モデルの限界を超える高品質なASR訓練データを生成する2段階パイプラインの解説記事です。Whisperは漢字・固有名詞に強く、Qwen3はCER全体で優位という異なる強みを持つモデルを組み合わせ、Forced Alignmentで単語レベルのタイムスタンプを付与します。後段のチャンク分割スクリプトでは文末スコアリングによる自然な20〜30秒チャンク生成とWhisper再転写によるCER品質チェックまでを自動化しています。
asrbenchmark
【2026年版】IT用語に強い日本語音声認識（STT/ASR）モデル比較｜Whisper・Qwen・他の精度検証
本記事は、IT企業名・サービス名・略語を含む実際の音声データで9つのASRモデルを評価した一次ベンチマークです。汎用的な日本語音声認識ベンチとは異なり、「openclawやARRをちゃんと書き起こせるか」という実務目線で評価しています。
asrfinetune
IBM Granite Speech 1Bを日本語音声でファインチューニングしてCER 20%以上に改善した話
IBM Granite Speech（`granite-4.0-1b-speech`）を100時間の日本語音声データでファインチューニングし、CERを0.37から0.14まで改善しました。公式スクリプトのProjector+LoRAのみの学習では精度改善に限界があり、`lm_head`とLanguage Modelの後ろから8層を追加で学習させることが最大要因になりました。Qwen3-ASR-1.7B（CER 0.14）と同等の精度を1Bパラメータで達成しています。