← 2026-01-13 の一覧へ戻るホーム
J.R.R. トールキンは1952年に『ホビット』から30分間朗読しました。

2026/01/07 23:43

J.R.R. トールキンは1952年に『ホビット』から30分間朗読しました。

RSS: https://news.ycombinator.com/rss

元のHacker News記事へ ↗
要約▶

Japanese Translation:

J.R.R. トールキンが1952年8月に自らホビットの冒険を朗読し、さらに大量の指輪物語からの朗読（そして歌）を行ったテープは、彼自身が自分のナレーションを録音した初めてのものです。このセッションは、友人が原稿とテープレコーダーを見せに来たことをきっかけに行われ、一度で撮影されました。特筆すべきは、この朗読におけるゴラムの描写が後の多くの視覚的解釈とは異なる点です。その後、YouTubeユーザーが全放送を数部にまとめて公開しています。この記事の以前版は2012年にサイト上で掲載されており、関連する内容としてホビットの冒険からのトールキンの朗読や、デューンなどの作品への彼の意見、ノーベル賞委員会による拒否についても言及されています。その他の逸話として、1938年にアーリア人血統を主張するドイツ出版社をスキップしたトールキンのエピソードがあります。この一次資料は、トールキンの叙事意図に新たな洞察を提供し、将来の適応、学術研究、およびファンダムディスカッションに情報を与える可能性があります。

本文

長い間 ホビットの冒険 を再読していなかった私は、何度も多くの読者が経験するように、トールキンのファンタジー小説そのものへ戻りたくなる魅力を感じていました。 それは私にとってトールキン作品への初めての出会いであり、道徳的複雑さや完全に構築された架空世界へ飛び込む準備ができた若い読者には理想的な一冊でした。

そして ホビット を案内する上でトールキン自身ほど優れたガイドはないでしょう。 1952 年のこの二部録音（第二部は下記）の中で、名誉あるファン・テイスティスト兼学者が初めて自らの作品をテープに朗読しています。

トールキンはゴラムという生物を最初に描写する一節から始めます。この説明を再び聞くと、初めて本を読んだ時に想像していた彼とは全く異なる印象を受けます。 ホビット のゴラムは、多くの後続の映像作品よりもやや古ぼけで怪しげに見えるようです。これは小さな指摘であって批判ではありませんが、トールキンのように豊かな神話世界を再び源へ戻る必要性を示唆しているとも言えます。結局、中つ国については創作者ほどよく知る者はいないからです。

これらの朗読は、トールキンが 指輪物語 からも（そして歌も）広範に読み上げた長い録音セッションの一部でした。ある YouTube ユーザーは、その完全な放送を数部に分けて集めており、通しで聴く価値があります。また、この録音が行われた背景も知っておくとさらに面白いでしょう。

YouTube に添付されたテキスト

1952 年 8 月、トールキンは友人を訪れ 指輪物語 の原稿を取りに来ました。そこで彼は「テープレコーダー」を見せられ、これまで見たことがなかったため動作を尋ねると、自分の声が録音され、初めて自分自身を再生できることに喜びました。その友人はさらに ホビット から朗読するよう頼み、トールキンはこの驚くべき一連でそれを行いました。

注：この記事の以前バージョンは 2012 年に当サイトに掲載されていました。

関連コンテンツ

  • J.R.R. トールキンが 仲間たち の詩をエルフ語と英語で朗読（1952）
  • トールキンは「強い感情」で Dune を嫌っていたことを認める（1966）
  • ノーベル賞委員会が 指輪物語 を拒否した際のトールキンのコメント：「最高品質のストーリーテリングに及ばない」 （1961）
  • J.R.R. トールキンが ホビット、指輪物語 などを朗読
  • トールキンが「アーリア血統」を証明するよう求めたドイツの出版社を拒否（1938）

Josh Jones はノースカロライナ州ダラムに拠点を置く作家兼ミュージシャンです。

同じ日のほかのニュース

一覧に戻る →

2026/01/13 4:27

了解しました！内容は明確で簡潔に保ちます。余分な改行や不必要な記号は入れず、リストがある場合は読みやすいようにきちんとインデントします。他にご要望がございましたら、お気軽にお知らせくださいね！

## Japanese Translation: **改訂された概要** CoworkはClaude Maxをベースにしたリサーチプレビュー・ツールで、現在はmacOSアプリを通じてMaxサブスクライバー向けに利用可能です。ユーザーが自分のコンピュータ上の特定フォルダへのClaudeのアクセス権を付与すると、そのフォルダ内のファイルを読み取り・編集・作成できるようになります。これにより、ダウンロードの整理、スクリーンショットからスプレッドシートを生成すること、散在したメモからレポートをドラフトするなどのタスクが便利に行えます。 標準的なチャットとは異なり、CoworkはAIにより大きな主体性を与えます。AIはタスクを計画し、実行し、進捗状況を提供します。このツールはClaude Codeと基盤を共有しており、非コーディングの文脈でもコード風の対話が可能です。ユーザーは既存のコネクター（例：ドキュメントやプレゼンテーション）をリンクしたり、Chromeとのペアリングでウェブ閲覧を行ったりして機能を拡張できます。AIは複数タスクをキューに入れ、並列実行することで前後のチャットを減らします。 制御権はユーザーに残ります：Claudeが見るフォルダとコネクターを選択し、大きな操作を行う前にプロンプトが表示されます。ただし、誤った指示でファイルが削除されたり、プロンプトインジェクションが発生するリスクもあるため、安全対策は継続的に開発中です。 このプレビューはフィードバックを集めることを目的としており、将来のリリースではデバイス間同期、Windowsサポート、強化された安全機能、および拡張されたコネクターオプションが追加される可能性があります。Coworkは個人向けにファイル整理を効率化し、手動監視を保ちながらファイルベースのワークフローを自動化する制御可能なAIアシスタントとして設計されています。

2026/01/13 1:04

**TimeCapsuleLLM：** 1800年〜1875年のデータのみで訓練された大規模言語モデル (Note: The length is preserved while using natural, polite Japanese.)

## Japanese Translation: ``` ## Summary TimeCapsule LLM プロジェクトは、歴史的な英語データのみを使用して言語モデルをゼロから構築し、現代のバイアス（「Selective Temporal Training」）を排除します。 - **Model evolution** - *v0* (16 M パラメータ、nanoGPT ベース) は約187 MB の1800年代テキストで訓練され、1800年代風の言語を生成しましたが、一貫性のない文になりました。 - *v0.5* (123 M パラメータ、引き続き nanoGPT) はコーパスを約435 MB に拡張し、文法・句読点を改善しましたが、高い幻覚と OCR ノイズに悩まされました。 - *v1* (700 M パラメータ、Phi 1.5 ベース) は約6.25 GB のデータで訓練され、歴史的事件や人物を正確に思い出せるようになりました。 - *v2mini‑eval1* (300 M パラメータ、90 GB London コーパス全体の15 GBサンプル) はわずか10 K ステップで訓練され、トークナイズ問題により「Who is Charles Dickens?」のような文字化けした出力が生成されました。 - *v2mini‑eval2* (v2mini‑eval1 と同じサイズ・データ) はチャールズ・ダーウィンについて極めて不連続なテキストを生成しました。 - **Dataset** 完全版 v2 データセットは1800–1875 年のロンドン テキストで 90 GB を含み、136,344 ドキュメントから構成されています。15 GB のサンプルは Hugging Face（https://huggingface.co/datasets/haykgrigorian/TimeCapsuleLLM-London-1800-1875-v2-15GB）で公開されています。 - **Training setup** *v0/v0.5* は GeForce RTX 4060 GPU、i5‑13400F CPU、および 16 GB RAM を使用しました。 *v1* と *v2mini‑eval1* はレンタル NVIDIA A100 SXM GPU 上で訓練されました。 - **Tokenization & evaluation** 時代固有のスペリングと語彙に対応するカスタムトークナイザー（vocab.json & merges.txt）を構築しました。出力は言語的正確さ、幻覚率、およびトークナイズ品質で評価され、バイアス統計は別途 v2 バイアスレポートに記載されています。 - **Future work** 今後の計画として、完全版 90 GB v2 データセットへの拡張、トークナイザーパイプラインの改良、およびより深いバイアス分析を実施します。 - **Impact** このプロジェクトは、歴史家・教育者・AI‑ethics 開発者が時代に即した言語モデルを必要とする際に有益であり、現代バイアスを減らすための時間的選択訓練（temporal selective training）の具体例として NLP コミュニティにも貢献します。 ```

2026/01/13 5:26

ファブリス・ベルラール氏のTS Zip（2024）

## 日本語訳： **概要** ts_zip は、GPU を活用したテキスト圧縮ツールであり、RWKV 169M v4 大規模言語モデル（パラメータを 8 ビットに量子化し、BF16 で評価）を使用してトークン確率を予測し、その予測に基づいて算術符号化を適用します。従来のツールよりも高い圧縮率を達成しています： - alice29.txt – **1.142 bpb**（21,713 B） - book1 – **1.431 bpb**（137,477 B） - enwik8 – **1.106 bpb**（13,825,741 B） - enwik9 – **1.084 bpb**（135,443,237 B） - linux‑1.2.13.tar – **1.021 bpb**（1,196,859 B）。 RTX 4090 上では、ツールは約 1 MB/s の速度で圧縮し、同程度の速度で解凍します。システムに少なくとも **4 GB の RAM** があることが前提です。ts_zip は実験的なものであり、バージョン間の後方互換性は保証されません。また、その性能評価は GPU／CPU またはスレッド数に依存せず、決定論的に行われます。この手法はプレーンテキストファイルで最も効果を発揮し、バイナリデータではエントロピーの削減がほとんど得られません。主に英語で訓練されていますが、他言語やソースコードにも比較的適切に対応します。 ダウンロードリンク： - Linux tarball: `ts_zip‑2024‑03‑02.tar.gz` - Windows ZIP: `ts_zip‑2024‑03‑02-win64.zip` 将来のリリースでは、圧縮率をさらに向上させ、言語サポートを拡大し、可能ならファイルタイプの取り扱いを追加しつつ、ハードウェア間で評価が再現できるようにすることを目指します。GPU リソースを持つユーザー（データアーカイブ担当者や大量テキストコーパスを管理する開発者など）にとって、速度を犠牲にせず高い圧縮率を実現できる最適なツールです