山岸研究室

01

様々な言語の自然な音声を文字情報から自動で合成するテキスト音声合成技術やMIDIなどの楽譜情報から自然な楽器音を自動生成する音の生成モデルの研究を行っています。その他、音声信号処理と機械学習を融合する研究、雑踏の中でも声を聴きやすくするための明瞭性強調などの声の変換技術の研究、人が聞いた時の音の良さをコンピュータにも理解させる研究にも取り組んでいます。

02

音声には言語情報だけでなく、話者、性別、方言、感情、健康状態等の様々な情報も含まれており、コンピュータに言語以外の情報を理解させることも可能です。音声の話者を自動認識させる話者認識（声の生体認証技術）の研究にも取り組んでおり、話者認識の照合精度と雑音への頑健性を高めると同時に、他人によるなりすましを自動で検知する技術の開発にも取り組んでいます。

03

生成AIは、本物と限りなく類似した音声や映像メディアを自動生成でき、様々なビジネス利活用が期待される一方、自動生成されたメディアが不正目的に利用された場合には深刻な社会問題を引き起こしてしまうという問題があります。その様な「ディープフェイク」を高精度に自動検知することで、偽情報拡散対策に活用するための研究にも取り組んでいます。

04

ウェブ上の音声から個人特定することも、ボイスクローニングによりディープフェイク音声を作ることも容易になった現在、音声データを一般公開する前に話者特徴のみを加工することで、発話者のプライバシーを守る「話者匿名化技術」が必要です。聴覚上は自然だけれども話者を再識別することが容易ではない匿名化変換を研究し、放送用途に活用する取り組みも行っています。