ブログ
音声とAI、そして気配を消していく道具づくりについての考察 — アルゴリズム研究者であり、AIプロダクトを毎日使う小さなチームより。
オムニモーダル音声入力: マルチモーダル理解、MoE、ストリーミングテキスト出力
Loqua がどのように音声認識、マルチモーダル命令計画、テキストレンダリングを組み合わせ、音声応答を生成せずに動作させているかの技術的解説。
比較
ハウツー
Mac の会議メモを音声で: ノートとアクションアイテムを音声から完了まで
Mac の会議メモ音声ワークフロー: ノート、アクションアイテム、Notion のブレット、Things のタスク、フォローアップを通話を離れずに記録。
Mac でコードをディクテーションする方法: Cursor、VS Code、Claude Code の完全ガイド
Loqua で Mac 上のコードをディクテーションする方法 — キャメルケース識別子、レビューを通るコミットメッセージ、あなたの声で書く PR 説明。6 つの作例とセットアップ。
AI コーディングのための音声入力: タイピングせずに Cursor と Claude Code に音声プロンプト
実践的な Cursor + Claude Code 音声プロンプトガイド: 構造化プロンプト、ファイルコンテキスト、Cursor と Claude Code のワークフロー、EN+中混合。
ライターのためのハンズフリーディクテーション: 小説、エッセイ、長文を一気に 3000 語ドラフトする方法
ライターのためのディクテーションワークフロー: クリーンなドラフト、人物名辞書、アプリ認識フォーマット、音声編集、長文練習。
エンジニアリング
強化学習による音声入力: GRPO、DPO、オンポリシー蒸留を Loqua の音声スタックで
強化学習による音声入力は、教師あり学習が頭打ちになった後の希少用語、レイテンシ、自然な出力の改善に貢献する。
マルチモーダル音声認識: 画面を見るリスナーを作る
マルチモーダル音声認識は、音声とローカル画面の手がかりを組み合わせて、同音異義語、コード識別子、アプリコンテキストを解決する。
音響イベント検出ディクテーション: 言葉を超えた意味を持つ音
Loqua の研究方針として、笑い声・沈黙・音響的手がかりを構造化ライティングのオプションコンテキストとして扱う取り組み。
音声入力アーキテクチャ: Loqua の三モデル音声入力スタックの内側
Loqua の音声入力アーキテクチャを高所から眺める — なぜ目的別に訓練された三つのモデル(音声認識、言語インテリジェンス、画面コンテキスト)が一つに勝るのか。
音声と視覚の出会い: オムニモーダルモデルがマルチモーダル音声入力を解き放つ
マルチモーダル音声入力に音声と画面コンテキストが必要な理由、オムニモーダル研究が示すこと、そして Loqua が Mac で実装する内容。
プライベート音声ディクテーション Mac 版: Loqua のハイブリッド音声入力スタックがどのようにデータを守るか
プライベート音声ディクテーション Mac アーキテクチャ: Loqua が何をローカルに保つか、オプションのクラウド処理はいつ使えるか、プライバシー境界の実際の仕組み。
プロダクティビティ
AI と一緒に考えるための音声: なぜキーボードは間違った道具なのか
AI と一緒に考えるための音声は、キーボードが脆いプロンプトに圧縮してしまう前の半成形のアイデアを保持する助けになる。
ボイスファーストのワークフロー: 私たちのボイスファースト勤務日
Loqua 創業者によるボイスファーストワークフローの記録: 受信箱、スタンドアップ、コードレビュー、仕様ドラフト、Slack、ジャーナル。
音声プロダクティビティスタック: 私たちが実際に使っている 9 つのツール
音声プロダクティビティスタックのガイド: Loqua、Claude Code、Cursor、Obsidian、Granola、Linear、Raycast、Things 3、Spark。
音声入力ワークフロー: AI 業務のための過小評価された 8 つのワークフロー
AI 業務のための音声入力ワークフロー: コミット、PR、Linear イシュー、返信、ブレインストーム、仕様書、コードコメント、スタンドアップ。