AIスタートアップ

セミナー情報
プログラム

セミナー情報

【第99回産総研人工知能セミナー】声・音楽・環境音から世界を知るAI

生成AIの発展により、人工知能はテキストや画像だけでなく、音を通じて人や環境を理解する段階へと進みつつあります。本セミナーでは、音声、音楽、音響を対象とする産総研の研究者が、それぞれの研究事例を紹介しながら、音から世界を認識・理解・生成するAIの可能性を展望します。音声や環境の理解、創造支援等、音を中心とした次世代AI研究の最前線を紹介します。

【主催：知的メディア処理研究チーム研究チーム長深山覚】

名称	【第99回産総研人工知能セミナー】声・音楽・環境音から世界を知るAI
日時	2026年11月18日（水）15:00-17:20
受付時間	接続可能時間 14:50 - 17:20
場所	Zoomウェビナーによるオンライン開催 ※お申し込み後、自動配信されるメールにて会場URLをご案内いたします。
定員	1000人
参加費用	無料
連絡先	人工知能セミナー窓口
注意事項・定員になり次第締切ります。・産総研は、お送りいただいた情報をセミナー運営以外の目的には使用しません。・講演の録画やアップロードはご遠慮ください。

プログラム

15:00 - 15:05	はじめの言葉深山覚（人工知能研究センター知的メディア処理研究チーム研究チーム長）


15:05 - 15:35（内質疑10分）	音声基盤モデルと公平なAI 深山覚
	概要人の声は、年齢や地域、方言・訛り、感情などによって大きく異なり、音声AIがすべての人の声を同じように認識することは容易ではない。本講演では、こうした課題を解決する技術として、ABCIを活用して産総研が開発する日本語音声基盤モデルと、方言や訛りに頑健な音声認識など、公平な音声AIへの応用を紹介する。
	略歴 2013年東京大学大学院情報理工学系研究科博士課程修了。同年、産業技術総合研究所入所。研究員、主任研究員、企画主幹、台湾中央研究院での在外研究等を経て、2024年より人工知能研究センター知的メディア処理研究チーム長。音声・音楽などの音メディア処理の研究に従事。博士（情報理工学）。
15:35 - 16:10（内質疑10分）	環境を音で把握するAI ― 統計的空間モデルに基づく音源分離・追跡 ― 伊藤信貴（人工知能研究センター知的メディア処理研究チーム主任研究員）
	概要「環境を音で把握するAI」では、音の混合・残響・雑音があっても聞きたい音を聞き分ける技術（例：音源分離）と、移動音源の位置・動きを捉える音源追跡が重要である。本講演では、統計的空間モデルに基づく音源分離・追跡の三つの研究を紹介する。複素球面t混合モデルは、方向統計学に基づく主要な音源分離モデルを統一し、柔軟な分布表現で分離性能を高める。分散高速多チャネル非負値行列因子分解は、分散配置したマイクロホンアレー間で音源モデルのパラメータを共有し、空間モデルをアレーごとに分けることで、計算負荷とアレー間の同期ずれの影響を抑える。部分空間track before detectは、未知の音源波形を明示的にモデル化せずに構成できる部分空間尤度を用い、混合音から複数音源を直接かつ雑音に頑健に追跡する。
	略歴 2012年、東京大学大学院情報理工学系研究科システム情報学専攻博士課程修了。博士（情報理工学）。同年、日本電信電話株式会社コミュニケーション科学基礎研究所入所。2019〜2020年、ケンブリッジ大学Visiting Industrial Fellowとして在籍。2021年2月より東京大学大学院新領域創成科学研究科複雑理工学専攻特任講師を務め、2025年4月より産業技術総合研究所人工知能研究センター知的メディア処理研究チーム主任研究員。東京大学国際高等研究所ニューロインテリジェンス国際研究機構連携研究者、同大学大学院情報理工学系研究科客員研究員を兼務。 IEEE Signal Processing LettersのSenior Area Editor、IEEE Transactions on Audio, Speech and Language ProcessingおよびElsevier Signal Processing OpenのAssociate Editor、IEEE Signal Processing Society（SPS）のSpeech and Language Processing Technical Committee（TC）委員を務める。2020〜2025年、IEEE SPSのAudio and Acoustic Signal Processing TC委員を務めた。IEEE International Conference on Acoustics, Speech and Signal Processing（ICASSP）のArea Chair（2022〜2027）を務めるほか、WASPAA、InterspeechでもArea Chairを歴任。ICASSP 2026のサテライトワークショップ共同オーガナイザー、European Signal Processing Conference（EUSIPCO 2020）の音源分離チュートリアル講師を務めた。 ICASSP 2023およびInternational Workshop on Acoustic Signal Enhancement（IWAENC 2018）のBest Paper Award、IEEE Workshop on Automatic Speech Recognition and Understanding（ASRU 2015）のBest Paper Award Honorable Mentionを受賞。日本応用数理学会論文賞（2009年）、IEEE SPS Japan Chapter Student Paper Award（2011年）、日本音響学会独創研究奨励賞板倉記念（2015年）、同学会の粟屋潔学術奨励賞（2018年）などを受賞。IEEE Senior Member。
16:10 - 16:45（内質疑10分）	音楽を理解・生成するAI　― 同種楽器音に対する音源分離 ― 中村友彦（人工知能研究センター知的メディア処理研究チーム主任研究員）
	概要深層学習の発展により，音楽音響信号を対象とする音源分離の性能は飛躍的に向上している．歌声とドラムのように音響的性質が異なる異種楽器音同士の混合音に対しては高い分離性能が得られるようになってきたものの，合唱のように同種・音色の近い楽器音同士の分離は未だ難しい課題である．このような混合音では，各音源のスペクトル構造が互いに似ており使われる音高の範囲も重なりやすいため，異種楽器音同士に比べ音源を区別する手がかりが少ない．そのため，音源の生成過程の事前知識を取り入れるなど新たな手がかりを導入する必要がある．本講演では，我々が近年提案しているニューラル分析合成型アプローチに基づく同種楽器音の分離手法を紹介する．
	略歴 2013年東京大学大学院情報理工学系研究科修士課程，2016年博士課程修了。SECOM IS 研究所，東京大学大学院情報理工学系研究科特任助教を経て，2023年より産業技術総合研究所人工知能研究センター主任研究員。音響信号処理，音楽信号処理の研究に従事。博士（情報理工学）。
16:45 - 17:15（内質疑10分）	人に寄り添う声のAI 須田仁志（人工知能研究センター知的メディア処理研究チーム研究員）
	概要近年、AI 技術の急速な進歩により、自然な音声合成や高精度な音声認識が身近になっている。一方、アニメのキャラクターのかわいらしい声、ニュースで耳にする地域色豊かな方言、YouTube 配信者の魅力的な声など、身の回りには AI では扱いきれないほどの多様な声があふれている。本講演では、こうした多様な声に対して我々が構築してきた、分析・合成のための方言音声・演技音声コーパスや、声の印象分析のための音声好感度コーパスを中心に紹介する。さらに、これらのコーパスを通じて何ができるようになるのか、そして、人に寄り添う声の AI の実現に向けて何を目指していくのかを紹介する。
	略歴 2022 年、東京大学大学院工学系研究科電気系工学専攻博士課程修了。同年より LINE 株式会社 AI 開発室にてバックエンド・フロントエンド開発に従事。2023 年より産業技術総合研究所人工知能研究センター研究員。音声情報処理・歌声情報処理の研究に従事。博士（工学）。
17:15 - 17:20	おわりの言葉深山覚