INTERSPEECH2026論文読み会(東京&オンライン) を公開しました! icasspeech.connpass.com/even… #interspeech2026jp
🐿️🐒🗻📚🐹🦈 retweeted
User simulators are only as faithful as the user representations they are conditioned on.
Missing details force simulators to fill gaps with assumptions, leading to generic behavior⚠️
Introducing UserRepGen-4B, which generates representations optimized for simulation fidelity.
🐿️🐒🗻📚🐹🦈 retweeted
現IBMの鈴木さん、「…博士論文提出時のジャーナル・国際会議・国内会議の論文数をすべて合計すると、主著が27本、共著は59本…」とあるので、すごいんだよなぁ。d.hatena.ne.jp/masayukipo/20…
🐿️🐒🗻📚🐹🦈 retweeted
たにちゅー先生の28歳当時のスライド「博士のススメ」 tanichu.com/wp-content/theme…
🐿️🐒🗻📚🐹🦈 retweeted
This Monday, Oct 19, Justin Deschenaux (@jdeschena) will present his paper:
Simplex Diffusion Models
🐿️🐒🗻📚🐹🦈 retweeted
Séverin Baroudi, Yanis Labrak, Petr Motlicek, Hervé Bredin, Ricard Marxer, "Beyond the Benchmark: Conditioning, Domains and Failure Modes of Qwen3-TTS" arxiv.org/abs/2610.23678
🐿️🐒🗻📚🐹🦈 retweeted
「3年後にAGIが誕生すると分かっていながら,博士号を取り,ポスドクになり,大学教授になる計画を立てているんですか?」
Anthropicの研究者が,博士課程の学生たちに「あなたたちのキャリアプランはもう存在しない」と告げた講演が話題です。
拡散モデルの発明者でもあるJascha Sohl-Dickstein氏(Anthropic)の講演『Advice for a young investigator in the first and last days of the Anthropocene(人新世の最初と最後の日々における若手研究者へのアドバイス)』を紹介します。
youtube.com/watch?v=3LZN2UUx…
人類が主役だった地質年代(人新世)が,AIの台頭によって極めて短い期間で幕を閉じるかもしれない ——そんな前提のもと,提示されたデータは強烈です。
■ 突きつけられた冷徹なファクト
モデル訓練の計算量は過去10年で約1000万倍に増加し,人間の脳が生涯で行う総計算量に迫っている。AIが単独で完遂できるタスクの時間スケールは,数ヶ月ごとに倍増している。ここ7ヶ月ほど,モデルは数学者が長年解けなかった未解決の「Erdős(エルデシュ)問題」を解き始めている。サンフランシスコでは「長いタイムライン(懐疑派)」とは「AGIは10年以内に来る」を意味している。2030年の計算量は2025年の約1万倍に達する見込み。
線形グラフで見れば,現在の劇的な進歩すら「まだゼロと区別がつかない平坦な初期段階にいる」というのが彼の主張です。
■ 学生たちへのシンプルで容赦ないアドバイス
毎日AIを使え。指数関数の上にいれば,遅れを取ることはない。彼自身はClaudeを「実行力は天才だが、研究のセンスはかなり悪い大学院生」のように毎日使い,自分ではもうコードを一切書いていない。
計算量がスケールするほど良くなるプロジェクトを選べ。それ以外は,完成する前に解かれてしまう サットンの『苦い教訓』の通り,スケールに味方されるテーマを選ばなければ,2年かけた研究も完成する頃には次世代モデルのプロンプト一発で追い抜かれる。
キャリアを「安定したもの」として計画するのをやめろ。安全な選択肢は,もはや安全を買ってくれない 社会全体で大規模な破壊が起きるなら,ベースラインのリスク自体が高い。従来の「手堅い選択肢」は,もはや安全を担保してくれず,ただ潜在的なリターンを犠牲にするだけになる。
そして,最も印象的な一言がこれ。
「書くことは考えることだ(Writing is thinking)。書くことを外注すれば,考えることも外注することになる。」
コーディングや実行は徹底的にAIへ委譲しつつ,問題設定(センス)と思考の核(書くこと)だけは決して手放すな。 AGIのタイムラインを本気で信じているなら,キャリアの計画も本気でそれに合わせろという,極めてストレートなメッセージの講演を紹介しました。
🐿️🐒🗻📚🐹🦈 retweeted
【好評既刊】
齋藤 佑樹/中村 泰貴
『音声変換入門
Pythonで作って学ぶボイスチェンジャー』
🟢🟢ボイチェン!音声変換!🟢🟢
音響学・機械学習の基礎から丁寧に積み上げ、Diffusion Transformerによる音声変換の実装まで至る。
基礎から最先端まで一気通貫に解説!
【目次】
[第Ⅰ部 統計的機械学習に基づく音声言語情報処理]
第1章 音声言語情報処理
1.1 音声言語情報処理とは何か
1.2 人間の音声生成
1.3 人間の音知覚
1.4 音声言語データの特徴抽出
1.5 本章のまとめ
第2章 統計的機械学習
2.1 音声から何かを学習するということ
2.2 統計的機械学習の手引き
2.3 分類タスク
2.4 回帰タスク
2.5 本章のまとめ
第3章 深層ニューラルネットワークの基礎
3.1 単純パーセプトロンから多層パーセプトロンへ
3.2 多層パーセプトロンからDNNへ
3.3 深層生成モデル
3.4 本章のまとめ
第4章 実践して学ぶ音声言語情報処理
4.1 Google ColaboratoryでのPythonプログラミング
4.2 多話者音声コーパスのダウンロードと分析
4.3 PyTorchでの深層学習実装
4.4 本章のまとめ
🎧━━━━━━━━━━━━━━━━━━
[第Ⅱ部 統計的音声変換の基礎と応用]
第5章 深層学習による音声変換の基礎
5.1 音声変換の定義と分類
5.2 作って学ぶ深層学習によるパラレル音声変換
5.3 作って学ぶ深層学習によるノンパラレル音声変換
5.4 本章のまとめ
第6章 音声変換を取り巻く技術と社会的側面
6.1 処理タイミングによる音声変換の分類
6.2 変換対象話者の指定方法による音声変換の分類
6.3 変換先話者の学習データ量による分類
6.4 社会への影響
6.5 法的な視点
第7章 正規化フローに基づく音声変換
7.1 FreeVCの概要と特徴
7.2 FreeVCのアーキテクチャ
7.3 事前エンコーダ
7.4 事後エンコーダと潜在変数zの推定
7.5 デコーダと波形出力
7.6 話者エンコーダ
7.7 音声変換モデル全体
7.8 識別器
7.9 スペクトログラムリサイズによるデータ拡張
7.10 訓練手順と損失関数
7.11 推論時の流れ
7.12 本章のまとめ
第8章 フローマッチングに基づく音声変換モデル
8.1 ゼロショット音声変換
8.2 SeedVCの特徴と強み
8.3 拡散トランスフォーマー
8.4 フローマッチング
8.5 SeedVCの学習と推論
8.6 本章のまとめ
申込はこちらからお願いします 🙇♂️
icasspeech.connpass.com/even…
🐿️🐒🗻📚🐹🦈 retweeted
■ウニに帽子を渡すと、かぶってくれる
ウニは種類によって、周囲の小石や貝殻を拾い、自分の体の上に載せる習性があります。ウィルソン・ソウザはこの習性に注目し、3Dプリンターでウニのための帽子を作ったところ、ウニは見事帽子を体に載せました。(続く)
















