Sakriani Sakti 研究室
主宰者:Sakriani Sakti
奈良先端科学技術大学院大学
兼任:北陸先端科学技術大学院大学
AI 要約(直近 5 年の研究成果)
Sakriani Sakti研究室は、音声と言語を融合させた自然言語処理の研究に取り組んでいます。特に、複数言語間での音声翻訳、音声認識、音声合成といった音声処理技術の開発が中心です。研究対象は、自動音声認識システムの精度向上、同時通訳型の音声翻訳の効率化、感情表現を保持した音声翻訳など、実世界での応用を意識した多岐にわたる課題を扱っています。
手法としては、トランスフォーマーやニューラルネットワーク等の深層学習アーキテクチャを活用しながら、自己教師あり学習や拡散モデル、混合専門家モデルといった先進的な機械学習技術を組み合わせています。特に、限定されたデータセットでの学習を効率化する工夫や、複数言語・複数話者を扱うための適応的な学習戦略が重要な要素です。また、医療応用として、咳音によるテンベストリア検出や音声からの認知機能低下の検出なども行っています。
主要な知見として、言語モデルと音声モデルの段階的な調整順序が認識精度に大きく影響すること、韻律情報の活用が構造的曖昧性の解決に有効であること、そして多言語環境での音声技術の開発には言語特有の特性を考慮した設計が必須であることが報告されています。これらの研究は、多様な言語・文化背景を持つユーザーが自然に相互作用できるシステムの実現に貢献しています。
※ AI(Claude)が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 計算機科学Takahiro Ogawa 研究室北海道大学論文 103 件·共通: 応用 AI, 深層学習, AI・機械学習, 機械学習 +11
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: 深層学習, AI・機械学習, 機械学習, 機械 +10
- 医学Shouhei Hanaoka 研究室University of Tokyo Hospital論文 126 件·共通: 応用 AI, 深層学習, AI・機械学習, 機械学習 +7
- 計算機科学Yuki Todo 研究室金沢大学論文 100 件·共通: AI・機械学習, 機械学習, 機械, 学習 +10
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 133 件·共通: 深層学習, AI・機械学習, 機械学習, 機械 +8
- 医学Taku Obara 研究室Tohoku University Hospital論文 101 件·共通: 機械学習, 認知, 機械, 学習 +10
- 心理学Zilu Liang 研究室東京大学論文 148 件·共通: AI・機械学習, 機械学習, 機械, 学習 +9
- 医学Toshihisa Anzai 研究室北海道大学論文 101 件·共通: AI・機械学習, 機械学習, 機械, 学習 +9
研究成果(84 件)
- DOI: https://doi.org/10.1109/icassp55912.2026.11463328
- DOI: https://doi.org/10.1109/icassp55912.2026.11461371
- DOI: https://doi.org/10.63317/3zod9jyperib
- DOI: https://doi.org/10.18653/v1/2026.eacl-srw.61
- [2025] Stage-Wise Acoustic-Linguistic Fine-Tuning for Overlapped Speech Recognition: Does Ordering Matter?DOI: https://doi.org/10.1109/o-cocosda68185.2025.11384906
- [2025] HifiDiff: Two Stream Diffusion Models for High Fidelity Speech Generation of Unseen LanguagesDOI: https://doi.org/10.1109/o-cocosda68185.2025.11384822
- DOI: https://doi.org/10.1109/o-cocosda68185.2025.11385248
- DOI: https://doi.org/10.1109/o-cocosda68185.2025.11385054
- [2025] Toward Natural Emotional Text-to-Speech System with Fine-Grained Non-Verbal Expression ControlDOI: https://doi.org/10.1109/o-cocosda68185.2025.11385230
- DOI: https://doi.org/10.1109/o-cocosda68185.2025.11385084
続きを表示(残り 74 件)閉じる
- [2025] Bridging Disfluent to Fluent in Speech Translation: Effective Tagging and Fine-Tuning StrategiesDOI: https://doi.org/10.1109/o-cocosda68185.2025.11384869
- DOI: https://doi.org/10.1145/3765766.3765851
- [2025] Semi-supervised Acoustic Scene Classification with Label Smoothing and Hard Samples IdentificationDOI: https://doi.org/10.1109/icsigsys67277.2025.11269138
- DOI: https://doi.org/10.1109/icsigsys67277.2025.11269173
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11249364
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11249323
- [2025] Rethinking Robust ASR Strategies: Can Textual in-Context Learning Improve Acoustic Robustness?DOI: https://doi.org/10.1109/apsipaasc65261.2025.11249368
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11249322
- DOI: https://doi.org/10.21437/interspeech.2025-1243
- DOI: https://doi.org/10.1109/arso64737.2025.11124983
- [2025] Impact of Gender and Group Size on Right to Speak and Peer Pressure in Human-Robot InteractionDOI: https://doi.org/10.1109/arso64737.2025.11124979
- DOI: https://doi.org/10.1109/hsi66212.2025.11142386
- DOI: https://doi.org/10.1016/j.csl.2025.101836
- DOI: https://doi.org/10.1109/icassp49660.2025.10890285
- DOI: https://doi.org/10.1109/icassp49660.2025.10889764
- DOI: https://doi.org/10.1109/icassp49660.2025.10890820
- DOI: https://doi.org/10.18653/v1/2025.iwslt-1.38
- DOI: https://doi.org/10.1109/taslpro.2025.3548429
- DOI: https://doi.org/10.1109/access.2025.3527012
- DOI: https://doi.org/10.5715/jnlp.32.404
- DOI: https://doi.org/10.18653/v1/2025.iwslt-1.39
- DOI: https://doi.org/10.1109/access.2025.3648059
- DOI: https://doi.org/10.1109/access.2025.3644647
- DOI: https://doi.org/10.1109/asru65441.2025.11434811
- [2024] A Feedback-Driven Self-Improvement Strategy and Emotion-Aware Vocoder for Emotional Voice ConversionDOI: https://doi.org/10.1109/o-cocosda64382.2024.10800102
- DOI: https://doi.org/10.1109/apsipaasc63619.2025.10848563
- [2024] Anomalous Machine Sound Detection Based on Time Domain Gammatone Spectrogram Feature and IDNN ModelDOI: https://doi.org/10.1109/apsipaasc63619.2025.10849225
- DOI: https://doi.org/10.1109/o-cocosda64382.2024.10800352
- DOI: https://doi.org/10.1109/o-cocosda64382.2024.10800336
- DOI: https://doi.org/10.1109/o-cocosda64382.2024.10800559
- DOI: https://doi.org/10.1109/o-cocosda64382.2024.10800714
- DOI: https://doi.org/10.1587/transinf.2023edp7249
- DOI: https://doi.org/10.1109/icaicta63815.2024.10763258
- DOI: https://doi.org/10.21437/chime.2024-13
- DOI: https://doi.org/10.21437/interspeech.2024-2426
- DOI: https://doi.org/10.21437/syndata4genai.2024-5
- DOI: https://doi.org/10.1109/access.2024.3473314
- DOI: https://doi.org/10.18653/v1/2024.iwslt-1.23
- DOI: https://doi.org/10.1109/access.2024.3487053
- DOI: https://doi.org/10.1109/asru57964.2023.10389730
- DOI: https://doi.org/10.1109/o-cocosda60357.2023.10482965
- DOI: https://doi.org/10.21437/sigul.2023-17
- DOI: https://doi.org/10.21437/sigul.2023-12
- DOI: https://doi.org/10.21437/interspeech.2023-2243
- DOI: https://doi.org/10.21437/interspeech.2023-1321
- DOI: https://doi.org/10.1109/icassp49357.2023.10096128
- DOI: https://doi.org/10.1109/icassp49357.2023.10095119
- DOI: https://doi.org/10.1109/slt54892.2023.10023322
- DOI: https://doi.org/10.1109/o-cocosda60357.2023.10482968
- DOI: https://doi.org/10.18653/v1/2023.findings-acl.868
- DOI: https://doi.org/10.18653/v1/2023.iwslt-1.31
- DOI: https://doi.org/10.1109/access.2023.3251657
- DOI: https://doi.org/10.18653/v1/2023.emnlp-main.1045
- DOI: https://doi.org/10.21437/interspeech.2022-11169
- DOI: https://doi.org/10.1016/j.imavis.2022.104514
- DOI: https://doi.org/10.1109/taslp.2022.3196879
- DOI: https://doi.org/10.18653/v1/2022.iwslt-1.25
- DOI: https://doi.org/10.1109/taslp.2022.3150220
- DOI: https://doi.org/10.1109/access.2021.3071541
- DOI: https://doi.org/10.18653/v1/2021.iwslt-1.3
- DOI: https://doi.org/10.1587/transinf.2021edp7014
- [2021] Using Local Phrase Dependency Structure Information in Neural Sequence-to-Sequence Speech SynthesisDOI: https://doi.org/10.1109/o-cocosda202152914.2021.9660456
- [2021] Simultaneous Speech-to-Speech Translation System with Transformer-Based Incremental ASR, MT, and TTSDOI: https://doi.org/10.1109/o-cocosda202152914.2021.9660477
- DOI: https://doi.org/10.1109/o-cocosda202152914.2021.9660580
- DOI: https://doi.org/10.1587/transinf.2021edp7005
- DOI: https://doi.org/10.21437/interspeech.2021-946
- DOI: https://doi.org/10.21437/interspeech.2021-1105
- DOI: https://doi.org/10.21437/interspeech.2021-1340
- DOI: https://doi.org/10.21437/interspeech.2021-970
- DOI: https://doi.org/10.21437/interspeech.2021-1020
- DOI: https://doi.org/10.1109/slt48900.2021.9383496
- DOI: https://doi.org/10.1109/slt48900.2021.9383597
- DOI: https://doi.org/10.1109/access.2021.3077886
科研費(0 件)
まだデータがありません(KAKEN 取り込み後に表示)。
所属学会・役職(0 件)
まだデータがありません(学会データ連携後に表示)。