■日本音響学会について
日本音響学会は、米国音響学会に次いで1936年に設立された、音響関係では世界で2番目の歴史をもつ学会です。研究委員会は、音声、聴覚、騒音・振動、建築音響、電気音響、音楽音響、超音波、アコースティックイメージング、音声コミュニケーションの9分野に分かれて組織され、月例の研究会などのほか、公開セミナーやシンポジウムや春と秋の年2回の研究発表会を開催しています。
【オーラル発表】
|
日時 |
9月10日(木) 15:45～16:00 SS【音声・音声コミュニケーション】5号館1階 5.101教室 3-13-16 |
|
タイトル |
LLMを用いた模擬難聴下での音声対話シミュレーションと発話戦略の検討 |
|
講演者 |
|
|
概要 |
音声対話システムが商業施設に導入されつつありますが、高齢者を相手とする際には聞き間違いを防ぐ発話戦略が必要になります。本研究では、先行研究に基づき、模擬難聴下の服薬指導対話シミュレーション環境を構築し、送話側(薬剤師役)LLMの発話戦略と音声合成の音響制御の自動最適化を試みました。本発表では、自然言語指示型とパラメータ直接制御型の2つの音声合成制御方式が、情報伝達率や聞き返しの回数に与える影響を比較・分析します。 |
【ポスター発表】
|
日時 |
9月8日(火) 13:00～15:00 【音声】23号館 23.105教室 1-Q-37 |
|
タイトル |
音声合成モデルにおけるモデルマージを用いた話者補間手法の検討 |
|
講演者 |
村田雅人、宮崎晃一、郡山知樹（AI Lab Audio Insightチーム リサーチサイエンティスト）、戸田智基（名古屋大学） |
|
概要 |
話者補間は、二つの既存の話者を用いて中間的な特徴を持つ新しい話者の音声を生成する技術です。本研究では音声合成モデルのモデルマージによる話者補間を対象に、複数のアーキテクチャでの話者補間性能およびモジュール別のマージが出力音声へ与える影響を調査しました。結果から、検証した全てのアーキテクチャでモデルマージによる話者補間が実現できることを示しました。またモジュール別分析から、モデル構造によって各音声属性に強く影響するモジュールが異なることを確認しました。 |
|
|
9月8日(火) 13:00-15:00 【音声】23号館 23.104教室 1-Q-50 |
|
タイトル |
DNN音声強調を用いた基本波フィルタリングに基づく瞬時基本周波数推定 |
|
講演者 |
|
|
概要 |
音の高さに対応する物理量である基本周波数は、定義上は周期ごとの離散値として求まります。一方、単一の変調正弦波成分（基本波）を取りだすことができれば連続的な基本周波数系列を計算でき、より細かな変動を分析できるようになります。本研究では、この基本波を抽出する処理を音声強調と捉え、従来の信号処理アルゴリズムを深層学習モデルへ置き換えました。これにより推定精度と雑音に対する頑健性を両立した推定が可能になりました。 |
|
日時 |
9月8日(火) 16:00～18:00 【電気音響】23号館 23.105教室 1-R-23 |
|
タイトル |
離散コーデックトークンベース生成的音声強調に向けたDF-Conformerの分析とHydraの活用 |
|
講演者 |
関翔悟（AI Lab Audio Insightチーム リサーチサイエンティスト）、党少翔（名古屋大学*）、李莉（AI Lab Audio Insightチーム リサーチサイエンティスト） *リサーチインターンシップでの成果発表 |
|
概要 |
音声配信サービスなどで求められる音声強調では、音声を離散的な記号に変換して扱うことで高品質な音声を作り出せる手法が注目されています。本研究では、モデルの内部構造を分析し、計算効率を優先した処理の簡略化が音声全体のつながりを捉える妨げになっていることを明らかにしました。この知見に基づく新たなアーキテクチャの導入により、従来の主要モデルを上回る音質と、長時間音声への頑健性を実証しました。 |
|
日時 |
9月8日（火）16:00～18:00【電気音響】23 号館 23.105 教室 1-R-24 |
|
タイトル |
アンカー誘導とTop-P領域への射影による離散トークン生成型音声強調の復号制御 |
|
講演者 |
|
|
概要 |
生成的音声強調モデルGenhancerは高品質に音声を復元できる一方，極めてノイジーな入力に対して生成に起因するハルシネーションによる内容忠実度の低下が課題であった．本研究は再学習不要の推論時における復号手法CLASPを提案する．CLASPはRVQ各レベルのロジットを，アンカー音声への誘導とTop-P領域への射影で制御する．これにより品質は核が，内容忠実度はアンカーの誘導が支配して構造的に分離し，両者を独立に調整できる．その有効性及び制御可能であることを実験により確認しました. |
|
日時 |
9月9日(水) 10:00～12:00 【音声】23号館 23.105教室 2-P-28 |
|
タイトル |
日本語読み推定のための大規模言語モデルの性能比較 |
|
講演者 |
郡山知樹（AI Lab Audio Insightチーム リサーチサイエンティスト） |
|
概要 |
漢字仮名交じり文からの正しい読みの推定は、製品名や地名、数字などの読み間違えのない音声合成において重要な技術です。本研究では30以上の大規模言語モデル(LLM)を用いて、読み推定の評価を行いました。結果から、モデルサイズの大きさや、日本語特化学習、LLMによる形態素解析が重要な要素であることを示しました。 |
＜関連リンク＞
日本音響学会 公式サイト：https://acoustics.jp/日本音響学会第156回(2026年秋季大会) 公式サイト：https://www.mtg.acoustics.jp/2026a/
AI Lab 公式サイト：https://cyberagent.ai/ailab/
AI Lab Audioチームサイト：https://research.cyberagent.ai/research/audio/
AI Lab リサーチインターンシップ：https://research.cyberagent.ai/careers/internship/researchinternship/