Wen-Chin Huang 研究室
主宰者：Wen-Chin Huang
名古屋大学
AI 要約（直近 5 年の研究成果）
Huang研究室の研究は、音声・音楽の生成と評価に関する幅広い課題に取り組んでいます。研究の中心には、異なる話者や歌手の音声特性を変換する技術があります。具体的には、通常の音声を病的な音声に変換したり、特定の歌手の歌唱スタイルを別の歌手のスタイルに変換したりする手法を開発しています。また、人工喉頭で話す音声の品質向上や、自発的な話し方の特性を保持した音声合成なども対象としており、これらは音声障害者の支援や自然な音声生成につながる研究です。
技術的なアプローチとしては、深層学習モデル、特に変分オートエンコーダ（VAE）や拡散モデルなどの生成モデルを活用しています。言語情報と音響情報を分離・統合する手法により、複数の属性を同時に制御する仕組みを構築しており、音声の言語的な内容と音声の質感や個人特性を独立して扱うことが特徴です。
さらに研究室は、開発した音声技術の評価方法を体系的に研究する点でも重要な役割を果たしています。人間による評価結果を予測する自動評価システムの開発や、複数の音声生成システムを比較する大規模な共有タスク・チャレンジの実施を通じて、この分野全体の進展を支援しています。これらの活動は、音声合成や音声変換の精度向上とともに、生成AIの品質管理を推進する基盤となっています。
※ 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 +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
- 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, 学習 +9
- 計算機科学Hiroshi Saruwatari 研究室東京大学論文 189 件·共通: 深層学習, AI・機械学習, 学習, システム +9
- 医学Mariko Kurokawa 研究室University of Tokyo Hospital論文 134 件·共通: 生成AI, 応用 AI, AI・機械学習, システム +4
- 計算機科学Masahiro Oda 研究室名古屋大学論文 100 件·共通: 深層学習, AI・機械学習, 機械学習, 学習 +6
- 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, 学習 +7
- 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, 学習, システム +8
研究成果（51 件）
- DOI: https://doi.org/10.1158/1538-7445.am2026-4330
- DOI: https://doi.org/10.1109/tnsre.2026.3651761
- DOI: https://doi.org/10.1109/icassp55912.2026.11464054
- [2025] The AudioMOS Challenge 2025DOI: https://doi.org/10.1109/asru65441.2025.11434660
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11249163
- DOI: https://doi.org/10.1109/icassp49660.2025.10889744
- DOI: https://doi.org/10.1158/1538-7445.am2025-4774
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11249347
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11249197
- [2025] Hierarchical Symbolic Music Generation with Variational Autoencoder-Based Bar-Wise Feature SequencesDOI: https://doi.org/10.1109/apsipaasc65261.2025.11249414
続きを表示（残り 41 件）閉じる
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11248977
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11249106
- DOI: https://doi.org/10.23919/eusipco63237.2025.11226227
- DOI: https://doi.org/10.23919/eusipco63237.2025.11226579
- DOI: https://doi.org/10.21437/interspeech.2025-1977
- [2025] Resolving Domain Mismatches in Electrolaryngeal Speech Enhancement With Linguistic IntermediatesDOI: https://doi.org/10.1109/jstsp.2025.3584195
- DOI: https://doi.org/10.21437/interspeech.2025-1469
- DOI: https://doi.org/10.1561/116.20250016
- DOI: https://doi.org/10.3389/fimmu.2025.1537466
- DOI: https://doi.org/10.1109/taslp.2024.3389631
- DOI: https://doi.org/10.1109/slt61566.2024.10832295
- DOI: https://doi.org/10.1109/icassp48485.2024.10447197
- DOI: https://doi.org/10.1109/lsp.2024.3482701
- DOI: https://doi.org/10.1109/taslp.2024.3402557
- DOI: https://doi.org/10.1109/asru57964.2023.10389671
- [2023] The Voicemos Challenge 2023: Zero-Shot Subjective Speech Quality Prediction for Multiple DomainsDOI: https://doi.org/10.1109/asru57964.2023.10389763
- [2023] Improving Severity Preservation of Healthy-to-Pathological Voice Conversion With Global Style TokensDOI: https://doi.org/10.1109/asru57964.2023.10389707
- DOI: https://doi.org/10.1109/asru57964.2023.10389779
- DOI: https://doi.org/10.1109/apsipaasc58517.2023.10317592
- DOI: https://doi.org/10.1109/icassp49357.2023.10096183
- DOI: https://doi.org/10.1109/icassp49357.2023.10095931
- DOI: https://doi.org/10.1109/icassp43922.2022.9747550
- DOI: https://doi.org/10.1109/icassp43922.2022.9746430
- DOI: https://doi.org/10.1109/icassp43922.2022.9747894
- DOI: https://doi.org/10.18653/v1/2022.acl-long.580
- [2022] The VoiceMOS Challenge 2022DOI: https://doi.org/10.21437/interspeech.2022-970
- DOI: https://doi.org/10.1109/jstsp.2022.3193761
- DOI: https://doi.org/10.1109/icassp43922.2022.9746395
- DOI: https://doi.org/10.1109/icassp43922.2022.9747222
- DOI: https://doi.org/10.1109/icassp39728.2021.9413973
- DOI: https://doi.org/10.1109/icassp39728.2021.9415079
- DOI: https://doi.org/10.1109/iscas51556.2021.9401485
- DOI: https://doi.org/10.1109/taslp.2021.3049336
- DOI: https://doi.org/10.1109/asru51503.2021.9687908
- DOI: https://doi.org/10.1109/asru51503.2021.9688010
- DOI: https://doi.org/10.21437/interspeech.2021-208
- [2021] Relational Data Selection for Data Augmentation of Speaker-Dependent Multi-Band MelGAN VocoderDOI: https://doi.org/10.21437/interspeech.2021-806
- DOI: https://doi.org/10.1109/dslw51110.2021.9523402
- DOI: https://doi.org/10.5281/zenodo.4757530
- DOI: https://doi.org/10.1109/icassp39728.2021.9413668
- DOI: https://doi.org/10.1109/icassp39728.2021.9413959
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）。