音声合成
音声工学・音響工学
音声認識
ICASSP2020
スペクトル分析
メモ、音声合成の国際学会
・INTERSPEECH 2022
https://www.interspeech2022.org/
・ICASSP2022
https://ieeexplore.ieee.org/xpl/conhome/9745891/proceeding
VALL-E
https://valle-demo.github.io/
【注目論文】Sinusoidal Frequency Estimation by Gradient Descent
https://qiita.com/xiao_ming/items/37303e1a5a8c26ff5088
coefont
https://coefont.cloud/editor/37f205d1-5fe2-4ae1-94f3-78f337c31c80
最先端のAI音声変換技術を用いて、誰の声でもリアルタイムに自分以外の人の声色に変換できる ソフトウエアを開発
https://twitter.com/nikkeibusiness/status/1633973473537318915?s=20
音声合成エンジン
https://twitter.com/hikari_prituber/status/1631611534471479297?s=20
リアルな人間っぽい合成音声を生成するAI　「えー」「あぁ」「うん」なども再現　YouTubeやPodcastで学習
https://twitter.com/itmedia_news/status/1637591041535787008?s=20
https://twitter.com/forthshinji/status/1632231951670317056?s=20
来週のNLC研究会で「自由記述文による声質制御に向けたin-the-wild文データ収集法」を発表します．
合成音声の声質も自然言語(論文では日本語)で指示できるようにしよう，そのためにクソデカデータセットを作ろう，という話です．(去年の6月くらいから集めててやっと終わった)
https://twitter.com/kajikent/status/1637707767669743617?s=20
AssemblyAIがものすごい精度の音声認識AI出してきた。
OpenAIのWhisperもえげつない精度の高さだったが、動画内の最後のチャートにあるように全てのジャンルでWhisperよりも認識精度が高い。
ここまで精度上がってくるとVUIの普及も一気に加速しそう。
ChatGPTに声を与えてみる（ESPNet）
https://tech.isid.co.jp/entry/chatgpt_text_to_speech
coeiroink
https://coeiroink.com/
https://colab.research.google.com/drive/1BqaB-Zv5RuaQp-OW0effsFVGCYwvaJ4R?usp=sharing#scrollTo=pwNtwuqoKytj
WhisperをFineTuningして専門用語を認識可能にする
https://medium.com/axinc/whisperをfine-tuningして専門用語を認識可能にする-3744e2779c71
Hugging FaceでOpenAIの音声認識”Whisper”をFine Tuningする方法が公開されました
https://dev.classmethod.jp/articles/whisper-fine-tuning-by-huggingface/
OpenAI の Whisper を、自前の音声データで Fine Tuning するプログラム
https://qiita.com/toshiouchi/items/a6c439ea0271bedb2e2f
音声認識（文字起こし）の精度をより向上するにはどうしたら良いですか？
https://faq.gijiroku.ai/hc/ja/articles/4410245832601-音声認識-文字起こし-の精度をより向上するにはどうしたら良いですか-
CPUで高速動作可能なニューラルネットを用いた高品質テキスト音声合成技術
https://www.keihanna-fair.jp/2021/exhibition/wp-content/uploads/2021/10/panel.pdf
text2speech speech2text
https://deepgram.com/
amazon poly
webspeechAPI
whisper
AWS Transbribe
google speech-to-text
Parler-TTS
https://huggingface.co/spaces/freddyaboulton/parler-tts-streaming-webrtc
#13: 最近のTTSについて語る 〜APIサービスから音声モデル作成まで〜
https://listen.style/p/aiengineeringnow/nivntyfu
voicevox
https://voicevox.hiroshiba.jp/
avis-project
https://github.com/Aivis-Project
https://aivis-project.com/
にじボイス
https://nijivoice.com/