Akinori Ito 研究室
主宰者：Akinori Ito
東北大学
AI 要約（直近 5 年の研究成果）
本研究室は、音声・音響信号の処理と生成、および人間とコンピュータの自然なインタラクション実現に関する研究を行っています。主な研究対象は、音声認識、音声合成、音声感情認識、声の変換、環境音の分類、および音声翻訳システムです。これらの課題に対して、深層学習やニューラルネットワークを基盤とした手法を開発し、実装しています。
技術的には、自己教師あり学習（SSL）による音声特徴抽出、エンドツーエンドの神経音声合成、サイクルコンシステント学習に基づく学習フレームワーク、モデル圧縮・軽量化（剪定など）といったアプローチを多面的に活用しています。また、限定されたデータ環境での学習戦略、マルチタスク学習、データ拡張技術など、実際の応用場面での課題に対応する方法論も重視しています。
研究の成果として、複数の言語や様式の音声データに対応した感情認識モデル、スピーカー特性を保持した音声翻訳システム、属性制御可能な音声変換法、会話エージェントの自然な応答生成などが報告されています。さらに、生成型AIの発展に対応した音声の真正性検証（デジタル透かし）や、ロボットによる人間追跡といった応用研究も行われており、音声処理技術の多様な実用化を目指しています。
※ 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Hajime Asama 研究室東京大学論文 183 件·共通: 学習, 環境保全, 環境科学, システム +11
- 計算機科学Hiroshi Saruwatari 研究室東京大学論文 189 件·共通: 学習, 環境保全, 環境科学, システム +11
- 工学Kensuke Harada 研究室大阪大学論文 104 件·共通: 学習, 環境保全, 環境科学, システム +11
- 心理学Hiroshi Ishiguro 研究室大阪大学論文 103 件·共通: 学習, 環境保全, 環境科学, システム +10
- 医学Nobuaki Ito 研究室University of Tokyo Hospital論文 158 件·共通: 翻訳, 環境保全, 環境科学, システム +6
- 計算機科学Tadahiro Taniguchi 研究室立命館大学論文 102 件·共通: 学習, 環境保全, 環境科学, 環境 +8
- 計算機科学Takuji Narumi 研究室東京大学論文 107 件·共通: 学習, 環境保全, 環境科学, システム +7
- 保健専門職Qi An 研究室東京大学論文 159 件·共通: 学習, 環境保全, 環境科学, 環境 +8
研究成果（67 件）
- [2025] Adaptive Fine-Grained Pruning via Binary Search for Efficient Environmental Sound ClassificationDOI: https://doi.org/10.1109/access.2025.3617879
- DOI: https://doi.org/10.3390/app15084256
- DOI: https://doi.org/10.4307/jsee.73.3_1
- DOI: https://doi.org/10.1109/access.2025.3561590
- DOI: https://doi.org/10.3390/app15010381
- DOI: https://doi.org/10.3390/s25061754
- DOI: https://doi.org/10.1109/gcce65946.2025.11275400
- DOI: https://doi.org/10.1109/gcce65946.2025.11274851
- DOI: https://doi.org/10.1109/gcce65946.2025.11274608
- [2025] Robust Speech Emotion Recognition Using Recent Self-Supervised Learning with Data AugmentationDOI: https://doi.org/10.1109/gcce65946.2025.11275465
続きを表示（残り 57 件）閉じる
- [2025] JAFS: Construction of Japanese Anime Face and Speech Dataset for Cross-Modal Speech SynthesisDOI: https://doi.org/10.1109/gcce65946.2025.11274984
- DOI: https://doi.org/10.1016/j.csl.2025.101902
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11249304
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11249108
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11249275
- [2025] Fast and Speaker-Independent Utterance Selection for ASR-Free CALL Systems of Minority LanguagesDOI: https://doi.org/10.1109/apsipaasc65261.2025.11249176
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11248989
- DOI: https://doi.org/10.1109/gcce65946.2025.11275467
- DOI: https://doi.org/10.21437/interspeech.2025-408
- DOI: https://doi.org/10.5281/zenodo.19361638
- DOI: https://doi.org/10.5281/zenodo.19361637
- DOI: https://doi.org/10.1109/icras65818.2025.11108823
- DOI: https://doi.org/10.1109/iciet66371.2025.11046256
- DOI: https://doi.org/10.1109/access.2024.3486711
- [2024] LLM as decoder: Investigating Lattice-based Speech Recognition Hypotheses Rescoring Using LLMDOI: https://doi.org/10.1109/apsipaasc63619.2025.10848752
- DOI: https://doi.org/10.1145/3711542.3711565
- DOI: https://doi.org/10.1145/3651671.3651733
- DOI: https://doi.org/10.1109/apsipaasc63619.2025.10848991
- DOI: https://doi.org/10.1250/ast.e24.21
- DOI: https://doi.org/10.1250/ast.e24.46
- [2024] Unified model for voice conversion of speech and singing voice using adaptive pitch constraintsDOI: https://doi.org/10.1250/ast.e24.47
- DOI: https://doi.org/10.1145/3678726.3678733
- [2024] Development of a Personal Guide Robot That Leads a Guest Hand-in-Hand While Keeping a DistanceDOI: https://doi.org/10.3390/s24072345
- DOI: https://doi.org/10.3390/app14072757
- [2024] Character Expressions in Meta-Learning for Extremely Low Resource Language Speech RecognitionDOI: https://doi.org/10.1145/3651671.3651730
- DOI: https://doi.org/10.1109/apsipaasc63619.2025.10848605
- DOI: https://doi.org/10.1109/access.2024.3507945
- DOI: https://doi.org/10.52202/078378-0005
- DOI: https://doi.org/10.1109/access.2024.3462719
- DOI: https://doi.org/10.1299/jsmermd.2024.1p2-h02
- DOI: https://doi.org/10.3390/app132312909
- DOI: https://doi.org/10.3390/educsci13040347
- DOI: https://doi.org/10.1109/icnlp58431.2023.00047
- DOI: https://doi.org/10.1145/3587716.3587796
- DOI: https://doi.org/10.1299/jsmermd.2023.1p1-f09
- DOI: https://doi.org/10.1109/nicoint55861.2022.00032
- DOI: https://doi.org/10.1109/sii52469.2022.9708883
- DOI: https://doi.org/10.23919/apsipaasc55919.2022.9980272
- DOI: https://doi.org/10.1299/jsmermd.2022.2a1-h02
- DOI: https://doi.org/10.1299/jsmermd.2022.2a1-h03
- DOI: https://doi.org/10.4036/iis.2022.a.04
- DOI: https://doi.org/10.23919/apsipaasc55919.2022.9979841
- DOI: https://doi.org/10.1109/icsip55141.2022.9886452
- [2022] Interactive Demonstration of Dynamic Music Composition Based on Cohn's “Voice-Leading Zones” TheoryDOI: https://doi.org/10.1109/nicoint55861.2022.00031
- [2021] Development of a Mobile Robot That Plays Tag with Touch-and-Away Behavior Using a Laser Range FinderDOI: https://doi.org/10.3390/app11167522
- DOI: https://doi.org/10.1109/ieeeconf49454.2021.9382709
- DOI: https://doi.org/10.3777/jjsam.71.53
- DOI: https://doi.org/10.1299/jsmermd.2021.1p3-e02
- DOI: https://doi.org/10.21437/interspeech.2021-1132
- [2021] Neural Spoken-Response Generation Using Prosodic and Linguistic Context for Conversational SystemsDOI: https://doi.org/10.21437/interspeech.2021-381
- DOI: https://doi.org/10.18178/ijmlc.2021.11.5.1062
- [2021] Analysis of Feature Extraction by Convolutional Neural Network for Speech Emotion RecognitionDOI: https://doi.org/10.1109/gcce53005.2021.9621964
- DOI: https://doi.org/10.1109/icsip52628.2021.9688835
- DOI: https://doi.org/10.1250/ast.42.210
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）。