Publications

カンファレンス (国際)
Exploring Speech Recognition, Translation, and Understanding with Discrete Speech Units: A Comparative Study: Xuankai Chang (Carnegie Mellon University), Brian Yan (Carnegie Mellon University), Kwanghee Choi (Carnegie Mellon University), Jee-Weon Jung (Carnegie Mellon University), Yichen Lu (Carnegie Mellon University), Soumi Maiti (Carnegie Mellon University), Roshan Sharma (Carnegie Mellon University), Jiatong Shi (Carnegie Mellon University), Jinchuan Tian (Carnegie Mellon University), Shinji Watanabe (Carnegie Mellon University), Yuya Fujita, Takashi Maekaku, Pengcheng Guo (Northwestern Polytechnical University), Yao-Fei Cheng (University of Washington), Pavel Denisov (University of Stuttgart), Kohei Saijo (Waseda University), Hsiu-Hsuan Wang (National Taiwan University); 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2024); 2024.3.20

カンファレンス (国際)
Hubertopic: Enhancing Semantic Representation of Hubert Through Self-Supervision Utilizing Topic Model: Takashi Maekaku, Jiatong Shi (Carnegie Mellon University), Xuankai Chang (Carnegie Mellon University), Yuya Fujita, Shinji Watanabe (Carnegie Mellon University); 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2024); 2024.3.20

カンファレンス (国内)
日本語テキストと音楽の対照学習の実験的評価: 蓮実拓也, 小松達也, 藤田雄介, 二又航介, 橘健太郎; 日本音響学会 2024年春季研究発表会 (ASJ 2024 spring); 2024.3.7

カンファレンス (国内)
拡散過程と敵対的学習の併用による普遍音声強調: シャイブラーロビン, 藤田雄介, 橘健太郎; 日本音響学会 2024年春季研究発表会 (ASJ 2024 spring); 2024.3.6

カンファレンス (国内)
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 (東京大学), 齋藤佑樹 (東京大学), 関健太郎 (東京大学), 高道慎之介 (東京大学), 山本龍一, 橘健太郎, 猿渡洋 (東京大学); 電子情報通信学会/日本音響学会音声研究会 (IEICE/ASJ-SP); 2024.2.22

ワークショップ (国際)
A Comparative Study of Voice Conversion Models with Large-Scale Speech and Singing Data: The T13 Systems for the Singing Voice Conversion Challenge 2023: Ryuichi Yamamoto (Nagoya University / LINE Corp.), Reo Yoneyama (Nagoya University), Lester Phillip Violeta (Nagoya University), Wen-Chin Huang (Nagoya University), Tomoki Toda (Nagoya University); The 2023 IEEE Workshop on Automatic Speech Recognition and Understanding (ASRU 2023); 2023.12.19

カンファレンス (国際)
Domain Adaptation by Data Distribution Matching via Submodularity for Speech Recognition: Yusuke Shinohara, Shinji Watanabe (Carnegie Mellon University); The 2023 IEEE Workshop on Automatic Speech Recognition and Understanding (ASRU 2023); 2023.12.16

カンファレンス (国際)
LV-CTC: Non-autoregressive ASR with CTC and Latent Variable Models: Yuya Fujita, Shinji Watanabe (Carnegie Mellon Univ.), Xuankai Chang (Carnegie Mellon Univ.), Takashi Maekaku; The 2023 IEEE Workshop on Automatic Speech Recognition and Understanding (ASRU 2023); 2023.12.16

論文誌 (国際)
Self-conditioning via Intermediate Predictions for End-to-end Neural Speaker Diarization: Yusuke Fujita, Tetsuji Ogawa (Waseda University), Tetsunori Kobayashi (Waseda University); IEEE Access; 2023.12.7

その他 (国際)
HuBERTopic: Enhancing Semantic Representation of HuBERT through Self-supervision Utilizing Topic Model: Takashi Maekaku, Jiatong Shi (Carnegie Mellon University), Xuankai Chang (Carnegie Mellon University), Yuya Fujita, Shinji Watanabe (Carnegie Mellon University); arXiv; 2023.10.9

カンファレンス (国内)
End-to-end 音声認識器の中間層への言語知識転移: Michael Hentschel (WORKS MOBILE JAPAN), 西川勇太 (奈良先端科学技術大学院大学), 小松達也, 藤田雄介; 日本音響学会 2023年秋季研究発表会 (ASJ 2023 autumn); 2023.9.26

カンファレンス (国内)
NNSVS: ニューラルネットワークに基づく歌声合成のためのオープンソースソフトウェア: 山本龍一 (名古屋大学/LINE), 米山怜於 (名古屋大学), 戸田智基 (名古屋大学); 日本音響学会 2023年秋季研究発表会 (ASJ 2023 autumn); 2023.9.26

カンファレンス (国内)
独立低ランク行列分析における iterative projection with adjustment を用いた分離行列の更新: 蓮実拓也, シャイブラーロビン; 日本音響学会 2023年秋季研究発表会 (ASJ 2023 autumn); 2023.9.26

カンファレンス (国内)
Foley Sound Synthesis with a Class-Conditioned Latent Diffusion Model and FAD-Based Post-filtering: シャイブラーロビン, 蓮実拓也, 藤田雄介, 小松達也, 山本龍一, 橘健太郎; 日本音響学会 2023年秋季研究発表会 (ASJ 2023 autumn); 2023.9.26

カンファレンス (国内)
データの分布マッチングによる End-to-End 音声認識モデルのドメイン適応: 篠原雄介, 渡部晋治 (CMU); 日本音響学会第150回（2023年秋季）研究発表会; 2023.9.26

カンファレンス (国内)
潜在変数モデルを用いたCTCによる非自己回帰型音声認識: 藤田悠哉, 渡部晋治 (カーネギーメロン大学); 日本音響学会第150回(2023年秋季)研究発表会; 2023.9.26

ワークショップ (国際)
Foley Sound Synthesis with a Class-conditioned Latent Diffusion Model: Robin Scheibler, Takuya Hasumi, Yusuke Fujita, Tatsuya Komatsu, Ryuichi Yamamoto, Kentaro Tachibana; Detection and Classification of Acoustic Scenes and Events (DCASE 2023); 2023.9.20

カンファレンス (国際)
CALLS: Japanese Empathetic Dialogue Speech Corpus of Complaint Handling and Attentive Listening in Customer Center: Yuki Saito (The University of Tokyo), Eiji Iimori (The University of Tokyo), Shinnosuke Takamichi (The University of Tokyo), Kentaro Tachibana, Hiroshi Saruwatari (The University of Tokyo); The 24th Annual Conference of the International Speech Communication Association (INTERSPEECH 2023); 2023.8.20

カンファレンス (国際)
ChatGPT-EDSS: Empathetic Dialogue Speech Synthesis Trained from ChatGPT-derived Context Word Embeddings: Yuki Saito (The University of Tokyo), Shinnosuke Takamichi (The University of Tokyo), Eiji Iimori (The University of Tokyo), Kentaro Tachibana, Hiroshi Saruwatari (The University of Tokyo); The 24th Annual Conference of the International Speech Communication Association (INTERSPEECH 2023); 2023.8.20

カンファレンス (国際)
Exploration of Efficient End-to-End ASR using Discretized Input from Self-Supervised Learning: Xuankai Chang (Carnegie Mellon University), Brian Yan (Carnegie Mellon University), Yuya Fujita, Takashi Maekaku, Shinji Watanabe (Carnegie Mellon University); The 24th Annual Conference of the International Speech Communication Association (INTERSPEECH 2023); 2023.8.20