作業の流れ

データ処理から、ソフトウェアシステム開発まで幅ひろく受注を承るので、 ご依頼いただく内容によって、作業の進め方やステップは多少異なります。 お客様ごとに最適な方法で進められるよう、案件ごとに柔軟に対応しています。 原則てして、以下の５段階です。

1 ヒアリング

2提案

3契約

4作業

• 提案書で決定した内容を、提案したスケジュールにそって遂行する。
• 毎週・毎週起きに作業進捗について報告致します。
• プロジェクト内の作業項目については、カスタマーもアクセスできるチケットシステム上で確認できます。
• プロジェクトの期間は２ヶ月間を超える場合、中間発表を作成します。

5 納品

• 提案書・仕様書などで決めた納品物を提供します。
• デモ、PoC、統計分析などといったソースコード開発を伴うプロジェクトの場合、ソースコドも提供します。
• 原則として、納品物と一緒に最終レポートも提供します。

+1 アフターサービス

• 契約及び納品が終えても、案件の種類によって、サービスを提供します。
• 例、納品物のチューニング、デバッギングサポート

headphones

音声・言語データ処理

提供サービス

• データの前処理、クリーニング、整理、データベース化
• 音声データの自動書き起こし（自動：Amazon Transcribe、Google Speech-to-Text、AmiVoice、 他)
• 音声データの発話検知、音声分類（例、男女区別、日本語・英語という言語ラベル）
• 話者識別（会議で誰がいつ話した？）
• エクセル・PDFからのテキスト自動抽出と整理、データーベース化
• テキストデータのアノテーション （例、個人情報のマークアップ）
• 文章の分類（例、コメント分類）

強み

• 何よりもデータセキュリティを重視しています。
• 蓄積された知見とノウハウにより、実用的で高効率なデータ処理ツールを使用しています。
• 業務を効率化し、安定して運用できる仕組みをご提供できます。
• AIの自動化と人の判断力を最適に組み合わせ、効率と品質を両立するワークフローを実現しています。

terminal

研究・開発

• いいアイディアがあって、 細かく調べたりするまで手が回らない場合…
• 「新入社員がいたら、この実験を任せましょう」というような課題がある場合…
• いいアイディアがあって、社内に専門知識や技術的な力が足りない場合…
• 「この作業はAIで自動化できるんじゃない？」というアイディアがある場合…
• 補助金・助成金を活用するために外部連携が求められる場合…
• 研究成果があって、専門的な研究内容を理解し、実装まで対応できる開発者が必要な場合…
• 研究者と開発者の橋渡しができる技術者が必要な場合…

一緒に研究開発しませんか？

提供サービス

• 一般企業様が行う研究開発。
• 音声・信号処理に関わるアルゴリズム開発
• 自然言語処理に関わるアルゴリズム開発
• 科学的 PoC（概念実証）の遂行
• デモアプリの開発（Web/Android/Desktop）
• AIソリューションの開発・製品化サポート

強み

海外・日本の民間企業において、音声・言語処理、アルゴリズム開発などに関わる経験２０年ほどあります。 論文調査や研究計画の立案、プロジェクトのスケジューリングをはじめ、 ソフトウェアや心理実験の実施、デスクトップ／モバイル向けのデモ開発、 API設計、システムインテグレーション、さらには実際の運用環境でのデバッグ対応まで、 研究開発のさまざまな段階に幅広く対応いたします。

finance_mode

統計分析・可視化

提供サービス

データ活用のアイディアを、すぐに実行可能なカタチへ
・「統計分析や可視化の重要性は分かっているが、社内にリソースがない」
・「良い分析のアイディアはあるが、時間が足りない」
そんなお悩みをお持ちの場合、私たちにお任せください。 当社は、統計解析とデータ可視化の専門チームが、お客様のニーズに応じて迅速に対応いたします。

強み

• 分析設計から可視化まで一括対応
• 分析結果は、分かりやすい図表・レポートで納品
• ビジネス現場・研究現場の双方に対応可能
• このデータで何が分かるという課題まで対応可能
• 研究開発レベルの時間・コストは不要

school

研究支援

・「こな作業はAIで自動化できのかな？」と相談したい場合、
・「いいアイディアがあるけど、実験で確認する時間がなくて」と悩む研究室
は大歓迎です。

question_mark

よくある質問

AI対アルゴリズム？

伝統的なアルゴリズムとDNNは対立するものではなく、それぞれの弱点を補完し合う関係にあります。 アルゴリズムの明確なルールや計算の確実性と、DNNの柔軟なパターン認識能力を組み合わせることで、 より効率的で信頼性の高いシステムを実現できます。 この協調により、単独では困難な問題にも対応できるようになります。

アルゴリズム

ほぼ10年以上アルゴリズム開発に従事しており、古典的なアルゴリズムの設計や最適化に豊富な経験を持っています。 長年の実務を通じて、効率的なデータ構造や計算手法について深く理解し、実践的な応用にも精通しています。

深層ニューラルネットワーク

当社は、最新のAI技術を常に追い続け、最適なソリューションを提供することに注力しています。 Hugging Face, ArXiv.org、Kaggle、Google Scholar、Facebook AI Blog などの情報源を頻繁にチェックし、 最新の研究成果や技術動向を把握。プロジェクトに適した技術があれば、モデルを手動で実装し、迅速に試験導入し、 実用化に向けた検証を行います。 これにより、最先端のAI技術を活用した革新的なシステムを提供し続けます。

AI対エンジニアリング？

AIとソフトウェア・エンジニアリングとは対立するものではなく、 互いの強みを活かし、補い合うべきものであると本社が考えています。 AIはコード生成などによって開発をサポートしているのは言うまでもないですが、 最先端レベルの AI を作成するためには、先端レベルのソフトウェアエンジニアリングも必要である。 このため、本社はAIの活用だけでなく、基盤となる設計も徹底的に行い、信頼性の高いシステムを構築します。

スケーラビリティ

スケーラビリティ（耐能性・拡張性）の鍵は、堅実な設計と強固な基盤です。

開発スケーラビリティ

「プラグラマー１０人をプロジェクトに追加したら、生産性が上がるの？」という課題を通暁しながら、 ソリューションの設計し、プロジェクトを管理します。

研究開発の再現性

研究実験の再現性は、科学的知識の信頼性を高め、研究の質を保証するために非常に重要です。 再現実験を通じて、実験計画や方法論の改善点が見つかることがあります。 研究実験の再現性を高めるために、ソフトウェア開発の再現性の概念と手法を適用することは非常に有効です。 ソフトウェア開発は、再現性を重視する分野であり、そのノウハウは研究実験にも応用できます。 Schnitt Team は ソフトウェア開発と研究実験の再現性の両方ともを同じく重視します。

コーディングをLLMに任せたりしますか？

はい、もちろんです。 AIはコード生成などによって、開発者の負担を軽減することできます。 ただし、LLMで生成したコードは、同僚が書いたと同じように扱って、レビューした上でコードベースに追加します。

サンプルプロジェクト

ソフトウェア開発とプロジェクト管理の実例にご興味の方は、 公開プロジェクトのリンク にクリックしてください。

英数字画像生成

• 機械学習などのタスクのために、英数字の連続を生成します。
• オプション A：英数字データーベース（DB)から生成できます。
• オプション B: データを学習して、見たことのない数字を生成します。

生成 乱数

既存 AI生成

特化した書き起こし用ツール

・combination of Excel and audio player ・optimized for operator ・AI integration ・multiple channels ・memory optimized: can handle recordings that do not fit into memory ・security : 　　・no local save streaming only 　　 ・encrypted ・plays audio noly to registered device (e.g. headset)

組み込み上の音声検知

・goal put CNN based VAD on raspberry pi Pico W.
・torch model to ONNX model
・VAD tuned for in-domain data
・tested to run for days

単語分割