A.Ando

山奥で音声の研究をしています。

[Takahiro Kawabe @kawabe_takahiro]

NTT研究所ではポスドク・キャリア採用を随時行なっています。https://t.co/dzy2LJbbK1 コミュニケーション科学基礎研究所・人間情報研究部・感覚インターフェース研究GではVR・AR・Hapticsを用いた知覚インターフェース研究を進めてくださる方を探しています。ご興味をお持ちの方はまず私まで連絡を！

[jason @jxnlco]

新しいリアルタイム翻訳モデルを発表できることをうれしく思います。ぜひ本日よりAPIでお試しください。

[A.Ando @Alt_Andy]

torchは動いたしGPU utilも100%近く出たけど、いまいち推論速度が出ないんですよね。難しい

[A.Ando @Alt_Andy]

DGX-sparkと丸一日格闘したが涙目敗走することになってしまった

[Yotaro @yotarokubo]

🐢の紹介です。重みとコードが公開されます。是非お試ししてみてください！

[SB Intuitions @sbintuitions]

🚀 sarashina2.2-ttsを公開しました！

日本語に特化したLLMベースの音声合成システムです✨️
驚くほど自然な表現力と、高い再現性を実現しています。

🇯🇵 高精度
🔊 多彩な表現
🌐 日英対応
✨ 声質再現

👇 詳細はこちら https://t.co/v0xQHtNhBg
#SBIntuitions

[Ryuichiro Higashinaka @RHigashinaka]

NII/LLMCの対話WGより，音声URL集「CC Audio」「https://t.co/QSrGgVA1KP Audio Dataset」を公開しました．日本語だけで48,000時間超のデータにアクセス可能です．大規模音声モデルの構築や多様な音響のモデリングにご活用ください．
https://t.co/DFK56ZTkAo

[Kouta Nakayama @NLPingu]

昨日の #sumo_ai の発表資料です〜
LLMベースエージェントの設計論、AIエージェントの評価と学習、LLM-jpでの現在の取り組みとこれからをまとめています‼️

「AIエージェント時代のLLM-jpモデルのあるべき姿」
https://t.co/A5TL86tlMo

[まっすー @ymas0315]

https://t.co/VYDz4uvAQX

[Yotaro @yotarokubo]

音声系のインターンを募集しています。音声インターフェースを使ったアプリケーションを作ることに興味のある人、誰か一緒に働きませんか？DMください。

[DubGuild @DubGuild]

テックブログを公開しました。

「Scaling Speech AI」の下、1Bから3Bへと音声言語モデルをスケールさせた際のTTS性能へ影響を検証しました。
日本語特有の読みや表記揺れ、表現の広がりがみられるに加え、現状の課題についても整理しています。

日本語音声生成・SpeechLM・TTSに関心のある方はぜひご覧ください。
https://t.co/XfkfBCQXfg

1B/3Bモデルの構築にあたって実施した、データ前処理・事前学習・事後学習の詳細も、今後順次公開していく予定です。
続報もお待ちいただければ幸いです。

[Guan-Ting (Daniel) Lin @GTL094144]

𝗜𝗻𝘁𝗿𝗼𝗱𝘂𝗰𝗶𝗻𝗴 𝗙𝘂𝗹𝗹-𝗗𝘂𝗽𝗹𝗲𝘅-𝗕𝗲𝗻𝗰𝗵-𝘃𝟯 🚀
Voice agents aren't just chatbots—they need to ACT by using tools 🔨. To feel natural, they must handle your "ums", mid-sentence corrections, and call APIs with low latency.
🧵👇

[Desh Raj @rdesh26]

https://t.co/ZHazQMrOqw

[S. Suzuki @SSuzuki33352103]

電子情報通信学会 知識の森に画像言語の対照学習モデル（要はCLIP）の概要に関する解説記事を寄稿しました。無料で読めます。

より最先端の研究に関する解説も別案件で企画しています。夏頃紹介できると思うので、乞うご期待！
https://t.co/1VWtzGa9vW

[yamakatz @kyama0321]

昨年度まで日本音響学会（ASJ）の学生会員で卒業・修了された方へ：申請すれば直近2年間は学生会員と同額で正会員になれますので、会員の継続をご検討ください🙇
https://t.co/9P14506JwO

[took @wataru9871]

🚀 Thrilled to release DialogueSidon! Our joint two-speaker dialogue restoration & separation model.

Need full-duplex dialogue data for models like Moshi or PersonaPlex? We've got you covered. 🎙️

👇 Try it with your own samples! https://t.co/2oCdlt3OM0

[Heiga Zen (全 炳河) @heiga_zen]

【リアルタイム音声対話モデル Gemini 3.1 Flash-Live】

より低遅延な応答を実現した音声対話モデル Gemini 3.1 Flash-Live が発表されました。音声入出力の遅延が低減され、より自然な対話が可能なモデルとして設計されています。音声AIの研究開発に携わってきた立場から見て、このようなリアルタイム処理のアーキテクチャが大規模モデルとして実装され、実用化が更に進んだことは、この分野における確かな前進だと評価しています 📊

本モデルの開発には、Google DeepMindの東京チームも大きく貢献しました。今回のブログ著者の一人であるYifan DingもGDM東京チームのメンバーであり、音声対話能力の向上・最適化において主要な役割を果たしました。また、外部システムとの連携を可能にするFunction Calling（関数呼び出し）の機能も大きく向上しており、音声対話AIがツールを実行してタスクを処理する「エージェント」としての実用性を高める基盤が構築されています 🛠️

このモデルの開発は、マウンテンビュー・ニューヨーク・チューリッヒをはじめとする各国のチームと密に連携して進められました。今後もグローバルな研究者たちと協力し、音声AIのフロンティアモデルとAIエージェントの技術開発に継続して取り組んでいきます 🌐

https://t.co/R6tOzWKwFn

[Takuma OKAMOTO @okamotocamera]

誠に申し訳ございません．昨日 #NICT よりご案内したJMSコーパスは含まれてはいけないファイルを含んでいたため，一旦公開を停止しました．既にダウンロードされた方は使用を中止いただき，拡散範囲の把握および削除ファイル連絡のため取得の大まかな日時を私までご一報いただけますと幸いです．

[A.Ando @Alt_Andy]

来ました

[yamakatz @kyama0321]

#asj2026s 若手飲み情報🍻 学生さんや若手研究者の皆様は、初日の夜に交流会に参加してみてはいかがでしょうか？