Hayato Futami

Research engineer on speech and language AI. Views are my own.

[NVIDIA AI Japan @NVIDIAAIJP]

📣 8 月 26 日 (水) 午後 3 時からライブ配信！

@kaggle 開催「NVIDIA Nemotron Reasoning Challenge」で世界第 1 位に輝いた東京エレクトロン @TokyoElectron_J チームが登壇！

MC は NVIDIA データサイエンティスト兼 Kaggle Grandmaster の小野寺和樹。

優勝解法とリーダーボードの裏側を語ります。Kaggler の方、AI 開発者の方は必見です👀

https://t.co/VRGLyt3gQP

[LeRobot @LeRobotHF]

100,000 hours of human hands doing real work. LeRobot format, fully annotated and open.

EgoSuite-Open100K from @LightwheelAI X @huggingface: 15,000+ tasks across 15,000+ real scenes, hand + body pose and wrist cams.

Recorded across 7 environment categories and 128 scene types, from kitchens and bedrooms to warehouse floors and assembly lines.

It's open for academic research and commercial training, and streams straight from the Hub. Always great to see a dataset at this scale released openly on the Hub.

More info: https://t.co/1XNb4sWLL5

[Alexandr Wang @alexandr_wang]

1/ muse spark 1.2 is a very strong multimodal model—it can do visual coding, robotics planning, and audio-visual understanding that all come together through agentic tools.

[Hayato Futami @emonosuke]

🥲

[Hayato Futami @emonosuke]

@totti_joho 今年のNLPも行けたら行く

[Hayato Futami @emonosuke]

@totti_joho わかる

[Hayato Futami @emonosuke]

@takagi_xd それはびっくり

[Hayato Futami @emonosuke]

大崎はやはり良いところ

[Yuyang DONG (David Dong) @touuyou001]

“マルチモーダルは検索と同じのプラグイン、AGIの進化と関係ない” by DeepSeek CEO

[AlphaCephei @alphacep]

Everyone builds self-improvement loops in LLMs, I wonder how they could look like in ASR/TTS. Not many publications on that yet.

[Hayato Futami @emonosuke]

「月之暗面」(moonshot ai) 好き。

[あるふ @alfredplpl]

商用利用可能な音生成モデル、Stable Audio Open ReImplementation 、略してSAORIのデモを公開します。このデモで生成された音は著作権法に基づき、商用利用可能です。業界はなんというかわからないので、まずはデモだけ公開します。よろしくお願いします。
https://t.co/IHyYtVE9t0

[imotts @imotts]

音声言語技術講習会というのが8月24日(月)～25日(火)に開催されるらしいですよ．僕も参加したい！
https://t.co/cEnM27rn6o

[OpenAI @OpenAI]

GPT-Live makes talking with AI feel like having a real conversation. It’s also our smartest voice model yet.
https://t.co/vMCjodjicC

[Hayato Futami @emonosuke]

ACL 京都！！

[SUMO.ai（マルチモーダルAI技術勉強会） @sumo_ai_jp]

マルチモーダルAI技術勉強会、#sumo_ai（スモー・エーアイ）第4回を7月21日にLODGEにて開催します。
今回は初のパネルディスカッションを開催！音声や動画、LLM等の各領域を牽引する4名の研究者が、マルチモーダルAI研究の現在地と課題を議論します。ぜひご来場ください。
https://t.co/uVXFOtUhzt

[Siddhant Arora @Sid_Arora_18]

Excited to be attending #ACL 2026 in San Diego this week!
I'll be presenting:
Optimizing Conversational Quality in Spoken Dialogue Systems with Reinforcement Learning from AI Feedback
https://t.co/FoUZmcQ03X
📍 Poster Session A
🗓️ Sunday, July 5
🕚 11:00 AM – 12:30 PM

[MYSO @myso_kaggle]

会社のGitHubで、音声強調・ノイズ除去など、音声AIの研究開発に使える日本語クリーン音声コーパスを公開しました

ITA-Corpus-Rion
50名の日本語話者を無響室で収録
WAV 48kHz/24bit/mono、CC BY 4.0、サンプル試聴あり

商用利用も可能です。ぜひご活用ください
https://t.co/phZsP8iryb

[Yoshiaki Bando @yoshipon0520]

産総研 AIセンター / 筑波大 音響知能研究室では，一緒に研究してくれる方を募集しています！
・フィジカル領域の生成 AI 基盤モデルに関する研究開発
・深層ブラインド音源分離に基づく大規模施設の音環境分析
・ロボット聴覚に基づくマルチモーダル動作生成のための基盤モデルの構築
https://t.co/z3oa5W4s4c

テーマは上記に限りませんが，実世界で動作する便利なAI技術の構築に興味がある方，H200を何十枚もぶん回したい方など歓迎です．

IEEE ICASSP / Interspeech / IROS / ICRA / CoRLなど，分野のトップ会議での発表を目指します．
ポストは，短期・長期インターン，連携大学院 (修士・博士課程)，ポスドク，研究員，在籍出向など，期間・形態・金額含めて柔軟にご相談できます．

[Hayato Futami @emonosuke]

sad