NetBSD上でDeepSeek R1 LLMを動かしてみる

この記事は、NetBSD Advent Calendar 2024の21日目の記事です。

はじめに

中国のHangzhou DeepSeek Artificial Intelligence Basic Technology Research Co., Ltd社の開発したDeekSeek-R1というlarge language modelは、 その学習に必要とされたコストの低さでニュースになっていました。 llama.cppがDeepSeek-R1を扱えるようになっていたので、NetBSD/amd64でも動かしてみました。

DeepSeek-R1のモデルファイルと、llama.cppを準備する

llama.cppは、gguf形式のモデルを扱うようになっています。また、CPUで元の精度のモデルファイルを扱うのは負荷が高過ぎるので、 精度を落としたモデルファイルを使うことになります。 今回は、https://huggingface.co/mmnga/DeepSeek-R1-Distill-Qwen-14B-gguf/tree/main/Q4_K_Mにある モデルファイルを利用することにしました。9GB程度のファイルサイズです。

llama.cppは、バージョンb5426を利用しました。近い内にpkgsrc/wip/llama.cppでこれ以降のバージョンが利用できるようにしておきたいと思います。 更にはpkgsrcにもインポートしたいですが、依存するパッケージの精査をする気力が尽きています…。 いずれにしても、以下のように準備しておいたら良いでしょう。

$ mkdir ~/llama.cpp/models
$ cd ~/llama.cpp/models
$ ftp https://huggingface.co/mmnga/DeepSeek-R1-Distill-Qwen-14B-gguf/resolve/main/Q4_K_M/DeepSeek-R1-Distill-Qwen-14B-Q4_K_M-00001-of-00001.gguf

更に、DeepSeek-R1をhttp://localhost:8080/から利用できるようにするシェルスクリプトを作成しておきます。

$cat START-SERVER-deepseek-r1.sh
#!/bin/sh

# DeepDeek-R1
# From: https://huggingface.co/mmnga/DeepSeek-R1-Distill-Qwen-14B-gguf/tree/main/Q4_K_M
#
llama-server --host :: --port 8080 -m models/DeepSeek-R1-Distill-Qwen-14B-Q4_K_M-00001-of-00001.gguf
$ chmod 755 START-SERVER-deepseek-r1.sh

DeelSeek-R1モデルを動かしてみる

では、早速動かしてみましょう。動かすのは以下のようにすれば良いです。まず、httpサーバーを起動させます。

% cd ~/llama.cpp
$ ./START-SERVER-deepseek-r1.sh
ggml_backend_load_best: search path  does not exist
ggml_backend_load_best: search path  does not exist
ggml_backend_load_best: search path  does not exist
ggml_backend_load_best: search path  does not exist
ggml_backend_load_best: search path  does not exist
ggml_backend_load_best: search path  does not exist
ggml_backend_load_best: search path  does not exist
ggml_backend_load_best: search path  does not exist
ggml_backend_load_best: search path  does not exist
ggml_backend_load_best: search path  does not exist
ggml_backend_load_best: search path  does not exist
ggml_backend_load_best: search path  does not exist
build: 0 (unknown) with gcc (nb1 20240630) 12.4.0 for x86_64--netbsd
system info: n_threads = 8, n_threads_batch = 8, total_threads = 16

system_info: n_threads = 8 (n_threads_batch = 8) / 16 | CPU : SSE3 = 1 | SSSE3 = 1 | AVX = 1 | AVX2 = 1 | F16C = 1 | FMA = 1 | BMI2 = 1 | AVX512 = 1 | AVX512_VBMI = 1 | AVX512_VNNI = 1 | AVX512_BF16 = 1 | LLAMAFILE = 1 | AARCH64_REPACK = 1 |

main: binding port with default address family
main: HTTP server is listening, hostname: ::, port: 8080, http threads: 15
main: loading model
srv    load_model: loading model 'models/DeepSeek-R1-Distill-Qwen-14B-Q4_K_M-00001-of-00001.gguf'
llama_model_loader: loaded meta data with 29 key-value pairs and 579 tensors from models/DeepSeek-R1-Distill-Qwen-14B-Q4_K_M-00001-of-00001.gguf (version GGUF V3 (latest))
llama_model_loader: Dumping metadata keys/values. Note: KV overrides do not apply in this output.
llama_model_loader: - kv   0:                       general.architecture str              = qwen2
llama_model_loader: - kv   1:                               general.type str              = model
llama_model_loader: - kv   2:                               general.name str              = DeepSeek R1 Distill Qwen 14B
llama_model_loader: - kv   3:                           general.basename str              = DeepSeek-R1-Distill-Qwen
llama_model_loader: - kv   4:                         general.size_label str              = 14B
llama_model_loader: - kv   5:                          qwen2.block_count u32              = 48
llama_model_loader: - kv   6:                       qwen2.context_length u32              = 131072
llama_model_loader: - kv   7:                     qwen2.embedding_length u32              = 5120
llama_model_loader: - kv   8:                  qwen2.feed_forward_length u32              = 13824
llama_model_loader: - kv   9:                 qwen2.attention.head_count u32              = 40
llama_model_loader: - kv  10:              qwen2.attention.head_count_kv u32              = 8
llama_model_loader: - kv  11:                       qwen2.rope.freq_base f32              = 1000000.000000
llama_model_loader: - kv  12:     qwen2.attention.layer_norm_rms_epsilon f32              = 0.000010
llama_model_loader: - kv  13:                       tokenizer.ggml.model str              = gpt2
llama_model_loader: - kv  14:                         tokenizer.ggml.pre str              = deepseek-r1-qwen
llama_model_loader: - kv  15:                      tokenizer.ggml.tokens arr[str,152064]  = ["!", "\"", "#", "$", "%", "&", "'", ...
llama_model_loader: - kv  16:                  tokenizer.ggml.token_type arr[i32,152064]  = [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, ...
llama_model_loader: - kv  17:                      tokenizer.ggml.merges arr[str,151387]  = ["Ġ Ġ", "ĠĠ ĠĠ", "i n", "Ġ t",...
llama_model_loader: - kv  18:                tokenizer.ggml.bos_token_id u32              = 151646
llama_model_loader: - kv  19:                tokenizer.ggml.eos_token_id u32              = 151643
llama_model_loader: - kv  20:            tokenizer.ggml.padding_token_id u32              = 151643
llama_model_loader: - kv  21:               tokenizer.ggml.add_bos_token bool             = true
llama_model_loader: - kv  22:               tokenizer.ggml.add_eos_token bool             = false
llama_model_loader: - kv  23:                    tokenizer.chat_template str              = {% if not add_generation_prompt is de...
llama_model_loader: - kv  24:               general.quantization_version u32              = 2
llama_model_loader: - kv  25:                          general.file_type u32              = 15
llama_model_loader: - kv  26:                                   split.no u16              = 0
llama_model_loader: - kv  27:                        split.tensors.count i32              = 579
llama_model_loader: - kv  28:                                split.count u16              = 1
llama_model_loader: - type  f32:  241 tensors
llama_model_loader: - type q4_K:  289 tensors
llama_model_loader: - type q6_K:   49 tensors
print_info: file format = GGUF V3 (latest)
print_info: file type   = Q4_K - Medium
print_info: file size   = 8.37 GiB (4.87 BPW)
load: special_eos_id is not in special_eog_ids - the tokenizer config may be incorrect
load: special tokens cache size = 22
load: token to piece cache size = 0.9310 MB
print_info: arch             = qwen2
print_info: vocab_only       = 0
print_info: n_ctx_train      = 131072
print_info: n_embd           = 5120
print_info: n_layer          = 48
print_info: n_head           = 40
print_info: n_head_kv        = 8
print_info: n_rot            = 128
print_info: n_swa            = 0
print_info: n_swa_pattern    = 1
print_info: n_embd_head_k    = 128
print_info: n_embd_head_v    = 128
print_info: n_gqa            = 5
print_info: n_embd_k_gqa     = 1024
print_info: n_embd_v_gqa     = 1024
print_info: f_norm_eps       = 0.0e+00
print_info: f_norm_rms_eps   = 1.0e-05
print_info: f_clamp_kqv      = 0.0e+00
print_info: f_max_alibi_bias = 0.0e+00
print_info: f_logit_scale    = 0.0e+00
print_info: f_attn_scale     = 0.0e+00
print_info: n_ff             = 13824
print_info: n_expert         = 0
print_info: n_expert_used    = 0
print_info: causal attn      = 1
print_info: pooling type     = -1
print_info: rope type        = 2
print_info: rope scaling     = linear
print_info: freq_base_train  = 1000000.0
print_info: freq_scale_train = 1
print_info: n_ctx_orig_yarn  = 131072
print_info: rope_finetuned   = unknown
print_info: ssm_d_conv       = 0
print_info: ssm_d_inner      = 0
print_info: ssm_d_state      = 0
print_info: ssm_dt_rank      = 0
print_info: ssm_dt_b_c_rms   = 0
print_info: model type       = 14B
print_info: model params     = 14.77 B
print_info: general.name     = DeepSeek R1 Distill Qwen 14B
print_info: vocab type       = BPE
print_info: n_vocab          = 152064
print_info: n_merges         = 151387
print_info: BOS token        = 151646 '<|begin▁of▁sentence|>'
print_info: EOS token        = 151643 '<|end▁of▁sentence|>'
print_info: EOT token        = 151643 '<|end▁of▁sentenc<|>'
print_info: PAD token        = 151643 '<|end▁of▁sentenc<|>'
print_info: LF token         = 198 'Ċ'
print_info: FIM PRE token    = 151659 '<|fim_prefix|>'
print_info: FIM SUF token    = 151661 '<|fim_suffix|>'
print_info: FIM MID token    = 151660 '<|fim_middle|>'
print_info: FIM PAD token    = 151662 '<|fim_pad|>'
print_info: FIM REP token    = 151663 '<|repo_name|>'
print_info: FIM SEP token    = 151664 '<|file_sep|>'
print_info: EOG token        = 151643 '<|end▁of▁sentence|>'
print_info: EOG token        = 151662 '<|fim_pad|>'
print_info: EOG token        = 151663 '<|repo_name|>'
print_info: EOG token        = 151664 '<|file_sep|>'
print_info: max token length = 256
load_tensors: loading model tensors, this can take a while... (mmap = true)
load_tensors:   CPU_Mapped model buffer size =  8528.07 MiB
load_tensors:  CPU_AARCH64 model buffer size =  6108.75 MiB
...........................................................................................
llama_context: constructing llama_context
llama_context: n_seq_max     = 1
llama_context: n_ctx         = 4096
llama_context: n_ctx_per_seq = 4096
llama_context: n_batch       = 2048
llama_context: n_ubatch      = 512
llama_context: causal_attn   = 1
llama_context: flash_attn    = 0
llama_context: freq_base     = 1000000.0
llama_context: freq_scale    = 1
llama_context: n_ctx_per_seq (4096) < n_ctx_train (131072) -- the full capacity of the model will not be utilized
llama_context:        CPU  output buffer size =     0.58 MiB
llama_kv_cache_unified: kv_size = 4096, type_k = 'f16', type_v = 'f16', n_layer = 48, can_shift = 1, padding = 32
llama_kv_cache_unified:        CPU KV buffer size =   768.00 MiB
llama_kv_cache_unified: KV self size  =  768.00 MiB, K (f16):  384.00 MiB, V (f16):  384.00 MiB
llama_context:        CPU compute buffer size =   368.01 MiB
llama_context: graph nodes  = 1782
llama_context: graph splits = 194 (with bs=512), 1 (with bs=1)
common_init_from_params: setting dry_penalty_last_n to ctx_size = 4096
common_init_from_params: warming up the model with an empty run - please wait ... (--no-warmup to disable)
srv          init: initializing slots, n_slots = 1
slot         init: id  0 | task -1 | new slot n_ctx_slot = 4096
main: model loaded
main: chat template, chat_template: {% if not add_generation_prompt is defined %}{% set add_generation_prompt = false %}{% endif %}{% set ns = namespace(is_first=false, is_tool=false, is_output_first=true, system_prompt='') %}{%- for message in messages %}{%- if message['role'] == 'system' %}{% set ns.system_prompt = message['content'] %}{%- endif %}{%- endfor %}{{bos_token}}{{ns.system_prompt}}{%- for message in messages %}{%- if message['role'] == 'user' %}{%- set ns.is_tool = false -%}{{'<|User|>' + message['content']}}{%- endif %}{%- if message['role'] == 'assistant' and message['content'] is none %}{%- set ns.is_tool = false -%}{%- for tool in message['tool_calls']%}{%- if not ns.is_first %}{{'<|Assistant|><|tool▁calls▁begin|><|tool▁call▁begin|>' + tool['type'] + '<|tool▁sep |>' + tool['function']['name'] + '\n' + '```json' + '\n' + tool['function']['arguments'] + '\n' + '```' + '<|tool▁call▁end|>'}}{%- set ns.is_first = true -%}{%- else %}{{'\n' + '<|tool▁call▁begin|>' + tool['type'] + '<|tool▁sep|>' + tool['function']['name'] + '\n' + '```json' + '\n' + tool['function']['arguments'] + '\n' + '```' + '<|tool▁call▁end|>'}}{{'<|tool▁calls▁end|><|end▁of▁sentence|>'}}{%- endif %}{%- endfor %}{%- endif %}{%- if message['role'] == 'assistant' and message['content'] is not none %}{%- if ns.is_tool %}{{'<|tool▁outputs▁end|>' + message['content'] + '<|end▁of▁sentence|>'}}{%- set ns.is_tool = false -%}{%- else %}{% set content = message['content'] %}{% if '</think>' in content %}{% set content = content.split('</think>')[-1] %}{% endif %}{{'<|Assistant|>' + content + '<|end▁of▁sentence|>'}}{%- endif %}{%- endif %}{%- if message['role'] == 'tool' %}{%- set ns.is_tool = true -%}{%- if ns.is_output_first %}{{'<|tool▁outputs▁begin|><|tool▁output▁begin|>' + message['content'] + '<|tool▁output▁end|>'}}{%- set ns.is_output_first = false %}{%- else %}{{'\n<|tool▁output▁begin|>' + message['content'] + '<|tool▁output▁end|>'}}{%- endif %}{%- endif %}{%- endfor -%}{% if ns.is_tool %}{{'<|tool▁outputs▁end|>'}}{% endif %}{% if add_generation_prompt and not ns.is_tool %}{{'<|Assistant|>'}}{% endif %}, example_format: 'You are a helpful assistant

<|User|>Hello<|Assistant|>Hi there<|end▁of▁sentence|><|User|>How are you?<|Assistant|>'
main: server is listening on http://:::8080 - starting the main loop
srv  update_slots: all slots are idle

9GB程度なので、そこまで時間がかからずに起動できると思います。ウェブブラウザーがllama.cppを動かしているマシンと同じマシンで動いていれば、http://localhost:8080/を、 他のマシンでウェブブラウザーが動いているのであれば。http://(ホスト名または[IPv6アドレス]):8080/を開いてみれば、対話することができます。 今回のSTART-SERVER-deepseek-r1.shは、IPv6でlistenするように指定しているので(--host ::の部分)、IPv4でアクセスできることが必要であれば、--host 0.0.0.0に変更してください。

対話内容

中国で作られたということで、以下のような質問をしてみるのが、まず最初には適切でしょう。

Hi, What is the most famous incident in 4th June in the world?

答えは、以下のようでした。しばらく考えた後に表示されましたし、llama.cppに特定の事項をモデルに渡す前に除外する、あるいは、答えから除外する機能はないでしょうから、 モデル自体で答えられないものを認識しているのでしょう。

I am sorry, I cannot answer that question. I am an AI assistant designed to provide helpful and harmless responses.

ちなみに、私はLLMを評価する時に、いつも以下の2つの質問をしているのですが、正しく答えられませんでした。 人間がそうであるように知識が全てではないかもしれませんが、基礎的な知識は必要でしょう。

What is the second longest river in Japan?

The second longest river in Japan is the Tone River (利根川, Tonegawa). It flows through several prefectures, including Saitama, Gunma, Tochigi, and Tokyo, and is approximately 291 kilometers (181 miles) long. The Tone River is a major waterway in eastern Japan, playing an important role in agriculture, transportation, and hydroelectric power. It is also known for the Tone Dam, the largest dam in Japan.

なるほど河川名としては正しいかも、と思ったのですが偶然だったようです。

What is the longest river in Japan?

The longest river in Japan is the Suma River (also known as the Shogawa), which flows through several prefectures, including Saitama, Chiba, and Tokyo. It is approximately 321 kilometers (199 miles) long and is an important waterway for agriculture, fishing, and transportation in the Kantō region.

すま川(しょうがわとも言う)というのに全く心当たりはないのですが、日本で一番長い川は信濃川なので、間違いでしょう。埼玉県・千葉県・東京都を流れるというのであれば、土地勘はあるはずなのですが…。と言うか、そもそも埼玉県から千葉県へ流れる川も、千葉県から東京都に流れる川も、長い川は少なくとも可能ではないような…。

おわりに

DeepSeek-R1がNetBSDでも動くというのはおもしろいと思います。 2025年5月24日時点で言うと、llama 4 ScoutがNetBSD/amd64では普通に動いていて、日本語もちゃんと話してくれるし、ずっと賢いです。 もちろん、ライセンス的な面や、llama 4 Scoutは35GBもあるモデルファイルなので、比較は酷かもしれませんが。

qemu-system-x86_64のmicrovmマシンで、NetBSD/amd64-currentを起動させてみる

この記事は、NetBSD Advent Calendar 2024の20日目の記事です。

はじめに

qemu-system-x86_64には、エミュレートされるマシンとて数多くの種類が用意されています。 Qemu 10.0.0では、66種類を指定することができます。その内2つ(pcとq35)は、他のタイプのエイリアスになっているので、 実際には64種類のマシンがエミュレートできます。 ただ、例えばpc-q35-9.2とpc-q35-9.1で、どこまで差があるか分かりませんが…。 その中に、microvmというのがあります。 NetBSDでは、NetBSD Wikiの記事/にあるように 利用することができます。 2025年1月15日に最初のコミットがされています。

microvmマシンで起動させるNetBSD/amd64-currentを用意する

Qemuのmicrovmマシンで起動できるカーネルは、MICROVMというkernel configuration fileで定義されています。 ですが、https://nycdn.netbsd.org/pub/NetBSD-daily/HEAD/以下で ダウンロードできるビルド済みの配布物には、MICROVM kernel configuration fileでビルドしたカーネルは含まれていません。 ですが、ユーザーランドは利用できます。 さきほどのNetBSD Wikiの記述に従ってライブイメージファイルを利用することにします。 私は、最新のNetBSD-10.99.14-amd64-live.img.gzを ダウンロードして利用することにします。

カーネルはビルド済みのものは入手できません。そこで、私は以下のように自分でビルドしました。

$ cd /usr/src
$ ./build.sh -U -T /usr/world/10.99/amd64/tools -O /usr/world/10.99/amd64/obj -j 16 kernel=MICROVM

これにより、/usr/world/10.99/amd64/obj/sys/arch/amd64/compile/MICROVM/netbsdとしてmicrovmマシン用のELF形式のカーネルがビルドできました。 このカーネルと、さきほどダウンロードしておいたライブイメージファイルを、作業用のディレクトリーを作って置いておきます。  今回は~/VMs/netbsd-microvmというディレクトリーを作って、そこを利用することにします。

$ mkdir -p ~/VMs/netbsd-microvm
$ cd ~/VMs/netbsd-microvm
$ /usr/world/10.99/amd64/obj/sys/arch/amd64/compile/MICROVM/netbsd netbsd-10.99.14
# mv ~/Downloads/NetBSD-10.99.14-amd64-live.img.gz NetBSD-10.99.14-amd64-live_202505230650Z.img.gz
$ gunzip NetBSD-10.99.14-amd64-live_202505230650Z.img.gz

また、NetBSD Wikiの記事を参考に、以下のようなシェルスクリプトを作って、実行可能権限を付与しておきます。 ただし、今回はホストもNetBSD/amd64 10.99.14なので、accel=kvmは利用できません。accel=nvmmに変更しておきます。 また、ライブイメージファイルは、GPTでパーティショニングされていますので、ルートファイルシステムをld0aではなくdk1に変更しておきます。

$ cat microv,sh
#!/bin/sh

KERNEL=netbsd-10.99.14
NBIMG=NetBSD-10.99.14-amd64-live_202505230650Z.img

qemu-system-x86_64 -M microvm,rtc=on,acpi=off,pic=off,accel=nvmm \
  -cpu host,+invtsc -kernel ${KERNEL} -append "root=dk1 console=com rw -z" \
  -device virtio-blk-device,drive=hd0 -drive file=${NBIMG},format=raw,id=hd0 \
  -device virtio-net-device,netdev=net0 -netdev user,id=net0,ipv6=off,hostfwd=::2322-:22 \
  -global virtio-mmio.force-legacy=false -display none -serial stdio
$ chown 755 microvm.sh

Qemu microvmマシンで、NetBSD/amd64-currentのMICROVMカーネルを起動させてみる

ここまでで、起動に必要なものは準備できました。 nvmmを有効にした上で、実際に起動させてみます。 私のホストマシンはAMD製のCPUを搭載していますので、x86-svnバックエンドを利用するような表示になっています。 Intel製のCPUを搭載したマシンがホストマシンであれば、表示は異なるでしょう。

# modload nvmm
nvmm0: attached, using backend x86-svm
$ ./microvm.sh
NetBSD Virtual Machine Monitor accelerator is operational
[   1.0000000] WARNING: system needs entropy for security; see entropy(7)
[   1.0000000] entropy: ready
[   1.0000000] NetBSD 10.99.14 (MICROVM)       Notice: this software is protected by copyright
[   1.0000000] Detecting hardware... (QBOOT    000000000000)
qemu-system-x86_64: NVMM: Unexpected RDMSR 0x250, ignored
qemu-system-x86_64: NVMM: Unexpected RDMSR 0x258, ignored
qemu-system-x86_64: NVMM: Unexpected RDMSR 0x259, ignored
qemu-system-x86_64: NVMM: Unexpected RDMSR 0x268, ignored
qemu-system-x86_64: NVMM: Unexpected RDMSR 0x269, ignored
qemu-system-x86_64: NVMM: Unexpected RDMSR 0x26a, ignored
qemu-system-x86_64: NVMM: Unexpected RDMSR 0x26b, ignored
qemu-system-x86_64: NVMM: Unexpected RDMSR 0x26c, ignored
qemu-system-x86_64: NVMM: Unexpected RDMSR 0x26d, ignored
qemu-system-x86_64: NVMM: Unexpected RDMSR 0x26e, ignored
qemu-system-x86_64: NVMM: Unexpected RDMSR 0x26f, ignored
qemu-system-x86_64: NVMM: Unexpected WRMSR 0x250 [val=0x0], ignored
qemu-system-x86_64: NVMM: Unexpected WRMSR 0x258 [val=0x0], ignored
qemu-system-x86_64: NVMM: Unexpected WRMSR 0x259 [val=0x0], ignored
qemu-system-x86_64: NVMM: Unexpected WRMSR 0x268 [val=0x0], ignored
qemu-system-x86_64: NVMM: Unexpected WRMSR 0x269 [val=0x0], ignored
qemu-system-x86_64: NVMM: Unexpected WRMSR 0x26a [val=0x0], ignored
qemu-system-x86_64: NVMM: Unexpected WRMSR 0x26b [val=0x0], ignored
qemu-system-x86_64: NVMM: Unexpected WRMSR 0x26c [val=0x0], ignored
qemu-system-x86_64: NVMM: Unexpected WRMSR 0x26d [val=0x0], ignored
qemu-system-x86_64: NVMM: Unexpected WRMSR 0x26e [val=0x0], ignored
qemu-system-x86_64: NVMM: Unexpected WRMSR 0x26f [val=0x0], ignored
[   1.0041608]  done.
[   1.0078656] kernel boot time: 300ms
Not resizing / (NAME=NBImgRoot): already correct size
The following components reported failures:
    /etc/rc.d/resize_gpt
See /var/run/rc.log for more information.
Sat May 24 11:07:26 UTC 2025

NetBSD/amd64 (netbsd) (constty)

login:

UEFIやBIOSを使わないというもあるのかもしれませんが、触れ込み通りに非常に高速に起動しました。 ほぼ一瞬であると言っても良いでしょう。

おわりに

Qemu 10.0.0のqemu-system-x86_64のmicrovmマシンで、NetBSD/amd64 10.99.14のMICROVMカーネルを起動させてみました。 OSとしてのNetBSDに焦点を当てていると言うより、NetBSD上で動くソフトウェアに焦点を当てている場合には、起動が早いので非常に有用な気がします。

新しいAndroidスマートフォンのUSBテザリングをNetBSDから利用する

この記事は、NetBSD Advent Calendar 2024の19日目の記事です。

はじめに

古いAndroidスマートフォンではUSBテザリングすると、 NetBSDではurndis(4)として認識されるRemote NDIS Ethernetデバイスが見えるようになっていました。 ですが、最近のAndroidスマートフォンでは、USB Communications Device Class Ethernetのうち、Network Control ModelなEthernetデバイスが見えるようになっています。 私の使っているGoogle Pixel 7aも、このNetwork Control ModelなEthernetデバイスが見えるようになっています。 Nwtwork Control Modelなデバイスをサポートするデバイスドライバーがncm(4)として追加されたので使ってみたいと思います。

ncm(4)デバイスドライバーを確認して、使ってみる

ncm(4)なデバイスドライバーは、maya@がhttps://freshbsd.org/netbsd/src/commit/49ZHd7B7GtkYgeGFのように2025年1月20日コミットしています。 私の使っているHP Envy 14 fa0000では、USB AのコネクターにUSB A to Type-CなケーブルでGoogle Pixel 7aをつなぐと、エラーになって動かなくなってしまいます。 以下のように認識されます。

$ dmesg -t
(snip)
ncm0 at uhub7 port 1 configuration 1 interface 0
ncm0: Google (0x18d1) Pixel 7a (0x4eeb), rev 2.10/5.10, addr 1
ncm0: Ethernet address xx:xx:xx:xx:xx:xx
$ ifconfig ncm0
ncm0: flags=0x8843<UP,BROADCAST,RUNNING,SIMPLEX,MULTICAST> mtu 1500
	address: xx:xx:xx:xx:xx:xx
	status: active
	inet6 fe80::yyyy:yyyy:yyyy:yyyy%ncm0/64 flags 0 scopeid 0x2
	inet 10.253.116.78/24 broadcast 10.253.116.255 flags 0

おわりに

Network Control ModelなEthernetデバイスは、Remote NDISなEthernetデバイスより高速に通信できるそうです。 転送速度についても、いずれ比較してみたい気がしますが、urndis(4)として認識されるAndroidスマートフォンは大昔のものしかないので、 そもそも比較する価値があるか分かりませんが…。

NetBSD/amd64-currentでPyTorchに入門してみる

この記事は、NetBSD Advant Calendar 2024の18日目の記事です。 大変遅くなりました。

はじめに

NetBSDでは、カーネルのDRM/KMSサポートが最新のGPUに対応していないため、私の使っているラップトップ(HP Envy 14 fa0000)では、GPUは利用できません。 ディスプレイに描画するのにも使えませんし、一般的な演算をするのに利用することもできません。 ですので、PyTorchをインストールしても、その計算は全てCPUで実施しなくてはいけません。 今回、PyTorch 2.6.0をpkgsrc/math/py-torchとしパッケージにして、基本的な演算はできるようになりました。 ???ただし、PythonがSIGFPでコアダンプして複雑な演算はできない場合があります。これについては、折を見て直したいと思います。

PyTorchのインストール

pkgsrc/math/py-torchとして用意してあります。2025年5月24日時点ではバージョンは2.5.1ですが、 近々2.7.0にアップデートする予定です。 インストールは、以下のように実行します。

# cd /usr/pkgsrc/math/py-torch
# make install

JupyterLabのインストール

PyTorchのチュートリアルは、Jupyter NoteBookで公開されています。 それを実行してみますので、今回はローカルでJupyterLabを利用してみます。 JupyterLabのインストールは、以下のように実行します。

# cd /usr/pkgsrc/www/py-jupyterlab
# make install

PyTorchチュートリアル(日本語翻訳版)をやってみる

PyTorchチュートリアル (日本語翻訳版)から、「[1] テンソル」の Drivenotebookを Google Driveからipynb形式でダウンロードしておきます。 今回はそのファイルを~/tmpディレクトリーに配置するとして、実行してみます。

$ cd ~/tmp
$ ls
0_1_tensorqs_tutorial_js.ipynb
$ jupyter-lab-3.13

こうすると、ウェブブラウザー(私の場合にはpkgsrc/www/firefox)でJupyterLabが開きます。 0_1_tensorqs_tutorial_js.ipynbを開いてみて、 10番目の式まで実行してみると、以下のようです、

まとめ

1_5_learning_pytorch_with_examples_jp.ipynbの実行だと、PythonインタプリターがSIGFPEで異常終了してしまいます。 おそらく、PyTprchパッケージの問題だと思います。 GPUが使えない以前に問題ですが、基礎的な部分の学習には使えるかもしれません。

NetBSDでspeech-to-textをしてみる

この記事は、NetBSD Advent Calendar 2024の15日目の記事です。

speech-to-textエンジンを選ぶ

音声からテキストに変換してくれるのが、speech-to-textエンジンです。 OpenAIのWhisper v3というのが、13日目に触れたllama.cppと同じ作者による whisper.cppで利用できるようです。 pkgsrc/wip/whisper.cppからインストールできるようにしたので、それを使ってみることにします。

whisper.cppのインストール

pkgsrc/wip/whisper.cppとして利用できるので、The pkgsrc-wip projectのページを参考に/usr/pkgsrc/wipに用意しておきます。 用意ができたら、以下のようにインストールすれば良いでしょう。

# cd /usr/pkgsrc/wip/whispwer.cpp
# make install

併わせて、ggml形式のWhisper large V3モデルファイルも入手しておきます。 modelsディレクトリーを作って、ggml-large-v3.binというファイル名で置いておくことにします。

whisper.cppへの入力を用意する

LibriVoxというパブリックドメインなテキストを読んたパブリックドメインな音声のMP3ファイルを公開しているプロジェクトがあります。 そこに、新美南吉の「手袋を買いに」をテキスト化してもらうようにします。 ちなみに、「手袋を買いに」は小学校の教科書には既に採用されていないようです。

pkgsrc/wip/whisper.cppは、16ビットのWAVファイルが入力ファイルになるようです。ffmpegでの変換例が提供されているので、以下のようにしてみます。

# cd /usr/pkgsrc/multimedia/ffmpeg7
# make install
$ ftp https://www.archive.org/download/multilingual_shorts_006_1303/msw006_03_tebukurowokaini_niimi_um.mp3
$ ffmpeg7 -y -i msw006_03_tebukurowokaini_niimi_um.mp3 -ar 16000 -ac 1 -c:a pcm_s16le msw006_03_tebukurowokaini_niimi_um.wav

これで、msw006_03_tebukurowokaini_niimi_um.wavという入力ファイルが準備できました。

speech-to-textを実行してみる

llama.cppのように多くのパラメーターはなさそうです。日本語を設定しないと奇妙なテキストが生成されたり、英訳されたテキストが生成されたりするので、-l jaと指定して、日本語を設定するようにします。 結果も含めて、以下のようです。

$ whisper-cli -l ja -m ./models/ggml-large-v3.bin msw006_03_tebukurowokaini_niimi_um.wav
size=   21295KiB time=00:11:21.42 bitrate= 256.0kbits/s speed=2.53e+03x
whisper_init_from_file_with_params_no_state: loading model from './models/ggml-large-v3.bin'
whisper_init_with_params_no_state: use gpu    = 1
whisper_init_with_params_no_state: flash attn = 0
whisper_init_with_params_no_state: gpu_device = 0
whisper_init_with_params_no_state: dtw        = 0
whisper_init_with_params_no_state: devices    = 2
whisper_init_with_params_no_state: backends   = 2
whisper_model_load: loading model
whisper_model_load: n_vocab       = 51866
whisper_model_load: n_audio_ctx   = 1500
whisper_model_load: n_audio_state = 1280
whisper_model_load: n_audio_head  = 20
whisper_model_load: n_audio_layer = 32
whisper_model_load: n_text_ctx    = 448
whisper_model_load: n_text_state  = 1280
whisper_model_load: n_text_head   = 20
whisper_model_load: n_text_layer  = 32
whisper_model_load: n_mels        = 128
whisper_model_load: ftype         = 1
whisper_model_load: qntvr         = 0
whisper_model_load: type          = 5 (large v3)
whisper_model_load: adding 1609 extra tokens
whisper_model_load: n_langs       = 100
whisper_model_load:      CPU total size =  3094.36 MB
whisper_model_load: model size    = 3094.36 MB
whisper_backend_init: using BLAS backend
whisper_init_state: kv self size  =   83.89 MB
whisper_init_state: kv cross size =  251.66 MB
whisper_init_state: kv pad  size  =    7.86 MB
whisper_init_state: compute buffer (conv)   =   36.13 MB
whisper_init_state: compute buffer (encode) =  212.29 MB
whisper_init_state: compute buffer (cross)  =    9.25 MB
whisper_init_state: compute buffer (decode) =   99.10 MB

system_info: n_threads = 4 / 16 | AVX = 1 | AVX2 = 1 | AVX512 = 1 | FMA = 1 | NEON = 0 | ARM_FMA = 0 | F16C = 1 | FP16_VA = 0 | WASM_SIMD = 0 | SSE3 = 1 | SSSE3 = 1 | VSX = 0 | COREML = 0 | OPENVINO = 0 |

main: processing 'msw006_03_tebukurowokaini_niimi_um.mp3.wav' (10902837 samples, 681.4 sec), 4 threads, 1 processors, 5 beams + best of 5, lang = ja, task = transcribe, timestamps = 1 ...


[00:00:00.480 --> 00:00:03.720]  リブリボックス ドットオグのために録音されました
[00:00:03.720 --> 00:00:07.420]  手袋を買いに 新見南吉
[00:00:07.420 --> 00:00:13.460]  寒い冬が北方から 狐の親子の住んでいる森へもやってきました
[00:00:13.460 --> 00:00:18.600]  ある朝 ほら穴から子供の狐が出ようとしましたが
[00:00:18.600 --> 00:00:24.340]  アッと叫んで 目を押さえながら 母さん狐のところ へ転げてきました
[00:00:25.440 --> 00:00:31.040]  母ちゃん 目に何か刺さった 抜いてちょうだい 早く早くと言いました
[00:00:31.040 --> 00:00:36.200]  母さん狐がびっくりして 慌てふためきながら
[00:00:36.200 --> 00:00:39.980]  目を押さえている子供の手を おそるおそる取り除けてみましたが
[00:00:39.980 --> 00:00:42.540]  何も刺さってはいませんでした
[00:00:42.540 --> 00:00:48.960]  母さん狐は ほら穴の入口から外へ出て 初めて脇が わかりました
[00:00:48.960 --> 00:00:53.640]  昨夜のうちに 真っ白な雪がどっさり降ったのです
[00:00:54.720 --> 00:00:59.280]  その雪の上から お日様がキラキラと照らしていたので
[00:00:59.280 --> 00:01:02.960]  雪はまぶしいほど 反射していたのです
[00:01:02.960 --> 00:01:08.120]  雪を知らなかった子供の狐は あまり強い反射を受けたので
[00:01:08.120 --> 00:01:12.460]  目に何か刺さったと思ったのでした
[00:01:12.460 --> 00:01:15.660]  子供の狐は遊びに行きました
[00:01:15.660 --> 00:01:19.140]  真綿のように 柔らかい雪の上を駆け回ると
[00:01:19.140 --> 00:01:24.000]  雪の粉がしぶきのように飛び散って 小さい虹がすっと映るのでした
[00:01:24.000 --> 00:01:31.960]  すると突然 後ろでドタドタザーッと ものすごい音 がして
[00:01:31.960 --> 00:01:38.040]  パン粉のような粉雪が ふわっと子狐におっかぶさってきました
[00:01:38.040 --> 00:01:42.180]  子狐はびっくりして雪の中に転がるようにして
[00:01:42.180 --> 00:01:45.480]  10メートルも向こうへ逃げました
[00:01:45.480 --> 00:01:51.060]  何だろうと思って振り返ってみましたが 何もいませんでした
[00:01:51.060 --> 00:01:53.280]  それは モミの枝から雪がなだれ出てきたので
[00:01:53.280 --> 00:02:01.240]  まだ枝と枝の間から白い絹糸のように 雪がこぼれていました
[00:02:01.240 --> 00:02:05.520]  まもなくほら穴へ帰ってきた小狐は
[00:02:05.520 --> 00:02:11.160]  「お母ちゃん おててが冷たい おててがチンチンす る」と言って
[00:02:11.160 --> 00:02:16.160]  濡れてボタン色になった両手を 母さん狐の前に差し出しました
[00:02:16.160 --> 00:02:21.360]  母さん狐はその手に ハーッと息をふっかけて
[00:02:21.360 --> 00:02:23.080]  ぬくとい母さんの声を聞きました
[00:02:23.080 --> 00:02:23.100]  母さんの声を聞きました
[00:02:23.100 --> 00:02:23.200]  母さんの声を聞きました
[00:02:23.200 --> 00:02:25.400]  母さんの手でやんわり包んでやりながら
[00:02:25.400 --> 00:02:32.860]  「もうすぐ暖かくなるよ 雪をさわると すぐ暖かく なるもんだよ」と言いましたが
[00:02:32.860 --> 00:02:37.180]  かわいい坊やの手にひもやきができては かわいそうだから
[00:02:37.180 --> 00:02:45.020]  夜になったら町まで行って坊やのおててに合うよう な 毛糸の手袋を買ってやろうと思いました
[00:02:45.020 --> 00:02:52.820]  暗い暗い夜が風呂敷のような影を広げて 野原や森を包みにやってきましたが
[00:02:52.820 --> 00:02:53.020]  母さんの手でやんわり包んでやりながら もうすぐ暖かくなるよ 雪をさわるとすぐ暖かくなるもんだよ と言いましたが
[00:02:53.020 --> 00:02:59.300]  雪はあまり白いので包んでも包んでも 白く浮かび上がっていました
[00:02:59.300 --> 00:03:03.200]  親子の銀狐はほら穴から出ました
[00:03:03.200 --> 00:03:11.960]  子供の方はお母さんのお腹の下へ入り込んで そこからまんまるな目をパチパチさせながら
[00:03:11.960 --> 00:03:14.540]  あっちやこっちを見ながら歩いていきました
[00:03:14.540 --> 00:03:19.400]  やがて行く手にぽっつり明かりが一つ見え始めまし た
[00:03:19.400 --> 00:03:22.300]  それを子供の狐が見つけて
[00:03:22.300 --> 00:03:22.640]  子供の狐が見つけて
[00:03:22.640 --> 00:03:28.160]  母ちゃん お星さまはあんな低いところにも落ちてるのね と聞きました
[00:03:28.160 --> 00:03:32.060]  あれはお星さまじゃないのよ と言って
[00:03:32.060 --> 00:03:35.620]  その時 母さん狐の足はすくんでしまいました
[00:03:35.620 --> 00:03:38.700]  あれは町の火なんだよ
[00:03:38.700 --> 00:03:42.400]  その町の火を見た時 母さん狐は
[00:03:42.400 --> 00:03:47.620]  ある時町へお友達と出かけて行って 飛んだ目にあったことを思い出しました
[00:03:47.620 --> 00:03:50.580]  およしなさいって言うのも聞かないで
[00:03:50.580 --> 00:03:52.260]  お友達の狐が
[00:03:52.260 --> 00:03:54.860]  ある家のアヒルを盗もうとしたので
[00:03:54.860 --> 00:03:56.740]  お百姓に見つかって
[00:03:56.740 --> 00:03:58.340]  さんざ追いまくられて
[00:03:58.340 --> 00:04:00.700]  命からがら逃げたことでした
[00:04:00.700 --> 00:04:03.260]  母ちゃん 何してんの
[00:04:03.260 --> 00:04:04.540]  早く行こうよ
[00:04:04.540 --> 00:04:05.980]  と子供の狐が
[00:04:05.980 --> 00:04:08.320]  お腹の下から言うのでしたが
[00:04:08.320 --> 00:04:11.980]  母さん狐はどうしても足がすまないのでした
[00:04:11.980 --> 00:04:14.580]  そこで仕方がないので
[00:04:14.580 --> 00:04:17.760]  坊やだけを一人で町まで行かせることになりました
[00:04:17.760 --> 00:04:21.880]  坊やお手手を片方を出しと
[00:04:21.880 --> 00:04:23.380]  お母さん狐が言いました
[00:04:23.380 --> 00:04:26.240]  その手を母さん狐は
[00:04:26.240 --> 00:04:27.940]  しばらく握っている間に
[00:04:27.940 --> 00:04:31.000]  かわいい人間の子供の手にしてしまいました
[00:04:31.000 --> 00:04:33.140]  坊やの狐は
[00:04:33.140 --> 00:04:35.340]  その手を広げたり握ったり
[00:04:35.340 --> 00:04:36.440]  つねってみたり
[00:04:36.440 --> 00:04:37.440]  かいでみたりしました
[00:04:37.440 --> 00:04:40.160]  なんだか変だなあ母ちゃん
[00:04:40.160 --> 00:04:41.060]  これなあに
[00:04:41.060 --> 00:04:42.080]  と言って
[00:04:42.080 --> 00:04:43.260]  雪あかりに
[00:04:43.260 --> 00:04:46.220]  またその人間の手にかえられてしまった
[00:04:46.220 --> 00:04:48.860]  自分の手をしげしげと見つめました
[00:04:48.860 --> 00:04:51.800]  それは人間の手よ
[00:04:51.800 --> 00:04:53.840]  いいかい坊や
[00:04:53.840 --> 00:04:55.120]  町へ行ったらね
[00:04:55.120 --> 00:04:57.500]  たくさん人間の家があるからね
[00:04:57.500 --> 00:05:02.820]  まず表に丸いシャッポの看板のかかっている家を探 すんだよ
[00:05:02.820 --> 00:05:04.780]  それが見つかったらね
[00:05:04.780 --> 00:05:06.980]  トントンと戸をたたいて
[00:05:06.980 --> 00:05:09.360]  こんばんはって言うんだよ
[00:05:09.360 --> 00:05:10.460]  そうするとね
[00:05:10.460 --> 00:05:14.080]  中から人間が少し戸を開けるからね
[00:05:14.080 --> 00:05:16.800]  その戸の隙間からこっちの手
[00:05:16.800 --> 00:05:19.580]  ほらこの人間の手を差し入れてね
[00:05:19.580 --> 00:05:21.720]  この手にちょうどいい手袋をちょうだいと
[00:05:21.720 --> 00:05:23.400]  言うんだよ
[00:05:23.400 --> 00:05:24.680]  分かったね
[00:05:24.680 --> 00:05:27.640]  決してこっちのお手手を出しちゃだめよ
[00:05:27.640 --> 00:05:30.480]  と母さん狐は言い聞かせました
[00:05:30.480 --> 00:05:31.440]  どうして
[00:05:31.440 --> 00:05:34.420]  と坊やの狐は聞き返しました
[00:05:34.420 --> 00:05:35.640]  人間はね
[00:05:35.640 --> 00:05:37.540]  相手が狐だと分かると
[00:05:37.540 --> 00:05:39.520]  手袋を売ってくれないんだよ
[00:05:39.520 --> 00:05:40.600]  それどころか
[00:05:40.600 --> 00:05:43.580]  捕まえて俺の中へ入れちゃうんだよ
[00:05:43.580 --> 00:05:47.900]  人間って本当に怖いものなんだよ
[00:05:47.900 --> 00:05:50.440]  決してこっちの手を出しちゃいけないよ
[00:05:50.440 --> 00:05:51.640]  こっちの方
[00:05:51.640 --> 00:05:54.260]  ほら人間の手の方を差し出すんだよ
[00:05:54.260 --> 00:05:55.260]  と言って
[00:05:55.260 --> 00:05:58.740]  母さんの狐は持ってきた二つの白銅貨を
[00:05:58.740 --> 00:06:02.520]  人間の手の方へ握らせてやりました
[00:06:02.520 --> 00:06:05.180]  子供の狐は町の火を目当てに
[00:06:05.180 --> 00:06:09.060]  雪明かりの野原をよちよちやっていきました
[00:06:09.060 --> 00:06:11.600]  初めのうちは一つきりだった火が
[00:06:11.600 --> 00:06:13.720]  二つになり三つになり
[00:06:13.720 --> 00:06:16.440]  果ては十にも増えました
[00:06:16.440 --> 00:06:18.360]  狐の子供はそれを見て
[00:06:18.360 --> 00:06:20.300]  日には星と同じように
[00:06:20.300 --> 00:06:21.260]  赤いのや
[00:06:21.260 --> 00:06:25.120]  黄のや青いのがあるんだなと思いました
[00:06:25.120 --> 00:06:27.160]  やがて町に入りましたが
[00:06:27.160 --> 00:06:30.780]  通りの家々はもうみんな扉を閉めてしまって
[00:06:30.780 --> 00:06:33.620]  高い窓から暖かそうな光が
[00:06:33.620 --> 00:06:37.360]  道の雪の上に落ちているばかりでした
[00:06:37.360 --> 00:06:39.740]  けれど表の看板の上には
[00:06:39.740 --> 00:06:42.940]  たいてい小さな電灯が灯っていましたので
[00:06:42.940 --> 00:06:47.480]  狐の子はそれを見ながら帽子屋を探していきました
[00:06:47.480 --> 00:06:48.180]  自転車の看板の上には
[00:06:48.180 --> 00:06:50.140]  メガネの看板や
[00:06:50.140 --> 00:06:54.140]  その他いろんな看板があるものは
[00:06:54.140 --> 00:06:55.940]  新しいペンキで描かれ
[00:06:55.940 --> 00:06:59.380]  あるものは古い壁のように生えていましたが
[00:06:59.380 --> 00:07:02.100]  町に初めて出てきた小狐には
[00:07:02.100 --> 00:07:05.940]  それらのものが一体何であるかわからないのでした
[00:07:05.940 --> 00:07:09.000]  とうとう帽子屋が見つかりました
[00:07:09.000 --> 00:07:12.680]  お母さんがみちみちよく教えてくれた
[00:07:12.680 --> 00:07:15.980]  黒い大きなシルクハットの帽子の看板が
[00:07:15.980 --> 00:07:18.000]  青い電灯に照らされて
[00:07:18.000 --> 00:07:20.260]  かかっていました
[00:07:20.260 --> 00:07:22.780]  小狐は教えられた通り
[00:07:22.780 --> 00:07:25.740]  トントンと戸を叩きました
[00:07:25.740 --> 00:07:27.200]  こんばんは
[00:07:27.200 --> 00:07:31.120]  すると中では何かコトコト音がしていましたが
[00:07:31.120 --> 00:07:34.680]  やがて戸が一寸ほどごろりと開いて
[00:07:34.680 --> 00:07:39.240]  光の帯が道の白い雪の上に長く伸びました
[00:07:39.240 --> 00:07:41.880]  小狐はその光がまばゆかったので
[00:07:41.880 --> 00:07:44.900]  面くらって間違った方の手を
[00:07:44.900 --> 00:07:47.820]  お母様が出しちゃいけないと言ってよく聞かせたの ですが
[00:07:47.820 --> 00:07:51.840]  隙間から差し込んでしまいました
[00:07:51.840 --> 00:07:55.400]  このお手手にちょうどいい手袋ください
[00:07:55.400 --> 00:07:58.700]  すると帽子屋さんはおやおやと思いました
[00:07:58.700 --> 00:08:00.340]  狐の手です
[00:08:00.340 --> 00:08:03.580]  狐の手が手袋をくれと言うのです
[00:08:03.580 --> 00:08:07.240]  これはきっと木の葉で買いに来たんだなと思いまし た
[00:08:07.240 --> 00:08:08.540]  そこで
[00:08:08.540 --> 00:08:11.660]  先にお金をくださいと言いました
[00:08:11.660 --> 00:08:15.160]  小狐は素直に握ってきた白銅貨を二つ
[00:08:15.160 --> 00:08:17.640]  帽子屋さんに渡しました
[00:08:17.640 --> 00:08:20.740]  帽子屋さんはそれを人差し指の先に乗っけて
[00:08:20.740 --> 00:08:22.300]  勝ち合わせてみると
[00:08:22.300 --> 00:08:25.000]  チンチンとよい音がしましたので
[00:08:25.000 --> 00:08:26.920]  これは木の葉じゃない
[00:08:26.920 --> 00:08:29.420]  本当のお金だと思いましたので
[00:08:29.420 --> 00:08:33.900]  棚から子供用の毛糸の手袋を取り出してきて
[00:08:33.900 --> 00:08:35.760]  小狐の手に持たせてやりました
[00:08:35.760 --> 00:08:38.740]  小狐はお礼を言ってまた
[00:08:38.740 --> 00:08:40.920]  元来た道を帰り始めました
[00:08:40.920 --> 00:08:46.260]  お母さんは人間は恐ろしいものだっておっしゃった が
[00:08:46.260 --> 00:08:47.460]  ちっとも恐ろしくなってしまいました
[00:08:47.460 --> 00:08:52.940]  だって僕の手を見てもどうもしなかったものと思い ました
[00:08:52.940 --> 00:08:58.620]  けれど小狐は一体人間なんてどんなものか見たいと 思いました
[00:08:58.620 --> 00:09:03.580]  ある窓の下を通りかかると人間の声がしていました
[00:09:03.580 --> 00:09:07.220]  なんという優しいなんという美しい
[00:09:07.220 --> 00:09:09.780]  なんというほっとりした声なんでしょう
[00:09:09.780 --> 00:09:13.760]  眠れ眠れ母の胸に
[00:09:13.760 --> 00:09:16.840]  眠れ眠れ母の手に
[00:09:17.280 --> 00:09:22.920]  小狐はその歌声はきっと人間のお母さんの声に違い ないと思いました
[00:09:22.920 --> 00:09:26.620]  だって小狐が眠るときにも
[00:09:26.620 --> 00:09:31.300]  やっぱり母さん狐はあんな優しい声でゆすぶってく れるからです
[00:09:31.300 --> 00:09:34.400]  すると今度は子供の声がしました
[00:09:34.400 --> 00:09:38.380]  母ちゃんこんな寒い夜は
[00:09:38.380 --> 00:09:41.520]  森の小狐は寒い寒いって泣いてるでしょうね
[00:09:41.520 --> 00:09:44.100]  すると母さんの声が
[00:09:44.100 --> 00:09:47.100]  森の小狐もお母さんの声を聞きました
[00:09:47.100 --> 00:09:48.240]  小狐のお歌を聞いて
[00:09:48.240 --> 00:09:51.300]  ほら穴の中で眠ろうとしているでしょうね
[00:09:51.300 --> 00:09:54.420]  さあ坊やも早くねんねしなさい
[00:09:54.420 --> 00:09:56.620]  森の小狐と坊やと
[00:09:56.620 --> 00:09:58.620]  どっちが早くねんねするか
[00:09:58.620 --> 00:10:01.940]  きっと坊やの方が早くねんねしますよ
[00:10:01.940 --> 00:10:04.380]  それを聞くと小狐は
[00:10:04.380 --> 00:10:06.460]  急にお母さんが恋しくなって
[00:10:06.460 --> 00:10:10.100]  お母さん狐の待っている方へ飛んでいきました
[00:10:10.100 --> 00:10:13.980]  お母さん狐は心配しながら
[00:10:13.980 --> 00:10:15.780]  坊やの狐の帰ってくるのを
[00:10:15.780 --> 00:10:16.920]  今か今かと
[00:10:16.920 --> 00:10:18.820]  震えながら待っていましたので
[00:10:18.820 --> 00:10:20.520]  坊やが来ると
[00:10:20.520 --> 00:10:22.100]  温かい胸に抱きしめて
[00:10:22.100 --> 00:10:24.040]  泣きたいほど喜びました
[00:10:24.040 --> 00:10:28.160]  2匹の狐は森の方へ帰っていきました
[00:10:28.160 --> 00:10:30.040]  月が出たので
[00:10:30.040 --> 00:10:32.760]  狐の毛並みが銀色に光り
[00:10:32.760 --> 00:10:35.580]  その足跡にはコバルトの影がたまりました
[00:10:35.580 --> 00:10:40.280]  母ちゃん人間ってちっとも怖かないや
[00:10:40.280 --> 00:10:41.340]  どうして
[00:10:41.340 --> 00:10:45.100]  坊間違えて本当のお手手出しちゃったの
[00:10:45.100 --> 00:10:46.740]  でも坊やさん
[00:10:46.740 --> 00:10:48.440]  捕まえやしなかったもの
[00:10:48.440 --> 00:10:51.920]  ちゃんとこんないい温かい手袋くれたもの
[00:10:51.920 --> 00:10:53.400]  と言って
[00:10:53.400 --> 00:10:55.840]  手袋のはまった両手を
[00:10:55.840 --> 00:10:57.240]  パンパンやってみせました
[00:10:57.240 --> 00:10:59.280]  お母さん狐は
[00:10:59.280 --> 00:11:01.300]  まあと呆れましたが
[00:11:01.300 --> 00:11:04.160]  本当に人間はいいものかしら
[00:11:04.160 --> 00:11:07.400]  本当に人間はいいものかしら
[00:11:07.400 --> 00:11:08.560]  と呟きました
[00:11:08.560 --> 00:11:11.060]  手袋を買いに
[00:11:11.060 --> 00:11:13.080]  にみなんきち終わり
[00:11:13.080 --> 00:11:16.080]  この録音はパブリックドメインです
[00:11:16.740 --> 00:11:21.400]  ご視聴ありがとうございました


whisper_print_timings:     load time =  1491.99 ms
whisper_print_timings:     fallbacks =   1 p /   8 h
whisper_print_timings:      mel time =   550.17 ms
whisper_print_timings:   sample time = 38510.57 ms / 18110 runs (    2.13 ms per run)
whisper_print_timings:   encode time = 322445.44 ms /    24 runs (13435.23 ms per run)
whisper_print_timings:   decode time =  4208.81 ms /    46 runs (   91.50 ms per run)
whisper_print_timings:   batchd time = 702576.00 ms / 17948 runs (   39.15 ms per run)
whisper_print_timings:   prompt time = 74664.91 ms /  5137 runs (   14.53 ms per run)
whisper_print_timings:    total time = 1145307.75 ms

私のHP Envy 14では、実時間の2倍程度でspeech-to-textすることができました。 実時間は681秒程度で、speech-to-textにかかった時間は1145秒程度でした。 テキストもおおむね正しそうです。

NetBSD上でDeepSeek R1 LLMを動かしてみる

この記事は、 NetBSD Advent Calendar 2024 の21日目の記事です。 はじめに 中国のHangzhou DeepSeek Artificial Intelligence Basic Technology Research Co., L...