CyberAgent Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Giám đốc đại diện: Susumu Fujita, TSE Prime Market: Mã chứng khoán: 4751) là liên doanh giữa các nhà nghiên cứu Koichi Miyazaki, Masato Murata, Tomoki Koriyama và Li Li, những người thuộc AI Lab, một tổ chức nghiên cứu và phát triển công nghệ trí tuệ nhân tạo, và Yang Dong, người tham gia thực tập nghiên cứu tại AI Lab※1Bài báo của et al sẽ được trình bày tại hội nghị quốc tế về lĩnh vực xử lý ngôn ngữ xem kèo bóng đá “INTERSPEECH 2024”※2Đây là lần đầu tiên AI Lab có một bài báo được chấp nhận tại phiên họp toàn thể
``INTERSPEECH'' là hội nghị quốc tế lớn nhất thế giới trong lĩnh vực xử lý ngôn ngữ xem kèo bóng đá, do Hiệp hội Truyền thông Lời xem kèo bóng đá Quốc tế (ISCA) đăng cai tổ chức và năm nay đánh dấu lần thứ 25 nó được tổ chức Bài báo được chấp nhận dự kiến sẽ được trình bày tại INTERSPEECH 2024, được tổ chức trên đảo Kos của Hy Lạp vào tháng 9 năm 2024
■Nền tảng nghiên cứu
Trong những năm gần đây, với sự phát triển của máy học, việc tạo ra các quảng cáo mới và tiếp thị kỹ thuật số sử dụng công nghệ AI đã thu hút được sự chú ý Tại AI Lab, chúng tôi đang mở rộng phạm vi lĩnh vực nghiên cứu cũng như nghiên cứu và phát triển công nghệ AI để giải quyết các vấn đề kỹ thuật khác nhau trong các lĩnh vực này
Nhóm Âm thanh của AI Lab tiến hành nghiên cứu trong lĩnh vực giọng xem kèo bóng đá và âm học, đang nghiên cứu để hiện thực hóa các tương tác giọng xem kèo bóng đá tự nhiên và nâng cao, chẳng hạn như giọng xem kèo bóng đá song sinh kỹ thuật số của những người nổi tiếng, quảng cáo bằng giọng xem kèo bóng đá và ứng dụng cho bot giọng xem kèo bóng đá của trung tâm cuộc gọiNăm bài báo được chấp nhận lần này dự kiến sẽ được sử dụng trong các quảng cáo và dịch vụ sử dụng giọng xem kèo bóng đá do những cải tiến về công nghệ như nhận dạng giọng xem kèo bóng đá và tổng hợp giọng xem kèo bóng đá
■Giới thiệu về 5 bài viết được chấp nhận
“Khám phá khả năng của Mamba trong các ứng dụng giọng xem kèo bóng đá”Tác giả: Koichi Miyazaki (Phòng thí nghiệm AI của CyberAgent), Yoshinori Masuyama (Đại học Tokyo Metropolitan), Masato Murata (Phòng thí nghiệm AI của CyberAgent)
| Mamba là kiến trúc dựa trên mô hình không gian trạng thái và do hiệu suất và hiệu suất tính toán cao nên nó đang thu hút sự chú ý như một giải pháp thay thế mới cho mô hình chính thông thường, TransformerTrong nghiên cứu này, chúng tôi đã đánh giá hiệu suất của Mamba trong nhiều tác vụ xử lý giọng xem kèo bóng đá khác nhau, bao gồm nhận dạng giọng xem kèo bóng đá, tổng hợp chuyển văn bản thành giọng xem kèo bóng đá, hiểu giọng xem kèo bóng đá và tóm tắt giọng xem kèo bóng đáCác thử nghiệm cho thấy Mamba hoạt động bằng hoặc tốt hơn mẫu Transformer được sửa đổi giọng xem kèo bóng đá trong nhiều tác vụ Nó đặc biệt thuận lợi trong việc xử lý giọng xem kèo bóng đá dài hạn và có hiệu suất bộ nhớ cao nên dự kiến sẽ được áp dụng cho nhiều tác vụ hơn
＜Link bài viết＞
|
“Phương pháp nội suy thuộc tính trong tổng hợp giọng xem kèo bóng đá bằng cách hợp nhất mô hình”Tác giả: Masato Murata (CyberAgent AI Lab), Koichi Miyazaki (CyberAgent AI Lab), Tomoki Koriyama (CyberAgent AI Lab)
| Âm thanh quảng cáo yêu cầu giọng xem kèo bóng đá từ nhiều người xem kèo bóng đá và cảm xúc khác nhau, đồng thời công nghệ tổng hợp giọng xem kèo bóng đá có thể tạo ra những giọng xem kèo bóng đá đa dạng như vậy đang thu hút sự chú ýTrong nghiên cứu này, chúng tôi đề xuất một phương pháp gọi là Nội suy thuộc tính hợp nhất mô hình, sử dụng hai mô hình tổng hợp giọng xem kèo bóng đá đã được huấn luyện để tổng hợp giọng xem kèo bóng đá với các thuộc tính trung gian giữa mỗi mô hìnhChúng tôi đã tiến hành thử nghiệm trên hai tác vụ ứng dụng: nội suy người xem kèo bóng đá và kiểm soát cường độ cảm xúc và xác nhận rằng phương pháp đề xuất có thể kiểm soát các thuộc tính giọng xem kèo bóng đá với chất lượng caoDự kiến bằng cách sử dụng công nghệ này, có thể tạo ra âm thanh quảng cáo với nhiều cách thể hiện khác nhau
＜Link bài viết＞
|
“Căn chỉnh âm vị dựa trên VAE bằng cách sử dụng tính năng ủ chuyển màu và âm thanh SSL”Tác giả: Tomoki Koriyama (Phòng thí nghiệm AI của CyberAgent)
| Căn chỉnh giọng xem kèo bóng đá, tìm ra sự tương ứng theo thời gian giữa tín hiệu âm thanh và văn bản được phiên âm của nội dung, là một nhiệm vụ quan trọng trong việc phân tích lời xem kèo bóng đá và học cách tạo ra giọng xem kèo bóng đá hiệu quảTrong nghiên cứu này, chúng tôi đã đề xuất một phương pháp để đạt được sự liên kết âm thanh chính xác hơn bằng cách kết hợp nhiều kỹ thuật học tập khác nhau, bao gồm bộ mã hóa tự động biến thiên (VAE), ủ độ dốc và các tính năng âm thanh dựa trên quá trình học tập tự giám sátSử dụng công nghệ này, việc học tổng hợp giọng xem kèo bóng đá sẽ dễ dàng hơn bằng cách sử dụng các âm thanh đặc trưng điển hình của quảng cáo video và dự kiến sẽ mở rộng khả năng biểu cảm của quảng cáo âm thanh
＜Link bài viết＞
|
“Phát hiện hơi thở theo khung bằng quá trình tự rèn luyện: Khám phá việc nâng cao tính tự nhiên của hơi thở trong chuyển văn bản thành giọng xem kèo bóng đá”Tác giả: Yang Dong (Đại học Tokyo), Tomoki Koriyama (CyberAgent AI Lab), Yuki Saito (Giảng viên, Đại học Tokyo)
| Hơi thở là một yếu tố giúp âm thanh của quảng cáo video và robot giao tiếp có cảm giác giống con người hơn Trong tổng hợp giọng xem kèo bóng đá thông thường, việc học theo mô hình không tính đến hơi thở là xu hướng chủ đạo nên không thể kiểm soát sự hiện diện hay vắng mặt của hơi thởTrong nghiên cứu này, chúng tôi tập trung vào các đặc điểm âm thanh của hơi thở, chẳng hạn như sự phân tán giữa các tần số giọng xem kèo bóng đá và đề xuất thuật toán phát hiện tự động Chúng tôi cũng chứng minh rằng khả năng tự học cho phép phát hiện đặc điểm hơi thở một cách nhất quán trên dữ liệu quy mô lớnKết quả là chúng tôi đã có thể tạo cơ sở dữ liệu tổng hợp giọng xem kèo bóng đá giống con người hơn và đã khẳng định được tính hiệu quả của cơ sở dữ liệu này trong các thử nghiệm nghe sử dụng giọng xem kèo bóng đá được tạo ra
＜Link bài viết＞
|
“Quy trình phối lại được cải tiến để cải thiện giọng xem kèo bóng đá dựa trên thích ứng miền bằng cách giảm thiểu sự mất cân bằng dữ liệu trong tỷ lệ tín hiệu trên tạp âm”Tác giả: Li Li (CyberAgent AI Lab), Shogo Seki (CyberAgent AI Lab)
| Cải thiện giọng xem kèo bóng đá là công nghệ trích xuất giọng xem kèo bóng đá bị chôn vùi trong tiếng ồn Gần đây, người ta tập trung vào cách sử dụng lượng lớn dữ liệu âm thanh được ghi trong môi trường thực để nâng cao âm thanh cho mục đích chung hoạt động trong nhiều môi trường khác nhauCho đến nay, thuật toán học tập cho mô hình nâng cao giọng xem kèo bóng đá chỉ hoạt động trên giọng xem kèo bóng đá ồn được quan sát bằng cách giới thiệu quy trình tách và phối lại tín hiệu đầu vào đã được đề xuất và trong nghiên cứu trước đây, chúng tôi cũng đã đề xuất một thuật toán cải tiến có tên Remixed2Remixed※3Trong nghiên cứu này, chúng tôi tập trung vào việc huấn luyện dữ liệu, làm rõ bằng thực nghiệm tác động của những thay đổi về đặc tính âm thanh trong quá trình phối lại đối với thuật toán học tập và đề xuất phương pháp tăng cường dữ liệu để cải thiện hiệu suất nâng cao giọng xem kèo bóng đá
＜Link bài viết＞
|
■Tương lai
Các công nghệ như nhận dạng giọng xem kèo bóng đá và tổng hợp giọng xem kèo bóng đá được phát triển thông qua các nghiên cứu này dự kiến sẽ được sử dụng ở nhiều doanh nghiệp khác nhau, chẳng hạn như quảng cáo video dựa trên giọng xem kèo bóng đá, trợ lý giọng xem kèo bóng đá và tự động hóa trung tâm cuộc gọiAI Lab sẽ tiếp tục kết hợp công nghệ AI vào các sản phẩm để giải quyết các vấn đề kinh doanh và xã hội, đồng thời sẽ tiếp tục nỗ lực nghiên cứu và phát triển để đóng góp vào sự phát triển công nghệ và học thuật
※1: Liên kết với Đại học Tokyo / Tham gia thực tập nghiên cứu từ ngày 6 tháng 9 năm 2023
※2：※3:L Li và S Seki,trong Proc ICASSP, trang 806-810, 2024
