tky823

LY Corporation, source separation/speech synthesis/music processing

[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

[arXiv Sound @ArxivSound]

Takuya Hasumi, Welly Naptali, "Aligning MusicLLM with Emotion using Instruction Tuning and Feedback-Driven Alignment" https://t.co/JV6vWxFdwR

[tky823 @tky823temp]

本日の音学シンポジウムで，弊社でインターンからのアルバイトをされている竹本さんのポスター発表があります．

[むなかた @muna_dementia]

I will be presenting CASTELLA, a new audio-text dataset, today from 14:00-16:00. Hope to see you there!

[Takehiro Imamura @imaimatake]

Our following two papers have been accepted to ICASSP 2026. (I will not be attending the conference😭)

https://t.co/f8DH6heAfb
https://t.co/IpYHhO27CC

[LINEヤフー Tech @lycorptech_jp]

LINEヤフー社員が主導する研究チームによる音環境認識に関する新研究タスクが、国際コンペティション『DCASE 2026 Challenge』に採択されました。
皆様の参加をお待ちしております。
https://t.co/4R1NPfTKf6

[tky823 @tky823temp]

遅ればせながら #SUMO_ai (@sumo_ai_jp)で発表した，音楽とテキストを用いたマルチモーダルなモデルの研究の資料を公開しました．

[LINEヤフー Tech @lycorptech_jp]

LINEヤフーで開発中の音楽情報処理技術について紹介します。

弊社では、動画や音楽を扱うサービスを提供しており、サービスの改善に向けてマルチモーダル技術の研究を行っています。

本発表では、日本語テキストと音楽の対照学習とその応用に焦点を当てて紹介します。

https://t.co/mzMviZnViL

[LINEヤフー Tech @lycorptech_jp]

LINEヤフーで開発中の音楽情報処理技術について紹介します。

弊社では、動画や音楽を扱うサービスを提供しており、サービスの改善に向けてマルチモーダル技術の研究を行っています。

本発表では、日本語テキストと音楽の対照学習とその応用に焦点を当てて紹介します。

https://t.co/mzMviZnViL

[LINEヤフー Tech @lycorptech_jp]

LINEヤフー Tech Blog 🆕
『高性能な日本語マルチモーダル基盤モデル「clip-japanese-base-v2」の公開』

- 日本語特化CLIPを高性能化し公開
- 大規模データ収集と精密フィルタによる精度の底上げ
- 知識蒸留によるさらなる精度改善

https://t.co/keg9JA3TzC

[むなかた @muna_dementia]

🚨Attention audio researchers!
We have released a new dataset, CASTELLA, consisting of long audio recordings, captions, and temporal boundaries.
🔍 Paper: https://t.co/sDV0ZlYG9v
🌐 Project page: https://t.co/4KJJvAHMas

[tky823 @tky823temp]

ASJで，主著と共著の合計2件の発表があります．
1-R-41 (9/10, 16:00~18:00) 映画音源分離のための非言語音声を含むデータセット
2-1-4 (9/11, 10:15~10:30) BitTTS: 1.58-bit量子化と重みインデキシングによる軽量なテキスト音声合成

[tky823 @tky823temp]

音楽基盤モデルのMusicFMを AutoModel.from_pretrained(...)で呼べるようにラップしたもの
https://t.co/wFjer7AZQW

[村の人(Masaya Kawamura) @mura_no_hito_]

Today, I’ll be presenting “BitTTS: Highly Compact Text-to-Speech Using 1.58-bit Quantization and Weight Indexing” at Port 1C (15:10-15:30)

https://t.co/h10uY5mUbA

[tky823 @tky823temp]

今日，主著と共著の発表が1件ずつあります．主著では，久しぶりに音源分離の発表します．共著の発表は川村くんで，TTSの量子化の話をします．

[tky823 @tky823temp]

Today, I will have a presentation titled “DnR-nonverbal: Cinematic Audio Source Separation Dataset Containing Non-Verbal Sounds” at Port 1A, (09:50-10:10). #Interspeech2025

[tky823 @tky823temp]

My co-worker, Kawamura-kun will also have a presentation titled “BitTTS: Highly Compact Text-to-Speech Using 1.58-bit Quantization and Weight Indexing” at Port 1C (15:10-15:30). #Interspeech2025

[tky823 @tky823temp]

Today, I will have a presentation titled “DnR-nonverbal: Cinematic Audio Source Separation Dataset Containing Non-Verbal Sounds” at Port 1A, (09:50-10:10). #Interspeech2025

[LINEヤフー Tech @lycorptech_jp]

https://t.co/pBZsJhpnbEで発表した「マルチモーダル基盤モデルに基づく動画と音の解析技術」の資料を公開しました。
ぜひご覧ください。

https://t.co/etqqVrl7D9

[tky823 @tky823temp]

AudioSetのタグのPoincaré diskへの埋め込み
https://t.co/qMxW6utCb7

[tky823 @tky823temp]

昨年の音響学会で「公開します」と発表していた日本語のテキストと音楽で対照学習したjapanese-mulan-baseを公開しました．Hugging Faceからダウンロードできますので，ぜひお試しください！

[LINEヤフー Tech @lycorptech_jp]

Hugging Faceでjapanese-mulan-baseを公開！日本語の音楽検索・ジャンル分類が可能。高品質な音楽テキストで学習し、どなたでも利用可能です。ぜひお試しください！Hugging Face: https://t.co/gNpkdi3dD6 TechBlog: https://t.co/lRlkdV1nKp

[LINEヤフー Tech @lycorptech_jp]

Hugging Faceでjapanese-mulan-baseを公開！日本語の音楽検索・ジャンル分類が可能。高品質な音楽テキストで学習し、どなたでも利用可能です。ぜひお試しください！Hugging Face: https://t.co/gNpkdi3dD6 TechBlog: https://t.co/lRlkdV1nKp