Visiongrove

以下の前提で説明する。

Windows 11 25H2

RAM 16GB

NVIDIA製グラボ Turing以降 Tensorコア無し VRAM 6GB

llama.cppのダウンロード

例えばバージョンがb6715なら以下の2つのファイルをダウンロードして、任意の同一フォルダーに解凍しておく。

cudart-llama-bin-win-cuda-12.4-x64.zip

llama-b6715-bin-win-cuda-12.4-x64.zip

※「cudart～」はCUDAのランタイムなので、既にCUDAライブラリがインストールされている環境(何かの開発でCUDAを利用している等)では不要。

plamo-2-translateのダウンロード

Humming Faceでは変換者の異なる2つのggufファイルが公開されているが、より具体的な説明をしているgrapevine-AI氏の方を使う。

ページ右のGGUFの囲みにあるQ4_K_Mをクリックすると表示されるポップアップにあるDownloadからダウンロードする。5.79GBもあるので、もしインターネット回線の安定性に不安があるならダウンローダー(Free Download Manager等)を使う事を強く推奨する。

※リストの下へ行く程AIの精度は高くなるが、要求されるRAMとVRAMも比例して多くなる。スペックを無視したものを選択しても起動出来ずに終わるし、ギリギリだとWindowsが不安定になり、最悪Windowsを巻き込んで落ちるので注意。

ダウンロードしたら、これをllama.cppと同じフォルダに置く。

起動

ターミナルから以下のコマンドを実行する。

chcp 65001 llama-cli -m "Plamo-2-Translate-Q4_K_M.gguf" --jinja -ngl 20 -c 16384

暫く待っているとターミナル上に英語で使用方法のメッセージと“>”が表示される。この状態で翻訳したい日本語または英語を入力すると、英訳または邦訳が表示される。

補足(解る人向け)

chcp 65001はターミナルで扱う文字コードをUTF-8に変更する。マルチプラットフォームのプログラムは大抵UTF-8を採用しているため。既にターミナルの設定でUTF-8にしている場合は不要。

--jinjaはビルトインテンプレートを使用するオプション。plamo-2-translateはllama.cppが持つどのテンプレートも合致しないため、モデルが内包するテンプレートを使用する必要がある。

--nglはどれだけVRAMを使用するかのオプション。-1だと可能な限りVRAMを使おうとする。今回は安全性を考慮して4GB程度使う指定にしている。

因みにGPUを使わないCPU版でもそれなりに動くが、VRAMで肩代わり出来ない分を全てRAMに割り当てるためRAMの使用量が非常に多くなる。私の環境では16GB中、Windowsが使用する分を含めて12GBも使用していた(GPU版だとWindowsが使用する分を含めて8～9GB程)。

Gemma 3 4B Q4_K_M

Q: Gemma3とGemma3nの違いは何ですか?

Gemma3とGemma3nは、どちらもGoogleが開発した大規模言語モデルですが、いくつかの重要な違いがあります。以下に主な違いをまとめます。

1. Gemma3 (標準版)

用途: 一般的な自然言語処理タスク（テキスト生成、翻訳、要約、質問応答など）全般

モデルサイズ: 2Bパラメータ、7Bパラメータ、13Bパラメータなど、様々なモデルサイズが用意されています。

性能: Gemma3nよりも一般的なタスクにおいて、より高い性能を発揮します。

利用: オープンソースとして公開されており、幅広い用途で使用できます。

アクセスのしやすさ: 比較的アクセスしやすいモデルです。

2. Gemma3n

用途: 特に日本語の自然言語処理タスクに特化

モデルサイズ: 7Bパラメータ

性能: 日本語のテキスト生成、翻訳、要約、質問応答などのタスクにおいて、Gemma3よりも優れた性能を発揮します。日本語のニュアンスや表現をより自然に理解し、生成することができます。

学習データ: 日本語の大量のデータで学習されているため、日本語の言語特性を深く理解しています。

アクセスのしやすさ: Gemma3と同様に、オープンソースとして公開されています。

まとめ 特徴 Gemma3 (標準版) Gemma3n 用途 一般的なNLPタスク 日本語NLPタスク モデルサイズ 2B, 7B, 13B等 7B 性能 幅広いタスクで良好 日本語タスクで特に優れている 学習データ 多言語データ 日本語データが豊富

どちらを選ぶべきか

日本語のタスクをメインで使用する場合: Gemma3n

多言語のタスクを幅広く使用する場合や、日本語以外のタスクも行う場合: Gemma3 (標準版)

Gemma3nは、特に日本語のタスクを重視する場合は、Gemma3nの方がパフォーマンスが向上する可能性が高いです。

より詳細な情報や比較については、以下の公式ドキュメントを参照してください。

Gemma 3: https://ai.google.dev/gemma

Gemma 3n: https://ai.google.dev/gemma-3n

これらの情報を参考に、あなたのタスクに最適なモデルを選択してください。

Q: 翻訳で、日本語から英語、英語から日本語の翻訳をした場合、Gemma3とGemma3nではどちらがより精度の高い翻訳を行えますか?

翻訳の精度という観点からGemma3とGemma3nを比較すると、一般的にはGemma3nの方がより精度の高い翻訳を行えると判断できます。その理由は以下の点が挙げられます。

1. 学習データの偏り:

Gemma3: 多言語のデータで学習されているため、英語だけでなく、さまざまな言語の微妙なニュアンスや文化的背景をある程度理解しています。しかし、日本語のデータ量はGemma3nに比べて少ないため、日本語特有の表現や文法構造の翻訳に課題が生じることがあります。

Gemma3n: 日本語の大量のデータで学習されているため、日本語の表現、文法、ニュアンスをより深く理解しています。 特に、日本語の謙譲語、敬語、方言など、多言語モデルでは捉えにくい微妙な表現の翻訳において、高い精度を発揮します。

2. 日本語特有の表現への対応:

日本語は英語に比べて、文脈や間接的な表現を多用します。Gemma3nは、このような日本語特有の表現をより自然に理解し、英語に翻訳する際に、より適切な表現を選択することができます。

一方、Gemma3は、日本語の文脈を完全に理解するのに限界があり、翻訳結果に曖昧さや不自然さが生じる可能性があります。

3. 評価結果の傾向:

様々な翻訳タスクにおけるベンチマークテストの結果も、Gemma3nの方がGemma3よりも高い精度を示す傾向があります。特に、専門用語や複雑な構文を含むテキストの翻訳において、その差は顕著になります。

ただし、注意点として…

タスクの複雑さ: 翻訳するテキストの複雑さによっては、Gemma3でも十分な精度で翻訳できる場合があります。

データの質: 翻訳の精度は、翻訳に使用するデータの質にも大きく左右されます。

プロンプトの工夫: モデルへの指示（プロンプト）を工夫することで、翻訳の精度を向上させることができます。

結論

総合的に判断すると、日本語から英語への翻訳という用途においては、Gemma3nの方がGemma3よりも高い翻訳精度を達成できる可能性が高いと言えます。特に、専門的な内容やニュアンスが重要なテキストを翻訳する場合、Gemma3nの選択をおすすめします。

ただし、翻訳の精度は、タスクの性質、プロンプトの工夫、そしてデータ自体の質によっても変わることを念頭に置いてください。

Q: 量子化の方法でも性能差が出ると聞きます。「Gemma 3 4B Q4_K_M」と「Gemma 3n 4B it Q6_K_XL」ではどちらが性能が上ですか?

ご指摘の通り、量子化の方法もモデルの性能に大きな影響を与えるため、Gemma 3 4B Q4_K_Mと Gemma 3n 4B it Q6_K_XL の比較において非常に重要な要素となります。それぞれの量子化形式を分解して比較すると、以下のようになります。

Gemma 3 4B Q4_K_M:

Q4: 4ビット量子化 - モデルのパラメータを4ビットで表現します。

K_M: K-QuNT - 量子化の精度を向上させる手法。M は、K-QuNT の具体モデルを示唆しています。一般的にK-QuNTは、量子化誤差を軽減し、精度を維持するための工夫が施されています。

全体的な特徴: 4ビット量子化は、モデルのサイズを大幅に削減し、メモリ使用量を減らすことができます。一方で、量子化誤差の影響を受けやすくなる可能性があります。

Gemma 3n 4B it Q6_K_XL:

Q6: 6ビット量子化 - モデルのパラメータを6ビットで表現します。

it: "Int8"と解釈されることが多い。「8ビット整数量子化」の略です。

K_XL: K-QuNTのXL版。K-QuNTは、量子化誤差を軽減し、精度を維持するための手法であり、XL版はさらに高度な量子化戦略を採用している可能性があります。

性能比較:

一般的に、Gemma 3n 4B it Q6_K_XLの方が、Gemma 3 4B Q4_K_Mよりも性能が高いと予想されます。その理由は以下のとおりです。

ビット数: 6ビット量子化は4ビット量子化よりも多くの情報を保持できるため、量子化誤差の影響を受けにくくなります。つまり、モデルの精度がより保たれます。

K-QuNT のバージョン: Gemma3n の K-QuNT は、Gemma3 の K-QuNT よりも洗練されている可能性が高く、より高度な量子化戦略が採用されていると考えられます。

Int8 (it): 8ビット整数量子化は、6ビット量子化よりも情報密度が高く、通常はより高い精度を維持できます。

まとめ: 特徴 Gemma 3 4B Q4_K_M Gemma 3n 4B it Q6_K_XL 量子化ビット数 4ビット 6ビット 量子化手法 K-QuNT Int8 + K-QuNT (XL版) 性能 比較的低い 比較的高い

結論:

翻訳精度という観点からは、Gemma 3n 4B it Q6_K_XLの方が、より高い性能を発揮すると考えられます。特に、Gemma3nは日本語に特化した学習データを使用しているため、翻訳の精度においてもGemma3よりも優れている可能性があります。

ただし、実際にどちらのモデルがより高いパフォーマンスを発揮するかは、翻訳タスクの種類、評価指標、そして試す具体的なプロンプトによって変わる可能性があります。

Q: it は Instruction Tuned (命令チューニング済み) の意味で、量子化とは関係ないです

ご指摘ありがとうございます。大変失礼いたしました。私の説明が量子化とinstruction tunedの区別を混同しており、混乱を招いてしまいました。

"it"は Instruction Tuned (命令チューニング済み) の意味であるという点は非常に重要です。

Gemma 3n 4B it Q6_K_XL は、命令チューニング済みのモデルで、6ビット量子化されているという正確な表現になります。

私の説明は、量子化（ビット数の削減）と instruction tuned (命令チューニング) の組み合わせの性能インパクトを誤って強調してしまいました。

改めて、それぞれの要素が示す意味合いは以下の通りです。

it (Int8): 8ビット整数値を使用する量子化手法。

Q6: 6ビット量子化 - モデルのパラメータを6ビットで表現します。

Instruction Tuned: 特定の指示や命令に対する応答を最適化するために、モデルが調整されたことを示します。

ありがとうございます。より正確な情報を提供できるよう努めます。

Gemma 3n 4B it Q6_K_XL

Q: Gemma3とGemma3nの違いは何ですか?

Gemma 3とGemma 3Nの違いについてですね。それぞれのモデルの特徴をまとめると以下のようになります。

Gemma 3

性能: より高い性能を持つモデルです。複雑なタスクや高度な推論能力が求められる場合に適しています。

パラメータ数: モデルのサイズが大きく、パラメータ数が多いため、より多くの計算リソースが必要です。

用途: 高度な自然言語処理タスク、複雑な質問応答、創造的なコンテンツ生成など、より高度な用途に適しています。

モデルサイズ: 2Bと7Bのモデルサイズがあります。

Gemma 3N

性能: Gemma 3と比較して、少し性能が抑えられています。しかし、実用的なタスクにおいては十分な性能を発揮します。

パラメータ数: モデルのサイズが小さく、パラメータ数が少ないため、より少ない計算リソースで実行できます。

用途: 比較的簡単な自然言語処理タスク、チャットボット、テキスト生成など、幅広い用途に適しています。

モデルサイズ: 2Bと7Bのモデルサイズがあります。

主な違いのまとめ 特徴 Gemma 3 Gemma 3N 性能 高い 比較的高い パラメータ数 多い 少ない 計算リソース 多い 少ない 用途 高度なタスク 幅広いタスク

どちらを選ぶべきか？

高い性能が必要な場合: Gemma 3

計算リソースが限られている場合: Gemma 3N

幅広い用途で試したい場合: Gemma 3N

Gemma 3Nは、Gemma 3よりも軽量で、より多くの環境で実行できるため、より多くのユーザーにとって使いやすいモデルです。

詳細については、以下のリンクも参照してください。

Gemma 3

Gemma 3N

ご不明な点があれば、お気軽にご質問ください。

Q: 翻訳で、日本語から英語、英語から日本語の翻訳をした場合、Gemma3とGemma3nではどちらがより精度の高い翻訳を行えますか?

日本語から英語、英語から日本語の翻訳において、Gemma 3とGemma 3Nのどちらがより精度の高い翻訳を行うかという質問ですね。

一般的に、Gemma 3の方がGemma 3Nよりも翻訳精度が高いと言えます。

理由:

性能: Gemma 3はGemma 3Nよりも性能が高く、より複雑な言語構造やニュアンスを理解する能力に優れています。翻訳は複雑な言語理解を必要とするため、Gemma 3の方がより自然で正確な翻訳を生み出す傾向があります。

パラメータ数: Gemma 3はGemma 3Nよりもパラメータ数が多く、より多くの情報を学習しているため、より多様な表現に対応できます。

複雑な文脈の理解: 翻訳において、文脈を正確に理解することは非常に重要です。Gemma 3は、より複雑な文脈を理解し、適切な翻訳を選択する能力に優れています。

ただし、注意点として:

Gemma 3Nも十分な性能: Gemma 3Nも、日常的な文章や比較的単純な内容の翻訳であれば、十分な精度で翻訳できます。

タスクの難易度: 翻訳のタスクの難易度によって、どちらのモデルがより適しているかが変わることがあります。例えば、専門的な内容や文学的な文章の翻訳など、高度な翻訳が必要な場合は、Gemma 3の方が有利です。

モデルのバージョン: Gemma 3とGemma 3Nは、今後もアップデートが行われる可能性があります。最新のバージョンでは、性能が向上している場合もあります。

結論:

翻訳の精度を最優先にするのであれば、Gemma 3を選択するのが良いでしょう。しかし、計算リソースが限られている場合や、日常的な文章の翻訳であれば、Gemma 3Nでも十分な性能を発揮できます。

どちらのモデルを選択するかは、翻訳のタスクの難易度、利用可能な計算リソース、そして必要な翻訳精度などを考慮して決定することをお勧めします。

Q: 量子化の方法でも性能差が出ると聞きます。「Gemma 3 4B Q4_K_M」と「Gemma 3n 4B it Q6_K_XL」ではどちらが性能が上ですか?

量子化の方法によって性能差が出るというのは、その通りです。ご提示の「Gemma 3 4B Q4_K_M」と「Gemma 3N 4B it Q6_K_XL」について、どちらが性能が上かという質問ですね。

一般的に、Gemma 3 4B Q4_K_Mの方がGemma 3N 4B it Q6_K_XLよりも性能が高いと考えられます。

理由:

量子化方法:

Q4_K_M (Gemma 3): 4ビット量子化で、K-quants (K-means quantization) を使用しています。これは、精度と計算効率のバランスが良い量子化方法です。

Q6_K_XL (Gemma 3N): 6ビット量子化で、K-quants (K-means quantization) を使用しています。6ビット量子化は、4ビット量子化よりも精度が高い傾向がありますが、計算コストも高くなります。

モデルのアーキテクチャ:

Gemma 3: より高性能なモデルアーキテクチャを採用しています。

Gemma 3N: Gemma 3よりも軽量化されたモデルアーキテクチャを採用しています。

パラメータ数:

両モデルとも4B (40億パラメータ) ですが、Gemma 3の方がより効率的なパラメータ配置をしている可能性があります。

性能比較:

精度: 一般的に、Gemma 3 4B Q4_K_Mは、Gemma 3N 4B it Q6_K_XLよりもわずかに高い精度を示す傾向があります。これは、Gemma 3のモデルアーキテクチャと量子化方法の組み合わせが、より良い性能を発揮するためです。

計算効率: Gemma 3N 4B it Q6_K_XLは、6ビット量子化であるため、Gemma 3 4B Q4_K_Mよりも計算効率が劣ります。

メモリ使用量: Gemma 3N 4B it Q6_K_XLは、6ビット量子化であるため、Gemma 3 4B Q4_K_Mよりもメモリ使用量が多くなります。

結論:

性能を最優先するならば、Gemma 3 4B Q4_K_Mを選択するのが良いでしょう。計算リソースが限られている場合は、Gemma3N 4B it Q6_K_XLも選択肢の一つですが、精度がわずかに低下する可能性があります。

補足:

量子化の性能は、タスクの種類やデータセットによっても異なります。そのため、実際に両モデルを試してみて、最適なモデルを選択することをお勧めします。

より詳細な比較については、以下の情報源も参考にしてください。

TheBloke's Hugging Face Repositories (量子化モデルの比較情報が掲載されています)

先月末に公開されたプレビュー版(更新ファイルは24H2/25H2共用)の方が大きな更新があるのは、OSのバージョン更新と新機能の追加を同時にする事による不具合が多発するのを避ける意図もあったのだろう。

ダウンロード先は環境変数OLLAMA_MODELSの場所のため、指定が無視されている訳ではない。しかし何故このような挙動になるのかが解らない。試行錯誤してみたものの、再ダウンロードを止める術がない。

最終的に環境変数OLLAMA_MODELSは削除し、既定のモデルパスである「%HOMEPATH%\.ollama」にジャンクション(シンボリックリンク)を置いてモデルを置きたいパスを指定した。既定のパスの内容を全て別の場所に飛ばしているため、当然この方法は問題なく動作する。どうやら秘密鍵とモデルが同一パスに存在しないとこの不具合が発生するようだ。これでは環境変数の意味がない。

そして随分後になってから気付いたが、Ollamaのインストーラ版にはGUIが付いていた。ファイルを渡す場合もウィンドウにファイルをドロップするだけでいい。GUIの実行に必要なファイルはOllama app.exeただ1つ。それ以外の内容はZIP版と変わらない。環境変数を設定しない限り、設定やモデルの保存場所は変わらないのだからZIP版に同梱しても良いと思うのだが、何故そうしないのだろう。

インターネット通販は条件に合う物が海外メーカーのみでアフターサービスに不安が残る。しかも届くのに3週間以上かかり、これではとても購入に踏み切れない。今回行ったdcmの前にも別のホームセンターを数件廻ったが、何故か幅が2mに満たない物ばかりで私の欲しい2m×2mが何処にもない。最後の賭けだっただけに、すんなりと条件に合う物が見つかってほっとした。

それまでの物は撥水性はともかく遮光率はかなり低く、遮光カーテンを併用しないとまともに陽射しを遮る事は出来なかった。遮光カーテンで遮ると風を室内に取り込めないため、当然部屋の通気性は悪くなる。今回は撥水性に加えて紫外線90%カットの効果があり、実際遮光カーテンなしでも十分陽射しを遮るようになった。遮光率が大幅に上がったため曇りや雨の日に室内が暗くなる可能性はあるが、些細な問題だと判断した。

反面、今回の物は上下しかハトメがなく、少し強い風が吹くとその度にバタバタと音を立ててしまう。四辺は何れも生地が複数層になっているためハトメパンチとハトメがあれば左右にもハトメを追加出来そうだが、破れたテント等に使う粘着剤付き補修布等で強化しないと耐久性が低下する可能性がある。工具や金具等の費用でもう1枚買えてしまう可能性もある。

伸縮性も乏しく、物干し竿を支えを兼ねた仲介棒としてベランダのフレームに設置しているため、無理矢理引っ張って設置する作業で相当体力を消耗した。これから台風シーズンに突入して何度も着脱する可能性があると事を考えると気が重い。

「スレッドが閲覧数50件を達成しました」

通知にはそう書かれていた。要するに投稿が50回閲覧されたという通知だ。そんな通知に何の意味があるのかは解らないが、嬉しい人には嬉しいのだろう。だがこの表現に落とし穴がある。

通知の対象はあくまで閲覧数のみだ。そこに返信、いいね、再投稿は含まれていない。実際、その時点ではいいねが1件あっただけだ。その後閲覧数が100件を超えた通知も来たが、その時点でもいいねが2件だけだ。

閲覧数に対してリアクションが極端に少ないという事は、閲覧者の殆どが興味を持たなかった事を意味する。再投稿もないのに、どうしてそこまで閲覧数が膨れ上がったのかは謎だが、この乖離は精神的ダメージが大きい。個人でそう思うのだから、企業アカウントなら、そのダメージは計り知れない。因みに私は𝕏ではブラウザ拡張を使って閲覧数等のリアクション数を全て非表示にしている。その数値が投稿意欲に甚大な影響を及ぼす事が解っていたからだ。他のソーシャルメディアでもブラウザ拡張のStylusを使って無理矢理非表示にしているものが殆どだ。このTumblrも例外ではない。

何故かWindows UpdateはWindows 11 22H2を勧めてきたのである。22H2のサポート期限は2024年10月8日。つまり後約3日である。そんなものを勧められても困るし、すぐにまた大型アップデートを行わなければならない。この勘違いの事態を取敢えず収拾するためにグループポリシーから更新プログラムのターゲットをWindows 10 22H2に固定してWindows 11に関する告知を無効にしようとした。

しかし何故かgpupdate /forceを実行してもWindows Updateから表示が消えない。結局セキュアブートとTPM2.0を再び無効にした。

まず、一度出力端子に接続したケーブルを外し、2階のケーブルのみを2つの端子に順に接続して電力供給出来るか試してみた。

結果はどちらからも電力を供給出来た。つまり分配器は壊れていない。

次に、1階のケーブルのみを同様に接続して電力供給出来るか試してみた。

結果はどちらからも電力を供給出来た。つまり1階のTVの電力供給機能は壊れていない。

どちらも壊れていないなら、何処に不具合があるのか。

今までは1階のケーブルを端子1に、2階のケーブルを端子2に接続していたが、これを逆に接続してみる事にした。

その結果、今までの不具合が嘘のように解消した。2階のTVの電源が入っていない状態でも1階のTVで問題なくBSが映る。勿論1階のTVの電源が入っていない状態でも2階のTVで問題なくBSは映る。

これは推測だが、端子1は端子2に比べれば劣化が進んでいたため、1階のケーブル交換時に新たにケーブルに付けたコネクタがきちんと噛んでおらず、接触不良が原因で何故か電力供給のみ上手くいっていなかったのではないだろうか。今回のテストの際にコネクタを再度付け直したので、もしかしたら従来通りの接続でも問題はなかったかも知れないが、万全を期して今回の接続順のままにした。

最初はBS4Kに備えて3.2GHz対応のSHマーク付きケーブルを購入する事も考えたが、折からの物価高で家計に余裕はない。仕方なく既存の2.6GHz対応のケーブルに交換する事に決定。しかし家にある十分な長さのケーブルは既に両端がコネクタ接続済み。このままでは壁の穴にケーブルを通せないため、一度切って再度コネクタを接続した。

1階からのみBSアンテナへ電源を供給する設定でテストを行い、無事映る事を確認。BS4Kは映すためのBSアンテナも、BS分配器も、TVもないため、当面はこれで構わないだろう。

追伸:

短時間の視聴では問題ないようだが、ある程度長時間視聴していると唐突にBSアンテナの出力レベルがゼロになるようだ。今の所2階のTVではそのような奇妙な症状は起きていない。問題の切り分けとして次の2段階の検証が必要だ。

➊BSアンテナ本体とBS分配器をつなぐケーブルを新調する。

これで問題が解消するなら、この部分のケーブルの経年劣化が原因だ。

➋BS分配器を新調する。

これで問題が解決するなら、BS分配器の経年劣化が原因だ。

もしこれでも解決しないなら、TVのBSアンテナ電源供給回路ないしユニットの故障となり、TVを買い換えるしかないだろう。1階のTVは2010年12月に購入したもので、メーカーの部品保有期限は当に過ぎている。安価なHDTVで当座を凌ぐか、思い切って4KTVに買い換えるか。後者ならBSアンテナ周りも全て4K(3.2GHz)対応の製品に買い換えないと全ての4Kチャンネルが映らない。頭の痛い選択となる。

あるいはBSアンテナ自体に何か問題が発生しているかも知れない。全通電のBS分配器で2台のTVから同時にBSアンテナに向けて電源が供給された場合にどのような処理をBSアンテナ側で行っているか判らないからだ。今のBSアンテナ確か2007年頃に初代BSアンテナから付け替えた物で、電源供給は録画機器(レコーダー)から常時供給される事を前提とした設計になっているはず。今のように常時供給が不可能なTVが登場する前だ。BS分配器が防波堤となっているならBSアンテナの設計がどうであれ問題はないのだが。

どんなゲームか

謎のファミレス「ムーンパレス」から脱出するのが目的のADV。

と言っても歩き回って謎を解いてアイテムを集めて…というスタイルではなく、『ポートピア連続殺人事件』や『オホーツクに消ゆ』のような会話が中心。しかも一般的な脱出ADVと違って出られない事を嘆き喚く人もおらず、ただ淡々と会話をしながらゆったりとした時間が流れている雰囲気に包まれている。

会話とする事で新たな話題を得て、それを使う事でまた新たな話題が出て…を繰り返してシナリオは進んでいく。ドラマチックな展開がある訳でも感動的な展開がある訳でもない。システムにもシナリオにも特段凝っている訳ではなく、導入部分で退屈と感じてしまった人には最後までプレイし通すのは厳しいかも知れない。

エンディングは大きく分けて2種類。END1はフラグの立て方で若干展開の異なる内容となっている。END２がトゥルーENDなのか、クリアするとミュージックモードとギャラリーモードが開放される。後者はこの作品の世界観を知る上で重要なのでクリアしたら必ず見る事を推奨する。

またミニゲームとしてクリアに必須ではないパズルゲームをプレイ出来るが、これも世界観を知る上で重要なのでEND2を見る前にクリアしておく事を強く推奨する。

超展開のシナリオ

脱出ゲームには必ず理不尽な展開があるため、ある程度超展開になるのは仕方ないが、余りも突飛な後出し設定が多過ぎる。ギャラリーを観れば判るが、世界観は短編である事を考えれば凝っている部類に入る。ただそれをこのプレイ時間にして数時間程度の作品に釣り合っているかと言えば首を傾げる。この世界観ならもっとシナリオを膨らませて「読ませる作品」にする事も出来ただろう。バランスが取れていないため雰囲気とは裏腹に超展開が強調され過ぎてクリア後に冷めるのも早かった。残された謎もいくつかあるが、これが原因で考察する気も起きなかった。

その他

BGMは基本的にゆったりとした矩形波中心のレトロゲーム風の音色（しかも敢えて音を籠らせている）で構成されているが、聴く人によってはそれが不安にさせるかも知れない。少なくとも世界観に浸るのを阻害する可能性はある。

文章のスキップ機能やシーンジャンプ機能がなく、セーブした場所の都合で最初からやり直さなければならない場合は苦痛に感じる恐れがある。演出として一定時間キー入力を受け付けない場面もあり、苛々させられる。セーブデータは複数作れるようにしても良かったのではないだろうか。

手軽にプレイ出来る反面、人を選ぶ作品なのは間違いない。少なくとも凝った仕掛けや説得力のあるシナリオに期待してしまう人には向いていない。「独特な作品の空気」を楽しむ事が出来る人なら向いているだろう。

しかし近年我が家の障子の寸法に合う障子紙が見つからない。糊を塗るための余白が僅か数ミリしかないのだ。猛暑に耐えられずひび割れたのもこれが一因と思われる。

色々考えた結果、普通なら障子紙を横一列単位で貼る所を縦一列で貼る事にした。当然今度は幅があり過ぎるため僅かに切る事になったが、それよりも大変だったのは障子は縦幅の方が長いという事だ。実際に測ってみたら約1m30cmもあった。切り出した障子紙を曲がらずに貼るのも一苦労だった。

初めは予め砥石で研いだ剪定鋏を使って手軽に剪定出来ると思っていたが、今年の春に大きく成長した先端部分の枝は水分を多く含むためか、思うように刃が通らない。無理な力で剪定鋏を扱っては反って刃を駄目にしてしまうと思い、途中からは片手でも扱える片刃の鋸を使って地道に切っていった。切れ味という点では明らかに剪定鋏よりも勝っていた。

1時間後、越境部分と上に伸びた部分を無事剪定完了。強剪定とまではいかないものの、剪定した枝の長さは自治体の回収基準の50cmを遙かに超えるものが大部分を占めた。これらを更に分割するには余りにも疲れていた上に夕暮れも近かったため、日を改める事にした。暫く日干しして枝が乾燥すれば剪定鋏でも作業が出来るようになるはずだ。

招待制の時代に𝕏のアカウントによる審査を要求した

まだ招待制だった頃、待機リストに登録するには有効な𝕏(旧Twitter)のアカウントを指定する必要があった。

これはT2時代から運営が言論統制をしいていて、問題のある単語が入力内容に含まれると投稿出来ないシステムになっていた。待機リスト登録時点で𝕏のアカウントを見る事でその人がどのような投稿を行うかを審査し、問題ないと判断されれば10日程で招待コード(実際は招待リンク)がメールで送られてくる。一方問題があると判断された場合はいつまで経っても送られてこなかった。Blueskyで中々招待コードが送られてこない事を既に知っていたため私は普段から使っている3つの𝕏アカウントそれぞれで待機リストに登録していたが、3つの内2つは上記の通り10日程で送られてきたものの、柵を廃した転生アカウントで現在唯一使用している3つ目のアカウントだけは投稿数が少なく判断に迷ったのか、2か月半経って漸く招待コードが送られてきた。

9月中旬にT2がPebbleに名称変更するのに合わせて招待制は終了し、誰でもアカウントを作れるようになった。

しかし蓋を開けてみれば、やっている事は招待制の時代と同じだった。最初に𝕏のアカウントの入力を求められる。単純な煩わしさは勿論、誰もが𝕏の代替を求めている訳ではない事をPebbleは失念していた。既に新興SNSはいくつもあり、とうの昔に𝕏のアカウントを削除してしまった人も大勢いたはずである。Pebbleはそんなユーザー候補を審査によって締め出してしまった。

プロフィールの登録が完了する前にアカウントが公開された

他のSNSではプロフィールが初期状態のままでもすぐに投稿する事が出来るが、Pebbleではプロフィール文と画像を登録しないとHomeページに遷移出来ない仕様になっていた。

これは私が2つ目のアカウントを登録しようとした時に起きた事だが、マルチバイト文字の処理に不具合があり、特定の文字列の組み合わせでプロフィール文を保存出来ない事態が発生した。既に画像の方は登録していたが、この不完全なプロフィールの状態で戸惑っている間に通知バッジの数値が上がり始めたのである。T2の時代は招待リンクを使ってアカウント名とメールアドレスを登録及び認証した時点で自動的に創業者3人がフォローしてくる仕様になっていたが、数値は4以上に上がっていた。つまり既存のユーザーは私のアカウント画像と、もしかしたら保存されていたのかも知れないユーザー名と所在のみでフォローしてきた事になる。これには恐怖しか感じなかった。

不具合について運営にメールを送っても1回目は相手にされず、1週間後に2回目のメールを出して漸く対処方法を記した返信が来た。と言っても「ラテン文字のみで入力して下さい」という、修正する気があるのか全く判らないものだった。実際、この不具合は最後まで解消されなかった。結局プロフィールは全て英文で書いた。

誰もが国際交流を望んでいる訳ではなかった

私がT2時代に使っていた当初から言語を気にせず誰もが気軽にリプライを飛ばしていた。機械翻訳すれば何とかなるため、私も特に気にせず機械翻訳を通してリプライをしていた。

しかし翻訳ボタンが設置されて、Google翻訳で翻訳出来る言語なら何でも翻訳出来るようになった事で状況は一変する。

従来の何倍もの頻度で英語やフランス語、イタリア語でリプライが来るようになった。しかもGoogle翻訳はお世辞にも精度が良いとは言えない。機械翻訳による誤訳に基づいた勘違いリプライが多発するようになった。それに対して「それは誤訳だよ」と言った所でその日本語を機械翻訳が誤訳すれば元も子もない。日本語でリプライするのは諦めてDeepL等を駆使して可能な限り正しいと思われる英文に翻訳してからリプライするよりほかなかった。

本来は楽しいはずの国際交流が機械翻訳の誤訳によって余計な負担を強いられるようになり、投稿頻度は減っていった。そして遂に我慢の限界に達した私は1か月半程前にPebbleのアカウントを放置した。誤訳を考慮しても気軽に出来る国際交流を楽しんでいる日本人はある程度いたが、私には無理だった。

終了の予兆

Pebbleがサービスを終了する予兆は1か月程前から既にあった。

まず唐突に招待コードが大量に追加された。大量のコードに対して「一番沢山招待した人を投稿上で表彰する」と言った。人が集まらないのでもっと呼んでくれという事だったのだろう。しかし結果はユーザー数を見ればご覧の通り、5000人程度しか増加しなかった。

2つ目はプレミアムハンドルに課された義務が結局行使されなかった事だ。アカウント名が8文字未満のアカウントは30日以上ログインしないと予め入力を求められる予備のアカウント名に変更されると規約には記されていた。過去に開発担当のミスでその時に送信されると思われる警告メールが全ユーザーに届いた事があり、1か月以上放置している私のプレミアムハンドルのアカウントには当然それが届かなければおかしかった。しかし優に1か月を過ぎているのにメールが届かない。試しにログインせずに直接プロフィールページにアクセスすると、プレミアムハンドルのままになっている。既に確立しているシステムが不具合を起こすとは考えにくい。これもユーザー数が足りず、規則を厳格に行使する事によるユーザー離れを防ぐのが目的だったと思われる。

3つ目は営利企業なら当然利益に結びつく施策をするはずだが、それらしき素振りが全く見られなかった事だ。国産新興SNSであるタイッツーを見れば解るが、運営資金を得るために様々な策を実施している。いつまでも投資家におんぶに抱っこしている訳にはいかない事は運営も解っていたはずなのにビジネスモデルを確立出来なかった。心地良い空間を作る事にばかり腐心して運営を維持する事を後回しにしてしまった事で既に取り返しのつかない事態になっていたと思われる。

Pebbleの未来

サービスを終了するという事は、新たな投資家が現れなかったという事だ。

やろうと思えばクラウドファンディングで運営資金を集める事は出来たかも知れない。しかし仮にユーザー全員がそれに賛同して資金が集まったとしても数か月の延命が限界だろう。もし実施後にサービスを終了したら、お金を持ち逃げされたと勘違いした人が批判の刃を向けて最悪のサービス終了になる。そうなる位なら潔く止めた方が後腐れなく綺麗に終われるはずである。

何処か体力のある企業が買収してサービスを続けてくれればと思うが、叶わぬ願いだろう。同様にサービス終了までに新たな投資家も望めそうにない。

さようならPebble。短い間だったけどありがとう。

開発担当がMastodonでサーバーを開設

Pebble Social

https://pebble.social/

サービス終了当日になって動きがあった。Pebbleで開発を担当していたGabor氏がMastodonにサーバーを建てた事が明らかになった。

先にBluesky上でも「T2/Pebble Pub」の名前でカスタムフィードが作成されたが、万一既にハンドル名が使われていた場合にどうやって本人と証明するのか問題があった。新規のサーバーであるこちらならそのような心配はほぼない。チェイン投稿出来ない点とAI投稿補助機能がない点を除けばPebbleは勿論、𝕏にも最も近いため機能面の心配もほぼない。

何故『ほぼ』と断ったかというと、pebble.socialにはmastodon.socialのような翻訳ボタンがないからだ。

翻訳ボタンはPebbleに於る国際交流の要となる機能だ。これがないと一々翻訳サイトを介すか、翻訳機能のあるMastodonのWebアプリを頼らざるを得なくなる。現状ではかつての気軽に出来る国際交流が成り立つかは見通せない。

それでも私はアカウントを作ったが、既にMastodonには雑記用に加えて目的特化のアカウントが複数あり、書く事が思い浮かぶかは判らない。「実験的」と断っている事もあり、安定した運営が続けられるかも疑問符が付く。しかもT2/Pebble同様の審査制を始めてしまい、再び敷居が高くなってしまった。安全を重視し過ぎる余り、交流を二の次と考えているのかと思われる恐れがある。

Gabor氏がT2/Pebbleについて振り返った記事がMediumに投稿されていた。

Tumblr

最大投稿文字数: 約100万字(但し段落あたり4096字まで) ※ラテン文字換算。マルチバイト文字が何文字分かは不明

編集◯ (回数/時間 共に無制限)

タグ◯ ※投稿本文から独立している

リプライ◯ (返信)

リポスト◯ (リブログ)

メンション◯ (質問する)

ダイレクトメッセージ(以下DM)◯ (メッセージ)

画像投稿◯ 30枚(Web)/10枚(アプリ)

動画投稿◯ (20個/日 最大時間10分 500MB/個 合計60分/日)

予約投稿◯ (投稿時間の指定) ※注:「予約投稿」は定期投稿を指す

未ログイン閲覧◯ ※不可にする事は可能

パブリックタイムライン(以下PTL)×

コンテンツラベル◯ (コミュニティラベル)

性的表現△ ※性的表現のないヌード(性器不可)まで

ブログにSNS機能を付けたサービス。人工言語に関する投稿をしている人はかなり多い。個人で開発した人工言語を画像付きで上げている人も多く、𝕏よりも活動は活発。逆に言えば、積極的にアピールしていかないと埋もれ易い。動向はタグをフォローすれば追い易い。画像に関してはパンチラ程度でコミュニティラベルを付ける必要はない。但し股間やお尻のアップ等の猥褻さが加わるとラベルを付けてもアウト(=強制非公開化)なので注意。言うまでもなくパンツにCamel toe(まんすじ)を付けるのは一発アウト。海外は見える見えないだけでなく、表現方法に対しても基準が細かく定義されている点が日本と異なる。

Bluesky

最大投稿文字数: 300字 ※どの言語でも

編集×

タグ◯

リプライ◯

リポスト◯

メンション×?

DM◯ (チャット)

画像投稿◯ 4枚

動画投稿◯ (3分/?fps/50MB ※1日あたり合計25本かつ合計10GB)

予約投稿×

未ログイン閲覧△ ※Bluesky(Web)アプリに限り、非表示可能。APIを使えば誰でも閲覧可能

PTL× ※カスタムフィードを使えば一応可能

コンテンツラベル◯

性的表現◯ (性的/ヌード/ポルノの3段階で指定可能)

人工言語に関する投稿は少ない。トキポナの投稿数がエスペラントを上回っている。投稿時に言語指定する仕様のため、マイナーな人工言語や自作の人工言語が言語リストにないため投稿時に困る事になる。尚、公式(bsky.social)以外のサーバーは下手をしたらMastodonの個人サーバーよりも運営が不安定のため止めた方がいい。因みにBlueskyの使うAPIは、ATプロトコルの使うAPIとBluesky(Web)アプリの使うAPIの2つあるのがアプリ開発者泣かせ。

Mastodon

最大投稿文字数: 500字 ※どの言語でも。文字数はサーバーの設定に依存。5000字位打てる所もある

編集 (v4以降のみ 回数/時間 共に無制限)

タグ◯

リプライ◯

リポスト◯ (ブースト)

メンション◯

DM◯ (非公開の返信)

画像投稿◯ 4枚

動画投稿◯ (?秒/120fps/99MB) ※音声付き動画は実質30MB以下しか投稿出来ない。投稿に失敗しても理由は一切表示されない

予約投稿△ ※APIのみ実装。対応しているクライアントから指定可能

未ログイン閲覧◯ ※不可にする事は可能

PTL△ ※Fedibirdのように無効にしているサーバーもある

コンテンツラベル△ ※細かい分類なし

性的表現 ※サーバー管理人が定める規約次第。必ず確認を

Fediverseの性質上、どのサーバーと接続しているかで人工言語に関する投稿の数も変わる。今の所人工言語専用のサーバーはないため、アピールしたいなら人工言語の投稿を認める言語関連のサーバーが最適。単純に人数の多いサーバーだとその他大勢の投稿に埋もれてしまう可能性あり。投稿時に言語を指定出来て人工言語の数もBlueskyより多いが、やはりマイナーな人工言語や自作の人工言語の言語指定に困る事になる。多分Englishにしておけば問題ない。日本語しか見ないユーザーには届かないが。抑言語指定しても誤った表示をする事があるのを早く直して欲しい。

Pebble(旧T2)

最大投稿文字数: ラテン文字280字 ※マルチバイト文字は2文字分

編集◯ (回数無制限/時間7分程度)

タグ◯

リプライ◯

リポスト◯

メンション◯

DM◯

画像投稿◯

動画投稿×

予約投稿×

未ログイン閲覧◯

PTL◯ ※サイトトップページもこれと同じ

コンテンツラベル×

性的表現×

翻訳ボタン(内部でGoogle翻訳を使用)のお陰で気軽に国際交流出来る事が魅力だが、実際は誤訳による勘違いリプライも結構な数で発生している。そのせいかどうかは判らないが、人工言語を使っている人は日本人の極一部を除けばいない。今は2万人程度しかユーザーがいないが、大幅に増えればやがて国際交流もなくなる可能性がある。しかし招待コードを使わない限り、必ず𝕏かGoogleのアカウントと接続しないとアカウントを作成出来ないため、大幅なユーザー数の増加は望めない気がする。旧称のT2も現在のPebbleも検索にヒットしにくいのも影響していると思われる。規約等が変更されても告知されないため対応に困る事も。特に複数アカウントについての規約が「企業以外2つ以上不可」→「明確に目的の異なる2つまで可」→「企業以外2つ以上不可」と変化したため、人によっては明確な規約違反状態になっていると思われる。障害が発生しても公式アカウントが何も告知しない事がある。𝕏同様のチェイン投稿（複数の投稿をつなげて纏めて投稿）が可能。2023年11月1日を以てサービス終了。Mastodonにpebble.socialサーバーが建った。しかしアクティブユーザー数は減少の一途を辿っている。2025年3月にMastodonの方も消滅。

タイッツー

最大投稿文字数: 【通常投稿】ラテン文字280字 【長文投稿（がっつりタイーツ）】+ラテン文字12,000字 ※マルチバイト文字は2文字分

編集×

タグ◯

リプライ◯ (機能的にはコメント)

リポスト◯ (リタイーツ)

メンション◯

DM×

画像投稿 【通常投稿】2枚 【長文投稿】+6枚

動画投稿◯ (15秒/?fps/90MB)

予約投稿×

未ログイン閲覧◯

PTL◯ ※未ログインでの閲覧は不可

コンテンツラベル△ ※細かい分類なし

性的表現△ ※性的表現のないヌード(性器不可)まで

国産SNSかつ個人経営でビジネスモデルを確立させた期待のホープ。企業誘致が上手く、キャンペーンによる経済効果も上々。新機能の追加や不具合で逐一報告してくれる対応の良さも信頼につながっている。所謂「一般人」が大多数を占めるためか人工言語に関しては殆ど見た事がなく、稀にエスペラントで投稿されている程度。一応外国人が外国語で投稿しているのを見る事もある。創作活動をしている人も徐々に増えてきてはいる。開発者自身がPTLは無理に見なくても良いと言っているので、PTLの空気に惑わされず好き勝手に投稿すれば良いと思う。「がっつりタイーツ機能」搭載で他のマイクロブログ系SNSとの差別化を図っている模様。

つみったー(仮)

最大投稿文字数: 【通常投稿】255文字 【長文投稿 (ロングポスト)】+10,000字 ※どの言語でも

編集×

タグ◯

リプライ◯

リポスト× ※扱いに迷っている模様で、実装されるかは不透明

メンション◯

DM× ※現時点では実装予定なし

画像投稿◯ 4枚?

動画投稿×

予約投稿×

未ログイン閲覧△ ※個々のアカウント設定次第

PTL◯

コンテンツラベル△ ※細かい分類なし

性的表現×

この金木犀は5年程前に一度切り株を残して伐採をしている。理由は2階の高さを超えるのも時間の問題と思える高さまで成長してしまい、真上にあるベランダや道路蛾にはみ出した部分で剪定が不可避の状態だった。毎年剪定していたのでは経費が嵩むと判断し、最終的に成長をリセットさせる意味で前記の大胆な伐採に踏み切った。切り株だけで本当に再び成長するのか不安もあったが、年を重ねる毎に順調に成長して伐採前と数十cm違う程度にまで回復した。そして漸く今年再び花を咲かせた。

植えた当初の事は何十年も前のためすっかり忘れていたが、金木犀の若木は花が咲いても香りを余り出さないらしい。そこから更に数年の時を経て漸く香り始めるらしいのだ。前述通りこの金木犀は一度伐採しているため、その辺りの成長もリセットされてしまったらしい。