Publications

2024

1. Emerging Topics for Speech Synthesis: Versatility and Efficiency (Tutorial)

   Yuki Saito ,  Shinnosuke Takamichi ,  and  Wataru Nakata

   In APSIPA , 2024

   Bib Slides

   @inproceedings{saito24apsipa_tutorial,
     abbr_publisher = {Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC)},
     booktitle = {APSIPA},
     title = {Emerging Topics for Speech Synthesis: Versatility and Efficiency (Tutorial)},
     author = {Saito, Yuki and Takamichi, Shinnosuke and Nakata, Wataru},
     year = {2024}
   }

2. Character-Voice Embodiment Impacts on the Cognitive Task Performance with the Voice Ownership Illusion

   Kunimi Yusuke ,  Kenta Kimura ,  Keigo Matsumoto ,  Shinnosuke Takamichi ,  Takuji Narumi ,  and  Masaaki Mochimaru

   In Proceedings of International Conference on Artificial Reality and Telexistence & the Eurographics Symposium on Virtual Environments (ICAT-EGVE) , 2024

   Bib PDF

   @inproceedings{kunimi24icategve_voice-embodiment,
     abbr_publisher = {Proceedings of International Conference on Artificial Reality and Telexistence & the Eurographics Symposium on Virtual Environments (ICAT-EGVE)},
     booktitle = {Proceedings of International Conference on Artificial Reality and Telexistence & the Eurographics Symposium on Virtual Environments (ICAT-EGVE)},
     title = {Character-Voice Embodiment Impacts on the Cognitive Task Performance with the Voice Ownership Illusion},
     author = {Yusuke, Kunimi and Kimura, Kenta and Matsumoto, Keigo and Takamichi, Shinnosuke and Narumi, Takuji and Mochimaru, Masaaki},
     year = {2024}
   }

3. A Transformer Model for Segmentation, Classification, and Caller Identification of Marmoset Vocalization

   Bin Wu ,  Shinnosuke Takamichi ,  Sakriani Sakti ,  and  Satoshi Nakamura

   In Proceedings of IEEE Spoken Language Technology Workshop (SLT) , 2024

   arXiv Bib

   @inproceedings{wu24slt_marmoset-transformer,
     abbr_publisher = {Proceedings of IEEE Spoken Language Technology Workshop (SLT)},
     booktitle = {Proceedings of IEEE Spoken Language Technology Workshop (SLT)},
     title = {A Transformer Model for Segmentation, Classification, and Caller Identification of Marmoset Vocalization},
     author = {Wu, Bin and Takamichi, Shinnosuke and Sakti, Sakriani and Nakamura, Satoshi},
     year = {2024}
   }

4. Real-Time Noise Estimation for Lombard-Effect Speech Synthesis in Human–Avatar Dialogue Systems

   Yuto Ishikawa ,  Osamu Take ,  Tomohiko Nakamura ,  Norihiro Takamune ,  Yuki Saito ,  Shinnosuke Takamichi ,  and  Hiroshi Saruwatari

   In Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC) , 2024

   Bib PDF

   @inproceedings{ishikawa24apsipa_lombard,
     abbr_publisher = {Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC)},
     booktitle = {Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC)},
     title = {Real-Time Noise Estimation for Lombard-Effect Speech Synthesis in Human–Avatar Dialogue Systems},
     author = {Ishikawa, Yuto and Take, Osamu and Nakamura, Tomohiko and Takamune, Norihiro and Saito, Yuki and Takamichi, Shinnosuke and Saruwatari, Hiroshi},
     year = {2024}
   }

5. NecoBERT: Self-Supervised Learning Model Trained by Masked Language Modeling on Rich Acoustic Features Derived from Neural Audio Codec

   Wataru Nakata ,  Takaaki Saeki ,  Yuki Saito ,  Shinnosuke Takamichi ,  and  Hiroshi Saruwatari

   In Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC) , 2024

   Bib PDF

   @inproceedings{wataru24apsipa_necobert,
     abbr_publisher = {Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC)},
     booktitle = {Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC)},
     title = {NecoBERT: Self-Supervised Learning Model Trained by Masked Language Modeling on Rich Acoustic Features Derived from Neural Audio Codec},
     author = {Nakata, Wataru and Saeki, Takaaki and Saito, Yuki and Takamichi, Shinnosuke and Saruwatari, Hiroshi},
     year = {2024}
   }

6. DNN-based ensemble singing voice synthesis with interactions between singers

   Hiroaki Hyodo ,  Shinnosuke Takamichi ,  Tomohiro Nakamura ,  Junya Koguchi ,  and  Hiroshi Saruwatari

   In Proceedings of IEEE Spoken Language Technology Workshop (SLT) , 2024

   arXiv Bib

   @inproceedings{hyodo24slt_chorus,
     abbr_publisher = {Proceedings of IEEE Spoken Language Technology Workshop (SLT)},
     booktitle = {Proceedings of IEEE Spoken Language Technology Workshop (SLT)},
     title = {DNN-based ensemble singing voice synthesis with interactions between singers},
     author = {Hyodo, Hiroaki and Takamichi, Shinnosuke and Nakamura, Tomohiro and Koguchi, Junya and Saruwatari, Hiroshi},
     year = {2024}
   }

7. 基盤モデル時代に言語で音声を処理したい

   高道 慎之介

   In 情報処理学会 自然言語処理研究会 , 2024

   (Invited talk / 招待講演)

   Bib PDF

   @inproceedings{takamichi24nl_foundation-model,
     abbr_publisher = {情報処理学会 自然言語処理研究会},
     booktitle = {情報処理学会 自然言語処理研究会},
     title = {基盤モデル時代に言語で音声を処理したい},
     author = {慎之介, 高道},
     year = {2024},
     note = {(Invited talk / 招待講演)}
   }

8. 発話内容書き起こしを越えて音声と言語を結びつけたい

   高道 慎之介

   In 言語処理学会 若手支援事業 , 2024

   (Invited talk / 招待講演)

   Bib PDF

   @inproceedings{takamichi24yans_speech-language,
     abbr_publisher = {言語処理学会 若手支援事業},
     booktitle = {言語処理学会 若手支援事業},
     title = {発話内容書き起こしを越えて音声と言語を結びつけたい},
     author = {慎之介, 高道},
     year = {2024},
     note = {(Invited talk / 招待講演)}
   }

9. J-CHAT: 音声言語モデルのための大規模日本語対話音声コーパス

   中田 亘 ,  関 健太郎 ,  谷中 瞳 ,  齋藤 佑樹 ,  高道 慎之介 ,  and  猿渡 洋

   In 日本音響学会秋季研究発表会 , 2024

   Bib PDF

   @inproceedings{nakata24asja_j-chat,
     abbr_publisher = {日本音響学会秋季研究発表会},
     booktitle = {日本音響学会秋季研究発表会},
     title = {J-CHAT: 音声言語モデルのための大規模日本語対話音声コーパス},
     author = {亘, 中田 and 健太郎, 関 and 瞳, 谷中 and 佑樹, 齋藤 and 慎之介, 高道 and 洋, 猿渡},
     year = {2024}
   }

10. 二重唱の歌い出しタイミングに対する同時性知覚の刺激閾調査

    兵藤 弘明 ,  高道 慎之介 ,  and  猿渡 洋

    In 日本音響学会秋季研究発表会 , 2024

    Bib PDF

    @inproceedings{hyodo24asja_duet-timing,
      abbr_publisher = {日本音響学会秋季研究発表会},
      booktitle = {日本音響学会秋季研究発表会},
      title = {二重唱の歌い出しタイミングに対する同時性知覚の刺激閾調査},
      author = {弘明, 兵藤 and 慎之介, 高道 and 洋, 猿渡},
      year = {2024}
    }

11. 人間とアバターとの対話システムにおける拡散性雑音下リアルタイム推定雑音を用いたLombard効果模擬音声合成のための検討

    石川 悠人 ,  武 伯寒 ,  中村 友彦 ,  高宗 典玄 ,  齋藤 佑樹 ,  高道 慎之介 ,  and  猿渡 洋

    In 日本音響学会秋季研究発表会 , 2024

    Bib PDF

    @inproceedings{ishikawa24asja_lombard,
      abbr_publisher = {日本音響学会秋季研究発表会},
      booktitle = {日本音響学会秋季研究発表会},
      title = {人間とアバターとの対話システムにおける拡散性雑音下リアルタイム推定雑音を用いたLombard効果模擬音声合成のための検討},
      author = {悠人, 石川 and 伯寒, 武 and 友彦, 中村 and 典玄, 高宗 and 佑樹, 齋藤 and 慎之介, 高道 and 洋, 猿渡},
      year = {2024}
    }

12. コーパス

    最先端の予測性能を持つ合成音声品質の自動評価システム UTMOS について

    佐伯 高明 ,  and  高道 慎之介

    日本音響学会誌, 2024

    (Invited article / 招待記事)

    Bib PDF

    @article{saeki24asj-kaisetsu_utmos,
      title = {最先端の予測性能を持つ合成音声品質の自動評価システム UTMOS について},
      author = {高明, 佐伯 and 慎之介, 高道},
      year = {2024},
      journal = {日本音響学会誌},
      note = {(Invited article / 招待記事)},
      memo = {本研究は科研費 21H04900，22H03639，23H03418，23K18474，JST創発的研究支援事業 JP23KJ0828，ムーンショット JPMJPS2011 の助成を受けた．本解説記事の執筆に際し，東京大学大学院の関健太郎氏の助言を受けた．}
    }

13. 音声分析

    Who Finds This Voice Attractive? A Large-Scale Experiment Using In-the-Wild Data

    Hitoshi Suda ,  Aya Watanabe ,  and  Shinnosuke Takamichi

    In Proceedings of Interspeech , 2024

    arXiv Bib Website

    @inproceedings{suda24interspeech_sukikirai,
      abbr_publisher = {Proceedings of Interspeech},
      booktitle = {Proceedings of Interspeech},
      title = {Who Finds This Voice Attractive? A Large-Scale Experiment Using In-the-Wild Data},
      author = {Suda, Hitoshi and Watanabe, Aya and Takamichi, Shinnosuke},
      year = {2024},
      memo = {This work was supported by JSPS KAKENHI Grant Number 23K20017, 21H04900, 22H03639, and 23H03418, and JST FOREST JPMJFR226V. This paper is based on results obtained from a project, JPNP20006, commissioned by the New Energy and Industrial Technology Development Organization (NEDO).}
    }

14. コーパス

    SRC4VC: Smartphone-Recorded Corpus for Voice Conversion Benchmark

    Yuki Saito ,  Takuto Igarashi ,  Kentaro Seki ,  Shinnosuke Takamichi ,  Ryuichi Yamamoto ,  Kentaro Tachibana ,  and  Hiroshi Saruwatari

    In Proceedings of Interspeech , 2024

    arXiv Bib Website

    @inproceedings{saito24interspeech_src4vc,
      abbr_publisher = {Proceedings of Interspeech},
      booktitle = {Proceedings of Interspeech},
      title = {SRC4VC: Smartphone-Recorded Corpus for Voice Conversion Benchmark},
      author = {Saito, Yuki and Igarashi, Takuto and Seki, Kentaro and Takamichi, Shinnosuke and Yamamoto, Ryuichi and Tachibana, Kentaro and Saruwatari, Hiroshi},
      year = {2024},
      memo = {This research was conducted as joint research between LY Corporation and Saruwatari-Takamichi Laboratory of The University of Tokyo, Japan. This work was supported by Research Grant S of the Tateishi Science and Technology Foundation.}
    }

15. Textless Dependency Parsing by Labeled Sequence Prediction

    Shunsuke Kando ,  Yusuke Miyao ,  Jason Naradowsky ,  and  Shinnosuke Takamichi

    In Proceedings of Interspeech , 2024

    arXiv Bib

    @inproceedings{kando24interspeech_textlessparsing,
      abbr_publisher = {Proceedings of Interspeech},
      booktitle = {Proceedings of Interspeech},
      title = {Textless Dependency Parsing by Labeled Sequence Prediction},
      author = {Kando, Shunsuke and Miyao, Yusuke and Naradowsky, Jason and Takamichi, Shinnosuke},
      year = {2024},
      memo = {This work was supported by JST Moonshot JPMJMS2237 and JST FOREST JPMJFR226V.}
    }

16. 音声変換

    Noise-Robust Voice Conversion by Conditional Denoising Training Using Latent Variables of Recording Quality and Environment

    Takuto Igarashi ,  Yuki Saito ,  Kentaro Seki ,  Shinnosuke Takamichi ,  Ryuichi Yamamoto ,  and  Kentaro Tachibanaand Hiroshi Saruwatari

    In Proceedings of Interspeech , 2024

    arXiv Bib

    @inproceedings{igarashi24interspeech_noise-robust-vc,
      abbr_publisher = {Proceedings of Interspeech},
      booktitle = {Proceedings of Interspeech},
      title = {Noise-Robust Voice Conversion by Conditional Denoising Training Using Latent Variables of Recording Quality and Environment},
      author = {Igarashi, Takuto and Saito, Yuki and Seki, Kentaro and Takamichi, Shinnosuke and Yamamoto, Ryuichi and Saruwatari, Kentaro Tachibanaand Hiroshi},
      year = {2024}
    }

17. 音声変換

    Spatial Voice Conversion: Voice Conversion Preserving Spatial Information and Non-target Signals

    Kentaro Seki ,  Shinnosuke Takamichi ,  Norihiro Takamune ,  Yuki Saito ,  Kanami Imamura ,  and  Hiroshi Saruwatari

    In Proceedings of Interspeech , 2024

    arXiv Bib Code

    @inproceedings{seki24interspeech_spatial-voice-conversion,
      abbr_publisher = {Proceedings of Interspeech},
      booktitle = {Proceedings of Interspeech},
      title = {Spatial Voice Conversion: Voice Conversion Preserving Spatial Information and Non-target Signals},
      author = {Seki, Kentaro and Takamichi, Shinnosuke and Takamune, Norihiro and Saito, Yuki and Imamura, Kanami and Saruwatari, Hiroshi},
      year = {2024},
      memo = {This work is supported by Research Grant S of the Tateishi Science and Technology Foundation.}
    }

18. speechevaluation

    SpeechBERTScore: Reference-Aware Automatic Evaluation of Speech Generation Leveraging NLP Evaluation Metrics

    Takaaki Saeki ,  Soumi Maiti ,  Shinnosuke Takamichi ,  Shinji Watanabe ,  and  Hiroshi Saruwatari

    In Proceedings of Interspeech , 2024

    arXiv Bib Code

    @inproceedings{saeki24interspeech_speechbertscore,
      abbr = speechevaluation,
      abbr_publisher = {Proceedings of Interspeech},
      booktitle = {Proceedings of Interspeech},
      title = {SpeechBERTScore: Reference-Aware Automatic Evaluation of Speech Generation Leveraging NLP Evaluation Metrics},
      author = {Saeki, Takaaki and Maiti, Soumi and Takamichi, Shinnosuke and Watanabe, Shinji and Saruwatari, Hiroshi},
      year = {2024},
      memo = {JSPS 科 研 費 23H03418，23K18474，22H03639，21H05054，22KJ0838 ムーンショット研究開発費 JPMJPS2011，および JST FOREST JPMJFR226V によって支援された．}
    }

19. コーパス

    SaSLaW: Dialogue Speech Corpus with Audio-visual Egocentric Information Toward Environment-adaptive Dialogue Speech Synthesis

    Osamu Take ,  Shinnosuke Takamichi ,  Kentaro Seki ,  Yoshiaki Bando ,  and  Hiroshi Saruwatari

    In Proceedings of Interspeech , 2024

    Bib

    @inproceedings{take24interspeech_saslaw,
      abbr_publisher = {Proceedings of Interspeech},
      booktitle = {Proceedings of Interspeech},
      title = {SaSLaW: Dialogue Speech Corpus with Audio-visual Egocentric Information Toward Environment-adaptive Dialogue Speech Synthesis},
      author = {Take, Osamu and Takamichi, Shinnosuke and Seki, Kentaro and Bando, Yoshiaki and Saruwatari, Hiroshi},
      year = {2024},
      memo = {Part of this work was supported by JSPS KAKENHI Grant Number 23H03418 and 22H03639, Moonshot R&D Grant Number JPMJPS2011, and JST FOREST JPMJFR226V. The authors also thank Aya Watanabe for her support in designing the figures for this paper.}
    }

20. 音響合成

    環境音の模倣音声を利用した環境音合成とデータセット構築

    岡本 悠希 ,  井本 桂右 ,  高道 慎之介 ,  永瀬 亮太郎 ,  福森 隆寛 ,  and  山下 洋一

    In 電子情報通信学会 応用音響研究会 , 2024

    Bib PDF

    @inproceedings{okamoto24ea_voice-to-foley,
      abbr_publisher = {電子情報通信学会 応用音響研究会},
      booktitle = {電子情報通信学会 応用音響研究会},
      title = {環境音の模倣音声を利用した環境音合成とデータセット構築},
      author = {悠希, 岡本 and 桂右, 井本 and 慎之介, 高道 and 亮太郎, 永瀬 and 隆寛, 福森 and 洋一, 山下},
      year = {2024},
    }

21. コーパス

    音声の生成ＡＩが拓く未来

    高道 慎之介

    電気三学会関西支部専門講習会, 2024

    (Invited talk / 招待講演)

    Bib

    @article{takamichi24denki_invited-talk,
      title = {音声の生成ＡＩが拓く未来},
      author = {慎之介, 高道},
      year = {2024},
      journal = {電気三学会関西支部専門講習会},
      note = {(Invited talk / 招待講演)}
    }

22. 楽音合成

    Audio Effect Chain Estimation and Dry Signal Recovery from Multi-Effect-Processed Musical Signals

    Osamu Take ,  Kento Watanabe ,  Takayuki Nakatsuka ,  Tian Cheng ,  Tomoyasu Nakano ,  Masataka Goto ,  Shinnosuke Takamichi ,  and  Hiroshi Saruwatari

    In Proceedings of International Conference on Digital Audio Effects (DAFx) , 2024

    Bib PDF

    @inproceedings{take24dafx_effect-chain,
      abbr_publisher = {Proceedings of International Conference on Digital Audio Effects (DAFx)},
      booktitle = {Proceedings of International Conference on Digital Audio Effects (DAFx)},
      title = {Audio Effect Chain Estimation and Dry Signal Recovery from Multi-Effect-Processed Musical Signals},
      author = {Take, Osamu and Watanabe, Kento and Nakatsuka, Takayuki and Cheng, Tian and Nakano, Tomoyasu and Goto, Masataka and Takamichi, Shinnosuke and Saruwatari, Hiroshi},
      memo = {This work is supported by JSPS KAKENHI 21H04900, 22H03639, and 23H03418, JST FOREST JPMJFR226V, and Moonshot R&D Grant Number JPMJPS2011.},
      year = {2024}
    }

23. コーパス

    JVNV: A Corpus of Japanese Emotional Speech with Verbal Content and Nonverbal Expressions

    Detai Xin ,  Junfeng Jiang ,  Shinnosuke Takamichi ,  Yuki Saito ,  Akiko Aizawa ,  and  Hiroshi Saruwatari

    IEEE Access, 2024

    arXiv Bib Website

    @article{xin24access_jvnv-corpus,
      title = {{JVNV}: A Corpus of Japanese Emotional Speech with Verbal Content and Nonverbal Expressions},
      author = {Xin, Detai and Jiang, Junfeng and Takamichi, Shinnosuke and Saito, Yuki and Aizawa, Akiko and Saruwatari, Hiroshi},
      year = {2024},
      journal = {IEEE Access},
    }

24. コーパス

    JNV Corpus: A Corpus of Japanese Nonverbal Vocalizations with Diverse Phrases and Emotions

    Detai Xin ,  Shinnosuke Takamichi ,  and  Hiroshi Saruwatari

    Speech Communication, 2024

    arXiv Bib Website

    @article{xin24specom_jnv-corpus,
      title = {{JNV} Corpus: A Corpus of Japanese Nonverbal Vocalizations with Diverse Phrases and Emotions},
      author = {Xin, Detai and Takamichi, Shinnosuke and Saruwatari, Hiroshi},
      year = {2024},
      journal = {Speech Communication},
    }

25. 音声合成

    Text-Inductive Graphone-Based Language Adaptation for Low-Resource Speech Synthesis

    Takaaki Saeki ,  Soumi Maiti ,  Xinjian Li ,  Shinji Watanabe ,  Shinnosuke Takamichi ,  and  Hiroshi Saruwatari

    IEEE/ACM Transactions on Audio, Speech, and Language Processing, 2024

    Bib Code

    @article{saeki24taslp_text-inductive-tts,
      title = {Text-Inductive Graphone-Based Language Adaptation for Low-Resource Speech Synthesis},
      author = {Saeki, Takaaki and Maiti, Soumi and Li, Xinjian and Watanabe, Shinji and Takamichi, Shinnosuke and Saruwatari, Hiroshi},
      year = {2024},
      journal = {IEEE/ACM Transactions on Audio, Speech, and Language Processing}
    }

26. 音声復元

    SelfRemaster: Self-Supervised Speech Restoration for Historical Audio Resources

    Takaaki Saeki ,  Shinnosuke Takamichi ,  Tomohiko Nakamura ,  Naoko Tanji ,  and  Hiroshi Saruwatari

    IEEE Access, 2024

    arXiv Bib HTML Code Website

    @article{saeki24access_selfremaster,
      title = {{SelfRemaster}: Self-Supervised Speech Restoration for Historical Audio Resources},
      author = {Saeki, Takaaki and Takamichi, Shinnosuke and Nakamura, Tomohiko and Tanji, Naoko and Saruwatari, Hiroshi},
      year = {2024},
      journal = {IEEE Access},
    }

27. 音声合成

    Emotion-controllable Speech Synthesis using Emotion Soft Label, Utterance-level Prosodic Factors, and Word-level Prominence

    Xuan Luo ,  Shinnosuke Takamichi ,  Yuki Saito ,  Tomoki Koriyama ,  and  Hiroshi Saruwatari

    APSIPA Transactions, 2024

    Bib PDF

    @article{luo24apsipa-trans_emotion-synthesis,
      title = {Emotion-controllable Speech Synthesis using Emotion Soft Label, Utterance-level Prosodic Factors, and Word-level Prominence},
      author = {Luo, Xuan and Takamichi, Shinnosuke and Saito, Yuki and Koriyama, Tomoki and Saruwatari, Hiroshi},
      year = {2024},
      journal = {APSIPA Transactions},
    }

28. コーパス

    インターネット時代の音声コーパスの作成

    高道 慎之介

    日本音響学会誌, 2024

    (Invited article / 招待記事)

    Bib PDF

    @article{takamichi24asj_invited-article-dark-data,
      title = {インターネット時代の音声コーパスの作成},
      author = {慎之介, 高道},
      year = {2024},
      journal = {日本音響学会誌},
      note = {(Invited article / 招待記事)},
      memo = {本研究は科研費 21H04900，22H03639，23H03418，23K18474，JST創発的研究支援事業 JP23KJ0828，ムーンショット JPMJPS2011 の助成を受けた．また，本稿の執筆にあたり東京大学 大学院情報理工学系研究科 修士課程 関 健太郎氏からの助言を受けた．}
    }

29. コーパス

    環境音に対する日本語自由記述文コーパスとベンチマーク分析

    岡本 悠希 ,  高道 慎之介 ,  森松 亜依 ,  渡邊 亞椰 ,  井本 桂右 ,  and  山下 洋一

    In 言語処理学会 全国大会 , 2024

    Bib PDF

    @inproceedings{okamoto24nlp_multi-lingual-audiocaps,
      abbr_publisher = {言語処理学会 全国大会},
      booktitle = {言語処理学会 全国大会},
      title = {環境音に対する日本語自由記述文コーパスとベンチマーク分析},
      author = {悠希, 岡本 and 慎之介, 高道 and 亜依, 森松 and 亞椰, 渡邊 and 桂右, 井本 and 洋一, 山下},
      year = {2024},
      memo = {本研究は，ムーンショット JPMJPS2011，JST 創発的研 究支援事業 JP23KJ0828，科研費 21H05054，21H04900，22H0363， 23H03418，23K16908 の支援を受け実施した.}
    }

30. 歌声合成

    歌唱者間相互作用を再現するDNN重唱歌声合成の検討

    兵藤 弘明 ,  高道 慎之介 ,  中村 友彦 ,  小口 純矢 ,  and  猿渡 洋

    In 情報処理学会 音楽情報科学研究会 , 2024

    Bib PDF

    @inproceedings{hyodo24mus_chorus-synthesis,
      abbr_publisher = {情報処理学会 音楽情報科学研究会},
      booktitle = {情報処理学会 音楽情報科学研究会},
      title = {歌唱者間相互作用を再現する{DNN}重唱歌声合成の検討},
      author = {弘明, 兵藤 and 慎之介, 高道 and 友彦, 中村 and 純矢, 小口 and 洋, 猿渡},
      year = {2024},
      memo = {アノテーションの方法について，西山陽子様から 多くの助言を受けた．本研究は JST 創発的研究支援事業 JPMJFR226V，JSPS 科研費 23H03418，23K18474 の助成を受けた．}
    }

31. 音声評価

    テキスト生成の自動評価尺度に基づく音声生成の自動評価

    佐伯 高明 ,  マイティ ソウミ ,  高道 慎之介 ,  渡部 晋治 ,  and  猿渡 洋

    In 電子情報通信学会 音声研究会 , 2024

    Bib PDF

    @inproceedings{saeki24sp_speechevaluation,
      abbr_publisher = {電子情報通信学会 音声研究会},
      booktitle = {電子情報通信学会 音声研究会},
      title = {テキスト生成の自動評価尺度に基づく音声生成の自動評価},
      author = {高明, 佐伯 and ソウミ, マイティ and 慎之介, 高道 and 晋治, 渡部 and 洋, 猿渡},
      year = {2024},
      memo = {JSPS 科 研 費 23H03418，23K18474，22H03639，21H05054，22KJ0838 ムーンショット研究開発費 JPMJPS2011，および JST FOREST JPMJFR226V によって支援された．}
    }

32. コーパス

    SRC4VCデータセット：多話者音声変換モデルのベンチマークを目的とした実デバイス収録音声コーパス

    齋藤 佑樹 ,  五十嵐 琢斗 ,  関 健太郎 ,  高道 慎之介 ,  山本 龍一 ,  橘 健太郎 ,  and  猿渡 洋

    In 電子情報通信学会 音声研究会 , 2024

    Bib

    @inproceedings{saito24sp_real-environment-vc,
      abbr_publisher = {電子情報通信学会 音声研究会},
      booktitle = {電子情報通信学会 音声研究会},
      title = {{SRC4VC}データセット：多話者音声変換モデルのベンチマークを目的とした実デバイス収録音声コーパス},
      author = {佑樹, 齋藤 and 琢斗, 五十嵐 and 健太郎, 関 and 慎之介, 高道 and 龍一, 山本 and 健太郎, 橘 and 洋, 猿渡},
      year = {2024},
      memo = {This research was conducted as joint research between LY Corporation and Saruwatari-Takamichi Laboratory of The University of Tokyo, Japan. This work was supported by Research Grant S of the Tateishi Science and Technology Foundation.}
    }

33. コーパス

    音環境に適応するテキスト音声合成のための一人称視点コーパス構築

    武 伯寒 ,  高道 慎之介 ,  関 健太郎 ,  坂東 宜昭 ,  and  猿渡 洋

    In 情報処理学会 音声言語処理研究会 , 2024

    Bib PDF

    @inproceedings{take24slp_1st-person-tts,
      abbr_publisher = {情報処理学会 音声言語処理研究会},
      booktitle = {情報処理学会 音声言語処理研究会},
      title = {音環境に適応するテキスト音声合成のための一人称視点コーパス構築},
      author = {伯寒, 武 and 慎之介, 高道 and 健太郎, 関 and 宜昭, 坂東 and 洋, 猿渡},
      year = {2024},
      memo = {本研究の一部は，科研費 22H03639，23K18474， JST 創発的研究支援事業 JP23KJ0828，及び JST ムーンショット型研究開発事業 JPMJMS2011 の助成を受け実施 しました．また, 原稿の作成に際して, 渡邊 亞椰さんには 図の作成でご協力頂きました. この場を借りて感謝申し上げます}
    }

34. コーパス

    「キミは私の声、好きかな?」大規模主観評価による声質好感度コーパスの構築とその分析

    須田 仁志 ,  渡邊 亞椰 ,  and  高道 慎之介

    In 情報処理学会 音声言語処理研究会 , 2024

    Bib PDF

    @inproceedings{suda24slp_voice-attractiveness,
      abbr_publisher = {情報処理学会 音声言語処理研究会},
      booktitle = {情報処理学会 音声言語処理研究会},
      title = {「キミは私の声、好きかな?」大規模主観評価による声質好感度コーパスの構築とその分析},
      author = {仁志, 須田 and 亞椰, 渡邊 and 慎之介, 高道},
      year = {2024},
      memo = {本研究は JSPS 科研費 23K20017，21H04900， 22H03639，23H03418，JST 創発的研究支援事業 JPMJFR226V の助成を受けたものです．この成果は，国立研 究開発法人新エネルギー・産業技術総合開発機構（NEDO） の委託業務（JPNP20006）の結果得られたものです．}
    }

35. コーパス

    J-SpAW:話者照合となりすまし検出のための日本語音声コーパス

    菅野 滉大 ,  高道 慎之介 ,  and  塩田 さやか

    In 情報処理学会 音声言語処理研究会 , 2024

    Bib PDF

    @inproceedings{kanno24slp_j-spaw,
      abbr_publisher = {情報処理学会 音声言語処理研究会},
      booktitle = {情報処理学会 音声言語処理研究会},
      title = {{J-SpAW}:話者照合となりすまし検出のための日本語音声コーパス},
      author = {滉大, 菅野 and 慎之介, 高道 and さやか, 塩田},
      year = {2024},
      memo = {本研究は JSPS 科研費 JP24K14993, 22H03639 の助成を受けたものです．}
    }

36. 音声変換

    音声品質と音響環境の潜在変数で条件付けたDenoising Trainingによるノイズロバスト音声変換

    五十嵐 琢斗 ,  齋藤 佑樹 ,  関 健太郎 ,  高道 慎之介 ,  山本 龍一 ,  橘 健太郎 ,  and  猿渡 洋

    In 電子情報通信学会 音声研究会 , 2024

    Bib PDF

    @inproceedings{igarashi24sp_denosing-training-vc,
      abbr_publisher = {電子情報通信学会 音声研究会},
      booktitle = {電子情報通信学会 音声研究会},
      title = {音声品質と音響環境の潜在変数で条件付けたDenoising Trainingによるノイズロバスト音声変換},
      author = {琢斗, 五十嵐 and 佑樹, 齋藤 and 健太郎, 関 and 慎之介, 高道 and 龍一, 山本 and 健太郎, 橘 and 洋, 猿渡},
      year = {2024},
    }

37. 音声合成

    大規模な日本語笑い声コーパスを用いたテキストレス笑い声合成

    辛 徳泰 ,  高道 慎之介 ,  森松 亜依 ,  and  猿渡 洋

    In 日本音響学会春季研究発表会 , 2024

    Bib PDF

    @inproceedings{xin24asjs_laughter-synthesis,
      abbr_publisher = {日本音響学会春季研究発表会},
      booktitle = {日本音響学会春季研究発表会},
      title = {大規模な日本語笑い声コーパスを用いたテキストレス笑い声合成},
      author = {徳泰, 辛 and 慎之介, 高道 and 亜依, 森松 and 洋, 猿渡},
      year = {2024},
      memo = {本研究は，JST 次世代研究者挑戦的研究プログラム JPMJSP2108，JSPS 科研費 JP23KJ0828，JST 創発的研究支援事業 JPMJFR22 の支援を受けたものです。}
    }

38. 楽音合成

    複数のオーディオエフェクトが適用された楽音に対するエフェクトチェイン推定と原音復元

    武 伯寒 ,  渡邉 研斗 ,  中塚 貴之 ,  Tian Cheng ,  中野 倫靖 ,  後藤 真孝 ,  高道 慎之介 ,  and  猿渡 洋

    In 日本音響学会春季研究発表会 , 2024

    Bib PDF

    @inproceedings{take24asjs_audio-effect,
      abbr_publisher = {日本音響学会春季研究発表会},
      booktitle = {日本音響学会春季研究発表会},
      title = {複数のオーディオエフェクトが適用された楽音に対するエフェクトチェイン推定と原音復元},
      author = {伯寒, 武 and 研斗, 渡邉 and 貴之, 中塚 and Cheng, Tian and 倫靖, 中野 and 真孝, 後藤 and 慎之介, 高道 and 洋, 猿渡},
      year = {2024},
      memo = {本研究は科研費 21H04900, 22H03639，23H03418， JST 創発的研究支援事業 JP23KJ0828，ムーンショット JPMJPS2011 の助成を受けたものです}
    }

39. 音声合成

    日本語音声合成における対話行為情報の利用による韻律改善

    佐藤 匡紀 ,  高道 慎之介 ,  and  猿渡 洋

    In 日本音響学会春季研究発表会 , 2024

    Bib PDF

    @inproceedings{sato24asjs_dialogue-context,
      abbr_publisher = {日本音響学会春季研究発表会},
      booktitle = {日本音響学会春季研究発表会},
      title = {日本語音声合成における対話行為情報の利用による韻律改善},
      author = {匡紀, 佐藤 and 慎之介, 高道 and 洋, 猿渡},
      year = {2024},
      memo = {本研究の一部は，JSPS 科研費 21H04900 と 21H05054 の助成の委託を受け実施した．}
    }

40. 音声認識

    Cocktail Machine Speech Chain: 重複あり音声を用いた音声認識・音声合成モデルの統一的学習

    松永 裕太 ,  高道 慎之介 ,  上乃 聖 ,  and  猿渡 洋

    In 日本音響学会春季研究発表会 , 2024

    Bib PDF

    @inproceedings{matsunaga24asjs_cocktail-speech-chain,
      abbr_publisher = {日本音響学会春季研究発表会},
      booktitle = {日本音響学会春季研究発表会},
      title = {Cocktail Machine Speech Chain: 重複あり音声を用いた音声認識・音声合成モデルの統一的学習 },
      author = {裕太, 松永 and 慎之介, 高道 and 聖, 上乃 and 洋, 猿渡},
      year = {2024},
      memo = {本研究は，JST 次世代研究者挑戦的研究プログラム JPMJSP2108，ムーンショット JPMJPS2011，JST 創発的研究支 援事業 JP23KJ0828，科研費 21H05054, 22H03639，23H03418 の支援と，東京大学の齋藤佑樹博士, 佐伯高明氏の協力を受け実施 したものです.}
    }

41. 音声合成

    対照学習モデルによる音声-声質表現文の埋め込み表現獲得

    渡邊 亞椰 ,  高道 慎之介 ,  齋藤 佑樹 ,  中田 亘 ,  辛 徳泰 ,  and  猿渡 洋

    In 日本音響学会春季研究発表会 , 2024

    Bib PDF

    @inproceedings{watanabe24asjs_coconut-embedding,
      abbr_publisher = {日本音響学会春季研究発表会},
      booktitle = {日本音響学会春季研究発表会},
      title = {対照学習モデルによる音声-声質表現文の埋め込み表現獲得},
      author = {亞椰, 渡邊 and 慎之介, 高道 and 佑樹, 齋藤 and 亘, 中田 and 徳泰, 辛 and 洋, 猿渡},
      year = {2024},
      memo = {本研究は科研費 21H04900, 22H03639，23H03418，JST 創発的研究支援事業 JP23KJ0828，ムーンショット JPMJPS2011 の助成を受けたものです.}
    }

42. 音声合成

    F0に基づいて伸縮された画像文字からの音声合成

    大中 緋慧 ,  宮崎 亮一 ,  and  高道 慎之介

    In 日本音響学会春季研究発表会 , 2024

    Bib PDF Slides

    @inproceedings{ohnaka24asjs_vtts-width,
      abbr_publisher = {日本音響学会春季研究発表会},
      booktitle = {日本音響学会春季研究発表会},
      title = {{F0}に基づいて伸縮された画像文字からの音声合成},
      author = {緋慧, 大中 and 亮一, 宮崎 and 慎之介, 高道},
      year = {2024},
      memo = {本研究は，科研費 22H03639，21H04900 による補助を受けた}
    }

43. コーパス

    YODAS：YouTube 動画から構築される多言語大規模音声データセット

    Xinjian Li ,  高道 慎之介 ,  佐伯 高明 ,  William Chen ,  塩田さやか ,  and  渡部 晋治

    In 日本音響学会春季研究発表会 , 2024

    Bib PDF Slides

    @inproceedings{li24asjs_yodas,
      abbr_publisher = {日本音響学会春季研究発表会},
      booktitle = {日本音響学会春季研究発表会},
      title = {{YODAS：YouTube} 動画から構築される多言語大規模音声データセット},
      author = {Li, Xinjian and 慎之介, 高道 and 高明, 佐伯 and Chen, William and 塩田さやか and 晋治, 渡部},
      year = {2024},
      memo = {本研究は，アメリカ国立科学財団資金番号 #2138259, #2138286, #2138307, #2137603, #2138296 により支援さ れた，PSC Bridges2 と NCSA Delta via ACCESS allocation CIS210014 を使用した．また本研究は科研費 21H04900, 22H03639，23H03418，JST 創発的研究支援事業 JP23KJ0828， ムーンショット JPMJPS2011 の助成を受けた．}
    }

44. 音声合成

    Diversity-based core-set selection for text-to-speech with linguistic and acoustic features

    Kentaro Seki ,  Shinnosuke Takamichi ,  Takaaki Saeki ,  and  Hiroshi Saruwatari

    In Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) , 2024

    arXiv Bib

    @inproceedings{seki24icassp_core-set-selection,
      abbr_publisher = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
      booktitle = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
      title = {Diversity-based core-set selection for text-to-speech with linguistic and acoustic features},
      author = {Seki, Kentaro and Takamichi, Shinnosuke and Saeki, Takaaki and Saruwatari, Hiroshi},
      year = {2024}
    }

45. 音声分析

    Do learned speech symbols follow Zipf’s law?

    Shinnosuke Takamichi ,  Hiroki Maeda ,  Joonyong Park ,  Daisuke Saito ,  and  Hiroshi Saruwatari

    In Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) , 2024

    arXiv Bib

    @inproceedings{meada24icassp_zipf-law,
      abbr_publisher = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
      booktitle = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
      title = {Do learned speech symbols follow {Z}ipf's law?},
      author = {Takamichi, Shinnosuke and Maeda, Hiroki and Park, Joonyong and Saito, Daisuke and Saruwatari, Hiroshi},
      year = {2024}
    }

46. 音響合成

    Environmental sound synthesis from vocal imitations and sound event labels

    Yuki Okamoto ,  Keisuke Imoto ,  Shinnosuke Takamichi ,  Ryotaro Nagase ,  Takahiro Fukumori ,  and  Yoichi Yamashita

    In Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) , 2024

    arXiv Bib

    @inproceedings{okamoto24icassp_enbironmental-synthesis,
      abbr_publisher = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
      booktitle = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
      title = {Environmental sound synthesis from vocal imitations and sound event labels},
      author = {Okamoto, Yuki and Imoto, Keisuke and Takamichi, Shinnosuke and Nagase, Ryotaro and Fukumori, Takahiro and Yamashita, Yoichi},
      year = {2024}
    }

47. NecoBERT：音声合成のために事前学習された自己教師あり学習モデル

    中田 亘 ,  佐伯 高明 ,  齋藤 佑樹 ,  高道 慎之介 ,  and  猿渡 洋

    In 日本音響学会春季研究発表会 , Mar 2024

    PDF

2023

1. 歌声合成

   jaCappellaコーパスv2：重唱分離・合成のための日本語アカペラ重唱コーパスの拡張

   中村 友彦 ,  高道 慎之介 ,  丹治 尚子 ,  深山 覚 ,  and  猿渡 洋

   In 情報処理学会 音楽情報科学研究会 , Mar 2023

   Bib PDF

   @inproceedings{nakamura23mus_jacappella-v2,
     abbr_publisher = {情報処理学会 音楽情報科学研究会},
     booktitle = {情報処理学会 音楽情報科学研究会},
     title = {{jaCappella}コーパスv2：重唱分離・合成のための日本語アカペラ重唱コーパスの拡張},
     author = {友彦, 中村 and 慎之介, 高道 and 尚子, 丹治 and 覚, 深山 and 洋, 猿渡},
     year = {2023},
   }

2. コーパス

   jaCappella corpus: A Japanese a cappella vocal ensemble corpus

   Tomohiko Nakamura ,  Shinnosuke Takamichi ,  Naoko Tanji ,  Satoru Fukayama ,  and  Hiroshi Saruwatari

   In Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) , Mar 2023

   arXiv Bib Website

   @inproceedings{nakamura23icassp_jacappella,
     abbr_publisher = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
     booktitle = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
     title = {{jaCappella} corpus: A Japanese a cappella vocal ensemble corpus},
     author = {Nakamura, Tomohiko and Takamichi, Shinnosuke and Tanji, Naoko and Fukayama, Satoru and Saruwatari, Hiroshi},
     year = {2023}
   }

3. 音声合成

   Mid-attribute Speaker Generation using Optimal-Transport-based Interpolation of Gaussian Mixture Models

   Aya Watanabea ,  Shinnosuke Takamichi ,  Yuki Saito ,  Detai Xin ,  and  Hiroshi Saruwatari

   In Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) , Mar 2023

   arXiv Bib Code Website

   @inproceedings{watanabe23icassp_mid-attribute,
     abbr_publisher = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
     booktitle = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
     title = {Mid-attribute Speaker Generation using Optimal-Transport-based Interpolation of Gaussian Mixture Models},
     author = {Watanabea, Aya and Takamichi, Shinnosuke and Saito, Yuki and Xin, Detai and Saruwatari, Hiroshi},
     year = {2023}
   }

4. 音声分析

   How Generative Spoken Language Model Encodes Noisy Speech: Investigation from Phonetics to Syntactics

   Joonyong Park ,  Shinnosuke Takamichi ,  Tomohiko Nakamura ,  Kentaro Seki ,  Detai Xin ,  and  Hiroshi Saruwatari

   In Proceedings of Interspeech , Mar 2023

   arXiv Bib

   @inproceedings{park23interspeech_gslm,
     abbr_publisher = {Proceedings of Interspeech},
     booktitle = {Proceedings of Interspeech},
     title = {How Generative Spoken Language Model Encodes Noisy Speech: Investigation from Phonetics to Syntactics},
     author = {Park, Joonyong and Takamichi, Shinnosuke and Nakamura, Tomohiko and Seki, Kentaro and Xin, Detai and Saruwatari, Hiroshi},
     year = {2023}
   }

5. 音声合成

   Improving robustness of spontaneous speech synthesis with linguistic speech regularization and pseudo-filled-pause insertion

   Yuta Matsunaga ,  Takaaki Saeki ,  Shinnosuke Takamichi ,  and  Hiroshi Saruwatari

   In Proceedings of Speech Synthesis Workshop (SSW) , Mar 2023

   arXiv Bib Website

   @inproceedings{matsunaga23ssw_filler-synthesis,
     abbr_publisher = {Proceedings of Speech Synthesis Workshop (SSW)},
     booktitle = {Proceedings of Speech Synthesis Workshop (SSW)},
     title = {Improving robustness of spontaneous speech synthesis with linguistic speech regularization and pseudo-filled-pause insertion},
     author = {Matsunaga, Yuta and Saeki, Takaaki and Takamichi, Shinnosuke and Saruwatari, Hiroshi},
     year = {2023}
   }

6. 音声合成

   Learning to Speak from Text: Zero-Shot Multilingual Text-to-Speech with Unsupervised Text Pretraining

   Takaaki Saeki ,  Soumi Maiti ,  Xinjian Li ,  Shinji Watanabe ,  Shinnosuke Takamichi ,  and  Hiroshi Saruwatari

   In Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI) , Mar 2023

   arXiv Bib Code

   @inproceedings{saeki23ijcai_learning-to-speak,
     abbr_publisher = {Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI)},
     booktitle = {Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI)},
     title = {Learning to Speak from Text: Zero-Shot Multilingual Text-to-Speech with Unsupervised Text Pretraining},
     author = {Saeki, Takaaki and Maiti, Soumi and Li, Xinjian and Watanabe, Shinji and Takamichi, Shinnosuke and Saruwatari, Hiroshi},
     year = {2023}
   }

7. 音声合成

   Visual onoma-to-wave: environmental sound synthesis from visual onomatopoeias and sound-source images

   Hien Ohnaka ,  Shinnosuke Takamichi ,  Keisuke Imoto ,  Yuki Okamoto ,  Kazuki Fujii ,  and  Hiroshi Saruwatari

   In Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) , Mar 2023

   arXiv Bib Website

   @inproceedings{ohnaka23icassp_visual-onoma-to-wave,
     abbr_publisher = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
     booktitle = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
     title = {Visual onoma-to-wave: environmental sound synthesis from visual onomatopoeias and sound-source images},
     author = {Ohnaka, Hien and Takamichi, Shinnosuke and Imoto, Keisuke and Okamoto, Yuki and Fujii, Kazuki and Saruwatari, Hiroshi},
     year = {2023}
   }

8. 音声合成

   Text-to-speech synthesis from dark data with evaluation-in-the-loop data selection

   Kentaro Seki ,  Shinnosuke Takamichi ,  Takaaki Saeki ,  and  Hiroshi Saruwatari

   In Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) , Mar 2023

   arXiv Bib

   @inproceedings{seki23icassp_dark-data,
     abbr_publisher = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
     booktitle = {Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
     title = {Text-to-speech synthesis from dark data with evaluation-in-the-loop data selection},
     author = {Seki, Kentaro and Takamichi, Shinnosuke and Saeki, Takaaki and Saruwatari, Hiroshi},
     year = {2023}
   }

9. 音声合成

   Coco-Nut: Corpus of Japanese Utterance and Voice Characteristics Description for Prompt-based Control

   Aya Watanabe ,  Shinnosuke Takamichi ,  Yuki Saito ,  Wataru Nakata ,  Detai Xin ,  and  Hiroshi Saruwatari

   In IEEE Automatic Speech Recogiton and Understanding Workshop (ASRU) , Mar 2023

   arXiv Bib Website

   @inproceedings{watanabe23asru_coconut-corpus,
     abbr_publisher = {IEEE Automatic Speech Recogiton and Understanding Workshop (ASRU)},
     booktitle = {IEEE Automatic Speech Recogiton and Understanding Workshop (ASRU)},
     title = {{Coco-Nut}: Corpus of {J}apanese Utterance and Voice Characteristics Description for Prompt-based Control},
     author = {Watanabe, Aya and Takamichi, Shinnosuke and Saito, Yuki and Nakata, Wataru and Xin, Detai and Saruwatari, Hiroshi},
     year = {2023}
   }

10. コーパス

    YODAS: Youtube-Oriented Dataset for Audio and Speech

    Xinjian Li ,  Shinnosuke Takamichi ,  Takaaki Saeki ,  William Chen ,  Sayaka Shiota ,  and  Shinji Watanabe

    In Proc. ASRU , Dec 2023

    PDF
11. Speaking Practice Using Text-to-speech Technology: Japanese EFL Learners’ Perceptions

    Yasushige Ishikawa ,  Shinnosuke Takamichi ,  Yuta Matsunaga ,  Yusuke Yoshikawa ,  and  Shigeo Fujiwara

    In WorldCALL , Nov 2023
12. コーパス

    CALLS: Japanese empathetic dialogue speech corpus of complaint handling and attentive listening in customer center

    Yuki Saito ,  Eiji Iimori ,  Shinnosuke Takamichi ,  Kentaro Tachibana ,  and  Hiroshi Saruwatari

    In Proceedings of Interspeech , Aug 2023

    PDF
13. 音声合成

    ChatGPT-EDSS: ChatGPT由来のContext Word Embeddingから学習される共感的対話音声合成モデル

    齋藤 佑樹 ,  高道 慎之介 ,  飯森 栄治 ,  橘 健太郎 ,  and  猿渡 洋

    In 音学シンポジウム , Jun 2023
14. 音声合成

    ChatGPT-EDSS: empathetic dialogue speech synthesis trained from ChatGPT-derived context word embeddings

    Yuki Saito ,  Shinnosuke Takamichi ,  Eiji Iimori ,  Kentaro Tachibana ,  and  Hiroshi Saruwatari

    In Proceedings of Interspeech , Aug 2023

    PDF
15. 音響合成

    Foley Sound Synthesis at the DCASE 2023 Challenge

    Keunwoo Choi ,  Jaekwon Im ,  Laurie Heller ,  Brian McFee ,  Keisuke Imoto ,  Yuki Okamoto ,  Mathieu Lagrange ,  and  Shinnosuke Takamichi

    In DCASE Challenge , May 2023

    arXiv
16. Effects of text-to-speech synthesized speech on learners’ presentation anxiety and self-efficacy: A comparison of two models

    Takatoyo Umemoto ,  Shinnosuke Takamichi ,  Yuta Matsunaga ,  Yusuke Yoshikawa ,  Kikuko Yui ,  Kishio Sakamoto ,  Shigeo Fujiwara ,  and  Yasushige Ishikawa

    In Proc. EUROCALL , Aug 2023
17. 音声合成

    Improving Speech Prosody of Audiobook Text-to-Speech Synthesis with Acoustic and Textual Contexts

    Detai Xin ,  Sharath Adavanne ,  Federico Ang ,  Ashish Kulkarni ,  Shinnosuke Takamichi ,  and  Hiroshi Saruwatari

    In Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) , Jun 2023

    PDF
18. TimToShape: Supporting Practice of Musical Instruments by Visualizing Timbre with 2D Shapes based on Crossmodal Correspondences

    Kota Arai ,  Yutaro Hirao ,  Takuji Narumi ,  Tomohiko Nakamura ,  Shinnosuke Takamichi ,  and  Shigeo Yoshida

    In Proc. IUI , Mar 2023

    PDF
19. 音声合成

    Laughter Synthesis using Pseudo Phonetic Tokens with a Large-scale In-the-wild Laughter Corpus

    Detai Xin ,  Shinnosuke Takamichi ,  Ai Morimatsu ,  and  Hiroshi Saruwatari

    In Proceedings of Interspeech , Mar 2023

    arXiv Bib Website

    @inproceedings{xin23interspeech_laughter-synthesis,
      abbr_publisher = {Proceedings of Interspeech},
      booktitle = {Proceedings of Interspeech},
      title = {Laughter Synthesis using Pseudo Phonetic Tokens with a Large-scale In-the-wild Laughter Corpus},
      author = {Xin, Detai and Takamichi, Shinnosuke and Morimatsu, Ai and Saruwatari, Hiroshi},
      memo = {This work was supported by JST SPRING, Grant Number JPMJSP2108, JSPS KAKENHI, Grant Number JP23KJ0828, and JST FOREST JPMJFR226V.},
      year = {2023}
    }

20. 音声合成

    HumanDiffusion: diffusion model using perceptual gradients

    Yota Ueda ,  Shinnosuke Takamichi ,  Yuki Saito ,  Norihiro Takamune ,  and  Hiroshi Saruwatari

    In Proceedings of Interspeech , Mar 2023

    arXiv Bib

    @inproceedings{ueda23interspeech_humandiffusion,
      abbr_publisher = {Proceedings of Interspeech},
      booktitle = {Proceedings of Interspeech},
      title = {HumanDiffusion: diffusion model using perceptual gradients},
      author = {Ueda, Yota and Takamichi, Shinnosuke and Saito, Yuki and Takamune, Norihiro and Saruwatari, Hiroshi},
      year = {2023}
    }

21. 音声合成

    vTTS: visual-text to speech

    Yoshifumi Nakano ,  Takaaki Saeki ,  Shinnosuke Takamichi ,  Katsuhito Sudoh ,  and  Hiroshi Saruwatari

    In Proceedings of IEEE Spoken Language Technology Workshop (SLT) , Mar 2023

    arXiv Bib Code Slides

    @inproceedings{nakano23slt_visual-text-to-speech,
      abbr_publisher = {Proceedings of IEEE Spoken Language Technology Workshop (SLT)},
      booktitle = {Proceedings of IEEE Spoken Language Technology Workshop (SLT)},
      title = {{vTTS}: visual-text to speech},
      author = {Nakano, Yoshifumi and Saeki, Takaaki and Takamichi, Shinnosuke and Sudoh, Katsuhito and Saruwatari, Hiroshi},
      year = {2023}
    }

22. 音声合成

    Coco-Nut: 自由記述文による声質制御に向けた多話者音声・声質自由記述ペアデータセット

    渡邊 亞椰 ,  高道 慎之介 ,  齋藤 佑樹 ,  辛 徳泰 ,  and  猿渡 洋

    In 日本音響学会秋季研究発表会 , Mar 2023

    Bib PDF Slides Website

    @inproceedings{watanabe23asja_coconut,
      abbr_publisher = {日本音響学会秋季研究発表会},
      booktitle = {日本音響学会秋季研究発表会},
      title = {Coco-Nut: 自由記述文による声質制御に向けた多話者音声・声質自由記述ペアデータセット},
      author = {亞椰, 渡邊 and 慎之介, 高道 and 佑樹, 齋藤 and 徳泰, 辛 and 洋, 猿渡},
      year = {2023}
    }

23. 音声合成

    深層学習で獲得される音声シンボルは自然言語シンボルと同様に Zipf 則に従うか？

    前田 紘希 ,  高道 慎之介 ,  朴 浚鎔 ,  and  猿渡 洋

    In 日本音響学会秋季研究発表会 , Mar 2023

    Bib PDF Slides

    @inproceedings{maeda23asja_zipf,
      abbr_publisher = {日本音響学会秋季研究発表会},
      booktitle = {日本音響学会秋季研究発表会},
      title = {深層学習で獲得される音声シンボルは自然言語シンボルと同様に {Zipf} 則に従うか？},
      author = {紘希, 前田 and 慎之介, 高道 and 浚鎔, 朴 and 洋, 猿渡},
      year = {2023}
    }

24. 音声合成

    学習・評価ループを用いたデータ選択によるダークデータからの音声合成

    関 健太郎 ,  高道 慎之介 ,  佐伯 高明 ,  and  猿渡 洋

    In 日本音響学会春季研究発表会 , Mar 2023

    Bib PDF

    @inproceedings{seki23asjs_dark-data,
      abbr_publisher = {日本音響学会春季研究発表会},
      booktitle = {日本音響学会春季研究発表会},
      title = {学習・評価ループを用いたデータ選択によるダークデータからの音声合成},
      author = {健太郎, 関 and 慎之介, 高道 and 高明, 佐伯 and 洋, 猿渡},
      year = {2023}
    }

25. 音響合成

    Voice-to-foley: 環境音を模倣した音声を入力とする環境音合成

    岡本 悠希 ,  井本 桂右 ,  高道 慎之介 ,  永瀬 亮太郎 ,  福森 隆寛 ,  洋一 ,  and  山下

    In 日本音響学会秋季研究発表会 , Mar 2023

    Bib

    @inproceedings{okamoto23asja_voice-to-fokey,
      abbr_publisher = {日本音響学会秋季研究発表会},
      booktitle = {日本音響学会秋季研究発表会},
      title = {Voice-to-foley: 環境音を模倣した音声を入力とする環境音合成},
      author = {悠希, 岡本 and 桂右, 井本 and 慎之介, 高道 and 亮太郎, 永瀬 and 隆寛, 福森 and 洋一 and 山下},
      year = {2023}
    }

26. テキスト音声合成におけるデータサブセット選択のための指標検討

    関 健太郎 ,  高道 慎之介 ,  佐伯 高明 ,  and  猿渡 洋

    In 日本音響学会秋季研究発表会 , Sep 2023

    PDF
27. AI音声合成の技術動向

    高道 慎之介

    CEDEC 2023, Aug 2023

    (Invited talk / 招待講演)

    Bib Slides

    @article{takamichi23cedec_copyright,
      title = {AI音声合成の技術動向},
      author = {慎之介, 高道},
      year = {2023},
      journal = {CEDEC 2023},
      month = aug,
      note = {(Invited talk / 招待講演)},
    }

28. ここまで来た＆これから来る歌声合成・歌声変換技術

    高道 慎之介

    音楽情報科学研究会 夏のシンポジウム, Aug 2023

    (Invited talk / 招待講演)

    Bib Slides

    @article{takamichi23asj_keio-talk,
      title = {ここまで来た＆これから来る歌声合成・歌声変換技術},
      author = {慎之介, 高道},
      year = {2023},
      journal = {音楽情報科学研究会 夏のシンポジウム},
      month = aug,
      note = {(Invited talk / 招待講演)},
    }

29. 音声の基盤モデルが切り拓く未来

    高道 慎之介

    第24回慶應科学技術展, Dec 2023

    (Invited talk / 招待講演)

    Bib Slides

    @article{takamichi23keio_talk,
      title = {音声の基盤モデルが切り拓く未来},
      author = {慎之介, 高道},
      year = {2023},
      journal = 第24回慶應科学技術展,
      month = dec,
      note = {(Invited talk / 招待講演)},
    }

30. 機械学習を用いた波形モデリング 〜人間の音声の場合〜

    高道 慎之介

    日本地球惑星科学連合2023年大会, May 2023

    (Invited talk / 招待講演)

    Bib Slides

    @article{takamichi23asj_keio-tall,
      title = {機械学習を用いた波形モデリング 〜人間の音声の場合〜},
      author = {慎之介, 高道},
      year = {2023},
      journal = 日本地球惑星科学連合2023年大会,
      month = may,
      note = {(Invited talk / 招待講演)},
    }