interspeech2023.org
UtterTune: LLMベースの音声合成で音素レベルの発音・アクセント制御を可能にする軽量アダプターの開発
・CosyVoice 2のようなLLMベースの音声合成にはテキストフロントエンドを持たないものが少なくなく、発音の修正がほぼ不可能。 ・そのようなモデルでも音素レベルの発音・アクセント修正を可能とするLoRAアダプターを開発 ・成果をプレプリントのほか、オープンソースで公開（コード・モデル）
Business social network with 4M professionals
Shuhei Kato
株式会社RevComm / シニアリサーチエンジニア
Self Introduction
Available to logged-in users only
株式会社RevComm5 years
シニアリサーチエンジニアPresent
- Present
🚀 音声合成の内製化 ・日本語音声合成を独自に開発。要件定義・話者選定・原稿作成・録音・アノテーション・G2Pの改善・モデルの訓練＆評価・デプロイを一気通貫で担当。
Hidden: Education and Experience
View Shuhei Kato's
Full Profile
This information is visible only to Wantedly users or the user’s connections
View past posts
View mutual connections
View Shuhei Kato's full profile
Personal Achievements
Personal Achievements
Personal Achievements
- UtterTune: LLMベースの音声合成で音素レベルの発音・アクセント制御を可能にする軽量アダプターの開発
・CosyVoice 2のようなLLMベースの音声合成にはテキストフロントエンドを持たないものが少なくなく、発音の修正がほぼ不可能。 ・そのようなモデルでも音素レベルの発音・アクセント修正を可能とするLoRAアダプターを開発 ・成果をプレプリントのほか、オープンソースで公開（コード・モデル）
-