jp-gijiroku-qwen3-4b

jp-gijiroku-qwen3-4b

後継版があります: 実際の60分Zoom会議で見つけた弱点（日付捏造・完了報告の決定混入・期限誤借用・話者ラベル転写・報告内コミット宿題）を標的に継続学習した jp-gijiroku-qwen3-4b-v2 を公開しました。新規利用はv2を推奨します。

日本語の会議記録から出席者・決定事項・宿題（担当/期限）・次回予定を構造化JSONで抽出する4Bモデルです。音声文字起こし由来の崩れた入力（フィラー・句読点欠落・話者ラベル喪失・同音誤変換）に強いことを狙って、DeepSeek-V4-Flashの検証済み解答軌跡で蒸留しました。判断過程を書いてから最終行にJSONを出力します。

整った議事メモの抽出には、より小さく高速な jp-minutes-extractor-1.7b で十分です。本モデルは「録音→文字起こし→抽出」パイプラインの品質枠という位置づけです。GGUF版は jp-gijiroku-qwen3-4b-GGUF、Ollamaは ollama run tokimoa/jp-gijiroku-4b で使えます。

実測（ASR劣化転写の検証セット20件・4項目すべて正解の率）

崩れた転写では明確に上、整った入力では1.7Bと同等（速度は1.7Bが上）です。検証セットは学習と分離しています。

何をしたか

会議をプログラムで合成（正解が構成上既知・40%にwhisper風のASR劣化を注入）し、DeepSeek-V4-Flashに判断過程つきで解かせ、全フィールドが正解と機械照合できた軌跡1,584本のみを学習データにしました（採用率63.4%）。話者ラベルが消えた転写から「誰の宿題か」を推理する能力が、判断過程の学習で伸びています。

使い方

from mlx_lm import load, generate

repo = "tokimoa/jp-gijiroku-qwen3-4b"
model, tokenizer = load(repo, adapter_path=repo)  # アダプタ同梱

q = """次の議事録から出席者・決定事項・宿題（担当と期限）・次回予定を抽出してJSONで出力してください。

（ここに文字起こしテキストや議事メモ）"""
prompt = tokenizer.apply_chat_template(
    [{"role": "user", "content": q}], add_generation_prompt=True, tokenize=False)
out = generate(model, tokenizer, prompt, max_tokens=1000)
# 判断過程のあと最終行にJSONが出る → 最終行をパースする
print(out.strip().split("\n")[-1])

本文に日付が含まれない場合、dateフィールドは不定です（学習データは常に日付を含むため）。

プロンプトは上記の定型文をそのまま使ってください（学習分布の形式です）。出力スキーマ: {"date", "attendees", "decisions", "todos": [{"task","owner","due"}], "next_meeting"}

データと帰属

• 学習データ: 合成会議（正解既知・ASR劣化込み）に対する DeepSeek-V4-Flash の検証済み解答軌跡（DeepSeek Open Platform利用規約は蒸留を明示的に許可）
• ベース: Qwen/Qwen3-4B-Instruct-2507（Apache-2.0）の4bit MLX量子化（mlx-community）

---

Developed by tokimoa — データを外に出さないAI活用を支援しています