CyberAgent Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Chủ tịch kiêm Giám đốc điều hành: Takahiro Yamauchi, TSE Prime Market: Mã chứng khoán 4751) là một nhóm của Masato Murata, Koichi Miyazaki, Tomoki Koriyama, Shogo Seki, Li Li, Junya Oguchi, thành viên tổ chức nghiên cứu và phát triển công nghệ trí tuệ nhân tạo “AI Lab” và những người tham gia nghiên cứu “AI Lab” thực tập Ông Shao Xiang※1đã được chấp nhận tham gia INTERSPEECH 2026, một hội nghị quốc tế kèo bóng đá tây ban nha lĩnh vực xử lý ngôn ngữ nói
「'' là một kèo bóng đá tây ban nha những hội nghị quốc tế lớn nhất thế giới kèo bóng đá tây ban nha lĩnh vực xử lý ngôn ngữ nói, do Hiệp hội Truyền thông Lời nói Quốc tế (ISCA) tổ chức Hội nghị lần thứ 27 sẽ được tổ chức tại Sydney, Úc vào tháng 9 năm 2026 và các bài báo được chấp nhận sẽ được trình bày
■NềnVới sự phát triển của công nghệ AI, kỳ vọng về khả năng giao tiếp tự nhiên thông qua giọng nói và việc tự động tạo nội dung âm thanh chất lượng cao đang tăng lên nhanh chóng Nhóm Audio, nhóm tiến hành nghiên cứu kèo bóng đá tây ban nha lĩnh vực giọng nói và âm học, đang nghiên cứu để hiện thực hóa cuộc đối thoại hoàn toàn tự động tự nhiên và tiên tiến, chẳng hạn như giọng nói song sinh kỹ thuật số của những người nổi tiếng, quảng cáo bằng giọng nói và ứng dụng cho bot giọng nói của trung tâm cuộc gọi
■Bài viết tóm tắt
「
」Tác giả: Masato Murata (CyberAgent AI Lab), Koichi Miyazaki (CyberAgent AI Lab), Tomoki Koriyama (CyberAgent AI Lab), Tomoki Toda (Đại học Nagoya)
| Khi xây dựng mô hình tổng hợp giọng nói, khi có ít dữ liệu huấn luyện cho ngôn ngữ đích, học chuyển giao được sử dụng rộng rãi để thích ứng với ngôn ngữ mới dựa trên mô hình được đào tạo bằng ngôn ngữ chính như tiếng Anh Tuy nhiên, vẫn chưa được làm rõ hoàn toàn về mức độ hữu ích của kiến thức phát âm mà mô hình ban đầu sở hữu cho việc học các âm vị mới kèo bóng đá tây ban nha ngôn ngữ đích kèo bóng đá tây ban nha quá trình học chuyển tiếp này kèo bóng đá tây ban nha nghiên cứu này, chúng tôi đã xác minh ảnh hưởng của việc học trước khi thêm âm vị thông qua thử nghiệm mô phỏng sử dụng mô hình ngôn ngữ quy mô lớn (LLM) và thử nghiệm chuyển giao liên ngôn ngữ bằng lời nói thực từ tiếng Anh sang tiếng NhậtKết quả cho thấy rằng mặc dù học chuyển đổi cải thiện tính tự nhiên của lời nói tổng hợp nhưng kiến thức phát âm của mô hình ban đầu không góp phần đáng kể vào việc học các âm vị mớiKết quả này được kỳ vọng sẽ giúp xây dựng và thiết kế các mô hình tổng hợp giọng nói hiệu quả hơn khi sử dụng lượng dữ liệu nhỏ |
「
」Tác giả: Tomoki Koriyama (Phòng thí nghiệm AI của CyberAgent)
| kèo bóng đá tây ban nha các hệ thống tổng hợp văn bản thành giọng nói của Nhật Bản, công nghệ chuyển đổi âm vị-âm vị (G2P), giúp chuyển đổi chữ kanji và số đầu vào thành cách phát âm chính xác, là công nghệ cơ bản thiết yếu để tạo ra giọng nói ổn định mà không đọc sai kèo bóng đá tây ban nha những năm gần đây, LLM, vốn có khả năng xử lý ngôn ngữ cao, được kỳ vọng sẽ được sử dụng kèo bóng đá tây ban nha tác vụ chuyển đổi này kèo bóng đá tây ban nha nghiên cứu này, chúng tôi đã tiến hành đánh giá điểm chuẩn quy mô lớn đầu tiên của hơn 30 LLM về nhiệm vụ dịch thuật tiếng NhậtTheo kết quả xác minh, chúng tôi đã chứng minh rằng phương pháp ``chế độ phân tích'' phân tích cấu trúc của câu bằng cách sử dụng LLM phù hợp với tiếng Nhật và chuyển nó sang cách phát âm, có hiệu quả và LLM tối ưu có thể giảm tỷ lệ lỗi đọc xuống dưới 0,52%, thấp hơn một nửa tỷ lệ thông thường Hơn nữa, bằng cách nhập các bài đọc được dự đoán bởi LLM này vào hệ thống tổng hợp giọng nói, chúng tôi đã chỉ ra rằng lỗi đọc đã giảm so với mô hình tổng hợp chuyển văn bản thành giọng nói trực tiếp tạo ra giọng nói và chúng tôi đã trình bày các nguyên tắc thiết kế quan trọng để phát triển hệ thống tổng hợp giọng nói có độ chính xác cao kèo bóng đá tây ban nha tương lai |
「
」Tác giả: Shogo Seki (CyberAgent AI Lab), ShaoXiang Dang (Đại học Nagoya), Li Li (CyberAgent AI Lab)
| Cải thiện giọng nói, giúp loại bỏ tiếng ồn khỏi âm thanh và mang lại âm thanh chất lượng cao, là một công nghệ quan trọng được yêu cầu rộng rãi kèo bóng đá tây ban nha các dịch vụ phân phối âm thanh Trước đây, quá trình xử lý được đơn giản hóa bằng cách ưu tiên hiệu quả tính toán, dẫn đến vấn đề không thể nắm bắt được các kết nối tổng thể kèo bóng đá tây ban nha âm thanh và hạn chế chất lượng âm thanh kèo bóng đá tây ban nha nghiên cứu này, chúng tôi đã phân tích cấu trúc bên kèo bóng đá tây ban nha của các mô hình hiện có để làm rõ nguyên nhân và đề xuất phương pháp giới thiệu kiến trúc có tên "Hydra" có thể xử lý dữ liệu chuỗi thời gian với độ chính xác cao đồng thời giảm chi phí tính toánKết quả thử nghiệm cho thấy có thể đạt được chất lượng âm thanh vượt trội so với các mẫu chính trước đó và chứng minh rằng có thể đạt được chất lượng nâng cao giọng nói ngay cả khi nói kèo bóng đá tây ban nha thời gian dài |
「
」Tác giả: Junya Koguchi (Phòng thí nghiệm AI của CyberAgent), Tomoki Koriyama (Phòng thí nghiệm AI của CyberAgent)
| Ước tính cao độ tức thời, phân tích chính xác những thay đổi đột ngột về cao độ giọng nói, chẳng hạn như ngữ điệu kèo bóng đá tây ban nha lời nói hoặc phong cách hát nâng cao, đóng vai trò quan trọng kèo bóng đá tây ban nha phân tích giọng nói Tuy nhiên, với các phương pháp chung thông thường, rất khó để trích xuất dạng sóng cơ bản từ một tín hiệu âm thanh phức tạp có chứa nhiễu và âm bội, và ngay cả khi vẫn còn một lượng nhiễu nhỏ hoặc nếu vô tình trích xuất các âm bội khác với cao độ thì độ chính xác của ước tính sẽ giảm đi đáng kể kèo bóng đá tây ban nha nghiên cứu này, để giải quyết vấn đề này, chúng tôi đã điều chỉnh lại quy trình chỉ trích xuất các thành phần âm thanh cụ thể như một vấn đề của công nghệ nâng cao giọng nói và phát triển một phương pháp mới sử dụng mô hình học sâu "Wave-U-Net" để chỉ trích xuất dạng sóng cơ bản từ tín hiệu giọng nóiKết quả thử nghiệm đã chứng minh rằng phương pháp được đề xuất vượt trội hơn các phương pháp dựa trên xử lý tín hiệu thông thường và có thể ước tính chính xác và ổn định cao độ của nhiều nguồn âm thanh phức tạp, bao gồm giọng nói và giọng hát thông thường, cũng như âm thanh của nhạc cụ và giọng nói bị suy giảm do tiếng ồn |
■Tương laiChúng tôi mong muốn sử dụng kết quả của nghiên cứu này kèo bóng đá tây ban nha nhiều lĩnh vực kinh doanh khác nhau như tạo tự động và sản xuất quảng cáo video sáng tạo bằng cách sử dụng âm thanh do công ty chúng tôi cung cấp, trợ lý giọng nói và tự động hóa trung tâm cuộc gọi "AI 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 nhằm đóng góp cho sự phát triển công nghệ và học thuật
※1 Liên kết với Đại học Nagoya Đã tham gia thực tập nghiên cứu từ ngày 06/11/2024 đến ngày 29/8/2025
