Daisuke Fujimura

Hironao Motemen Otsubo

Shunsuke Michii

ピクシブ株式会社, 執行役員 CTO

Kon Yuichi

卒論 OPEN AWARD 2021 優秀賞

Shuhei Kato

UtterTune: LoRA-Based Target-Language Pronunciation Edit and Control in Multilingual Text-to-Speech

・CosyVoice 2のようなLLMベースの音声合成にはテキストフロントエンドを持たないものが少なくなく、発音の修正がほぼ不可能。
・そのようなモデルでも音素レベルの発音・アクセント修正を可能とするLoRAアダプターを開発
・成果をプレプリントのほか、オープンソースで公開（コード・モデル）

UtterTune: LLMベースの音声合成で音素レベルの発音・アクセント制御を可能にする軽量アダプターの開発

株式会社RevComm / シニアリサーチエンジニア

Yoshifumi Yamaguchi

Amazon Web Services, Inc., Senior Developer Advocate

落語音声合成

落語音声合成モデルの改良および実験・評価

落語音声データベースの整備

落語音声データベースの追加収録

深層学習を用いたend-to-end落語音声合成の実験・評価

落語音声データベースの収録

音声合成アルゴリズムの新規開発

3名規模の品質管理チームの統括

音声合成に関する技術調査

4名規模の音声合成新規話者の開発チームの統括

Accomplishments / Portfolio

Awards and Certifications

Speech-to-Face Conversion Using Denoising Diffusion Probabilistic Models

How Similar or Different Is Rakugo Speech Synthesizer to Professional Performers?

Publications

Python

音声合成

音声処理

信号処理

声質変換

音声認識

自然言語処理

Linux

Docker

機械学習

仕事で使える仮想化・コンテナ・サーバーレス技術

仕事で使えるミドルウェアサービス・製品

扱えるモニタリング / オブザーバビリティツール

仕事で使えるAI開発プラットフォーム・製品

仕事で使えるデータプラットフォーム製品・ベンダー

仕事で使えるデータ統合 / 変換 / 管理ツール

持っているデータサイエンス系資格

データサイエンス関連の国際会議における論文採択の数

持っているデータベース関連の資格

携わったプロダクト・サービスの種類

携わったプロダクト・サービスの段階

経験したプロジェクトの契約形態

直接マネジメントしたことのある人数

経験した開発ライフサイクルモデル