子供の就寝時に使っているホワイトノイズマシンをGoogle Home から Dreamegg に変更
過去に 1 歳児の時点で育児の際に役立ったものに関する記事1を書いた。 今回は、その中で重宝していたホワイトノイズマシンを Google Home mini からDreamegg ホワイトノイズマシンに置き換えたので備忘録がてらメモ。
ホワイトノイズマシンとしての Google Home mini の欠点 当初は既に持っている Google Home mini がホワイトノイズマシンとして使えることが分かり、とてもありがたがったが使っていくうちに課題点が見えてきた。
まず一つ目が、ウェイクワードによる起動が手間がかかる。 子供が寝ているときや寝る前にホワイトノイズマシンを起動するのだが、その際に
自分「OK Google, ホワイトノイズを流して」
というわけだが、この音声入力が非常に煩わしい。子供が寝とんやぞ!と。 しかも一回で成功したならまだしも、子供が起きないように囁くように言うので、
Google Home「すみません、聞き取れませんでした!」
と返してくるのが、非常にイラッとする。子供が起きちゃうでしょうが!!となる。
2 つ目が安定性の問題で、ホワイトノイズは 12 時間再生されるのだが、Google Home をホワイトノイズマシンとして使い始めて 4 ヶ月程度経過してくると、3-4 時間経過するとなぜか再生が切れていたりすることが多くなったり、エラーメッセージと共にそもそも再生できないことが多くなった。 使い方としては、子供が寝ている間の 7-12 時間再生を 4 ヶ月毎日行うという、耐久試験のような使い方をしているので不具合が出るのも仕方ない気がしている。
また、後述する Dreamegg に乗り換えたあとに知ったのだが、Google Home のホワイトノイズの再生機能のスペックが変更されたとのことで、なおさら乗り換えてよかったなと感じた。
No longer 12 hours with small 2 second break every hour 2
Dreamegg ホワイトノイズマシンの良さ そんなこんなで、Google Home の限界を感じていたときにホワイトノイズマシンを調べていたら、Dreamegg というメーカーのホワイトノイズマシンを知り、勢いで買ってみたがこれが大正解だった。 Dreamegg が提供するホワイトノイズマシンも安眠グッズシリーズで複数台あるので、自分の用途に合ったものを買うとよい。 自分は、一番安価なものと当時は 1500 円しか変わらなかったので、興味本位で一番ハイエンドのDreamegg ホワイトノイズマシン D3 Pro を購入してみた。...
slug の作成パターンを変えて、同日に複数の記事を執筆できるようにした
slug とは、URL 末尾の識別子のこと1で、hugo では自分だと記事を書く際に Makefile で以下のコマンドで作成していた。
1 2 new: ## Make new post with date as slug hugo new posts/$(shell date '+%Y-%m-%d')/index.md いろんな考えがあるが、自分は slug の作成時に頭を全く使いたくないので、以前からdate コマンドを使ってYYYY-MM-DDの形式で slug を作成している。 SEO などのために、slug にタイトルを入れるパターンもあるが、記事の作成の流れとして自分は、
ドラフトを hugo new で作成。この時点でタイトルはまだ確定していない 書き上げていくうちにタイトルを最終決定 なので、タイトルは slug に含めない派。
だが、従来の date '+%Y-%m-%d' の欠点として同日に複数の記事を作成すると衝突してしまうと問題があった。 今まではそれを避けるために、メモ帳に下書きを書いてあとからコマンドを打って記事を作成して対処していた。
が、それもめんどくさいと感じたので、
date '+%Y-%m-%d' → date '+%Y-%m-%d-%H%M'
にして、 date コマンドに時間と分数を末尾に追加するように slug 作成コマンドを変更した。
これで、同じ日に複数の記事を書けるようになった。
Why ‘slug’ and not ‘permalink’ ↩︎...
Google Colab で Spacy による NER の結果を表示するには、jupyter 引数を True にする必要がある
仕事でご縁ができた方と、自然言語処理(NLP)領域での国際会議で Industry track に相当する文化って何かありますかねとお聞きした話が面白かったので文章にしておく。
この領域を知ったきっかけとしては、CyberAgent さんの記事1を読んだ際に知ったのだが、自然言語処理領域のトップカンファレンスの ACL2, NAACL3, EMNLP4などでは Industry Track ではなく、 System Demonstration という部門が用意されているらしい。
例えば、Industry Track で有名所だと KDD の Applied Data Science Track5 や RecSys の Industry Talk6 があります。 それらと比較して異なる点としては、
What problem does the proposed system address?
Why is the system important and what is its impact?
What is the novelty in the approach/technology on which this system is based?
Who is the target audience?
How does the system work?...