Tetsunori Kobayashi 研究室（早稲田大学）

AI 要約（直近 5 年の研究成果）

本研究室は、音声認識・音声処理・対話システムの実現を目指し、機械学習による自動化と改善に取り組んでいます。主要なテーマとして、自動音声認識（ASR）システムの高精度化・低遅延化があります。具体的には、事前学習済みの大規模言語モデルを音声認識の意思決定過程に組み込む、中間層での補助的な損失関数を用いて段階的に学習を進める、マスク予測に基づく高速推論方式など、複数のアプローチを組み合わせています。これらの手法により、リアルタイム性と認識精度のバランスを取ることを目指しています。音声信号の処理段階では、ノイズ除去や残響除去、複数話者の分離・抽出といった複数の前処理タスクを統合的に扱い、単一モデルで複雑な音声環境に対応する研究を進めています。また話者判定や対話システムにおいて、音声信号の時間的特性や言語的な構造情報を活用し、発話終了予測や応答タイミング推定といった、人間らしい対話実現に必要な技術開発も行われています。さらに言語モデルの領域汎化や、ドメイン特有の言語特性への対応なども検討対象となっており、幅広い応用場面での実用化を念頭に置いた研究展開がなされています。

※ 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

研究成果（25 件）

[2025] End-to-End Speech Translation Guided by Robust Translation Capability of Large Language Model
DOI: https://doi.org/10.21437/interspeech.2025-317
[2025] Harnessing the Zero-Shot Power of Instruction-Tuned Large Language Model for Guiding End-to-End Speech Recognition
DOI: https://doi.org/10.1109/icassp49660.2025.10890174
[2024] Preprocessing for acoustic-to-articulatory inversion using real-time MRI movies of Japanese speech
DOI: https://doi.org/10.21437/interspeech.2024-1517
[2024] Hierarchical Multi-Task Learning with CTC and Recursive Operation
DOI: https://doi.org/10.21437/interspeech.2024-1542
[2023] A Single Speech Enhancement Model Unifying Dereverberation, Denoising, Speaker Counting, Separation, And Extraction
DOI: https://doi.org/10.1109/asru57964.2023.10389724
[2023] Mask-CTC-Based Encoder Pre-Training for Streaming End-to-End Speech Recognition
DOI: https://doi.org/10.23919/eusipco58844.2023.10290112
[2023] Improving the response timing estimation for spoken dialogue systems by reducing the effect of speech recognition delay
DOI: https://doi.org/10.21437/interspeech.2023-1618
[2023] BECTRA: Transducer-Based End-To-End ASR with Bert-Enhanced Encoder
DOI: https://doi.org/10.1109/icassp49357.2023.10095186
[2023] Intermpl: Momentum Pseudo-Labeling With Intermediate CTC Loss
DOI: https://doi.org/10.1109/icassp49357.2023.10097071
[2023] Conversation-Oriented ASR with Multi-Look-Ahead CBS Architecture
DOI: https://doi.org/10.1109/icassp49357.2023.10094614

続きを表示（残り 15 件）

[2023] Response Timing Estimation for Spoken Dialog Systems Based on Syntactic Completeness Prediction
DOI: https://doi.org/10.1109/slt54892.2023.10023458
[2023] Self-Conditioning via Intermediate Predictions for End-to-End Neural Speaker Diarization
DOI: https://doi.org/10.1109/access.2023.3340307
[2022] PostMe: Unsupervised Dynamic Microtask Posting For Efficient and Reliable Crowdsourcing
DOI: https://doi.org/10.1109/bigdata55660.2022.10020590
[2022] Confusion Detection for Adaptive Conversational Strategies of An Oral Proficiency Assessment Interview Agent
DOI: https://doi.org/10.21437/interspeech.2022-10075
[2022] Response Timing Estimation for Spoken Dialog System using Dialog Act Estimation
DOI: https://doi.org/10.21437/interspeech.2022-746
[2022] Hierarchical Conditional End-to-End ASR with CTC and Multi-Granular Subword Units
DOI: https://doi.org/10.1109/icassp43922.2022.9746580
[2022] BERT Meets CTC: New Formulation of End-to-End Speech Recognition with Pre-trained Masked Language Model
DOI: https://doi.org/10.18653/v1/2022.findings-emnlp.402
[2021] Multi-Source Domain Generalization Using Domain Attributes for Recurrent Neural Network Language Models
DOI: https://doi.org/10.1587/transinf.2021edp7081
[2021] Timing Generating Networks: Neural Network Based Precise Turn-Taking Timing Prediction in Multiparty Conversation
DOI: https://doi.org/10.21437/interspeech.2021-874
[2021] Efficient and Stable Adversarial Learning Using Unpaired Data for Unsupervised Multichannel Speech Separation
DOI: https://doi.org/10.21437/interspeech.2021-523
[2021] Improved Mask-CTC for Non-Autoregressive End-to-End ASR
DOI: https://doi.org/10.1109/icassp39728.2021.9414198
[2021] Sentiment Analysis for Title-Sentence Sequences of News Articles
[2021] Analysis of Multimodal Features for Speaking Proficiency Scoring in an Interview Dialogue
DOI: https://doi.org/10.1109/slt48900.2021.9383590
[2021] Personalized Extractive Summarization for a News Dialogue System
DOI: https://doi.org/10.1109/slt48900.2021.9383568
[2021] Exploring and Exploiting the Hierarchical Structure of a Scene for Scene Graph Generation
DOI: https://doi.org/10.1109/icpr48806.2021.9413251

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）。

AI 要約（直近 5 年の研究成果）

外部リンク

関連研究室(8 件)

研究成果（25 件）

科研費（0 件）

所属学会・役職（0 件）