🚀 Introducing Qwen3-LiveTranslate-Flash — Real‑Time Multimodal Interpretation — See It, Hear It, Speak It！ 🌐 Wide language coverage — Understands 18 languages & 6 dialects, speaks 10 languages. 👁️ Vision‑Enhanced Comprehension — Reads lips, gestures, on‑screen text and

われわれもSLM研究センターを作っていくしかない

SpeechLLM、中国勢が強すぎる

ｲﾝﾀｽﾋﾟﾁ読み会，来週火曜です！現地参加者枠は若干余裕があるのでもしご興味があればぜひご参加ください🙇‍♀️🙇🙇‍♂️ #interspeech2025jp

会場準備できました！

受付開始してます！

DC-Spin

遅刻された方もまだ受け付けているのでご連絡ください #interspeech2025jp

🚀 New Dataset Release! We’re excited to share MLS-Sidon: a large-scale multilingual speech dataset restored with our open-source model Sidon 🎙️✨ It contains 50k hours of studio quality speech🤯 Perfect for TTS, and spoken language modeling research. 👉 huggingface.co/datasets/sarul…

音響学会誌の解説記事を共著で寄稿しました！ 自分は「LMベースのTTS」についての内容を担当し、その概説から最近の選好最適化（Preference Optimization）に関する研究までまとめています。ぜひご覧ください！

さるらぼ強い

これがSora 2 Proが見せる本気のGPU田植えだ！くらえ！

Llama-miniという音声言語モデルがつくられているらしい。Humanity's Last Exam 日本語翻訳版を準備しているらしい。 speed1313.github.io/posts/llama-mi…

10月研究会で招待講演者としてご登壇いただいた永瀬先生 (立命館大) に講演スライドをアップロードいただきました！ありがとうございます😊 speakerdeck.com/nagase/yin-she…

🔥 CommonVoice22-Sidon is here! Restored multilingual speech for TTS — 134 languages 🌍 We restored CommonVoice with Sidon. Perfect for low-resource languages speech research. 👉 hf.co/datasets/sarul…

Microsoft did something interesting here 👀 “Unlike typical LLMs that are trained to play the role of the "assistant" in conversation, we trained UserLM-8b to simulate the “user” role in conversation” huggingface.co/microsoft/User…

来年4月以降の身の振り方を検討しています。（現時点では要件を満たさず経済的見通しがないため、博士号取得予定は不透明です） 自然言語処理・音声処理の知識があり、ウェブやサーバ管理も多少できます。英語には自信があります。 条件等は広く検討します。良いご縁がありましたらお声がけください。

一方で、世の中には未解決の社会問題がまだ山のようにある。これらはおそらく人間がもつ認知限界/認知特性故に、原理的に解けないが故に残された問題 言葉を話すコミュニケーションAIの出現により、多くの未解決問題を解決できる可能性 それ故に、パークシャはコミュニケーションAIに注力してます

Physical AI