話し方と声質を参照音声で指定するVevo：仕組みと導入時の確認点
- Vevoは発話内容、話し方、声質を分け、話し方と声質をそれぞれ参照音声で指定する。
- 英語モデルは朗読音声6万時間を使って学習した。音声入力経路は音声のみを使い、文字入力経路は書き起こしも使う。
- 表2の声質模倣では、参照音声との話者類似度が上がる条件で単語誤り率も悪化しており、両方の確認が必要になる。
RESEARCH BRIEFS
論文をさくっと読む
掲載済みの論文解説から、研究の要点を短く紹介します。
推薦の変更で投稿者は何を作るか――限られた情報から考える長期評価
- 投稿者に見える自作品への反応だけを使い、次の投稿を模擬する。
- 過去の投稿と反応から、得意分野と読者の好みに関する見込みを更新する。
- 長期の推薦評価に投稿者の行動を加える設計だが、確認できた本文には比較結果の数値がない。
加工された短い引用音を、ヒップホップ楽曲から探す
- 非商用録音から引用を模した音の対を作り、加工された短い音を探す特徴を学習する。
- 著者らは商用ヒップホップの引用例で、音響ランドマーク方式より適合率が13％高いと報告した。
- 試した商用録音の半数で引用位置を5秒以内に特定したと報告する。
推薦リストを一品ずつ見直すNLGR：近傍リストの評価差を生成に生かす
- NLGRは、一品だけ異なる近傍リストとの評価差を使って、推薦リストの生成器を学習する。
- 生成時は変更位置を決め、候補集合から代替商品を選ぶ。評価器は生成器のオフライン学習を支援する。
- 著者らのオフライン実験では、Taobao AdとMeituanの両方でNLGRのAUCとHR@10%がDCDRを上回った。
実際の検証依頼から作った、根拠検索の評価基盤FactIR
- 実運用の検証依頼100件と文書90,047件を使い、根拠検索の順位を測るベンチマークを構築した。
- 追加学習しない評価で、BM25のnDCG@10は0.345、Snowflake-arctic-embed-sは0.420だった。
- 関連文書には主張を支持するものだけでなく、反証に使えるものも含まれる。
距離観測から目標位置を推定し、2台で反対側を周回する分散制御
- 2台の自己移動量と距離観測から目標位置を近似し、互いに反対側を周回する指令を計算する。
- 著者らの数値実験では、突発移動後の位置推定誤差が0.12以下、反対配置の誤差が0.38以下に収まったと報告する。
- Telloドローン3機でも追跡と再包囲を示したが、実機の距離情報には画像配信と画像処理を使っている。
中国語の発音をピンインで直せる、参照音声付きの音声合成
- 中国語の漢字とピンインを混ぜて入力し、多音字の誤読を利用者が修正できる。
- 多音字を含む2,500文で465件の誤読があり、そのうち437件をピンイン指定で直したと著者らは報告した。
- 対応言語は中国語と英語。著者らは感情表現の再現が十分でないことも制約として挙げる。
英文は時代とともに短くなったのか――COHAで文長とジャンルの関係を調べる
- 著者らはCOHAの全文版を使い、書き言葉の英文が時代とともに一貫して短くなったという通説を検討する。
- 文長、ジャンル、目的表現「in order to」の出現可能性が相互に関係すると報告している。
- 確認できた本文には効果の大きさやジャンル別の数値がなく、実務への応用には集計条件の確認が必要である。
IFRS持続可能性報告の質問回答を、合成データと業界分類で支援する
- IFRS持続可能性基準から1,063組の質問回答を生成し、忠実さや関連性などを評価した。
- 著者らの多肢選択問題では、RAG型の正答率は単一業界85.32％、業界横断72.15％だった。
- LLM型の正答率は単一業界93.45％、業界横断80.30％と報告されている。
会話後に格標識の使い分けは生まれるか、人工言語を学ぶエージェントで検証
- 著者らの人工言語実験では、個別学習だけでは差異的格標示は生じず、二者間の伝達後に役割が紛らわしい語で標識を多く残した。
- エージェントは人を対象とした先行実験とは異なり、標識を全体として減らし、語順を一定にして意味を区別する傾向があった。
- 業務指示への応用は仮説であり、個別学習のみを基準に、未学習の指示で役割の復元誤りを測る必要がある。
信号のない交差点で、周囲の車との相互作用を考慮して運転を学ぶ
- 上位の学習方策が経由点・目標速度・車線変更を選び、下位のモデル予測制御が加速・操舵を計算する。
- 学習場面を周囲の車の台数と自車の通過課題で二層に分け、試行結果に応じて選択確率を更新する。
- 著者らはCARLAでの比較と新しい都市走行場面二つでの評価を報告するが、確認できた本文の範囲では評価数値を確認できない。
事象と関係を指定して相手を探すMAQInstruct：質問数と回答順序への対処
- 関係と一つの事象を指定して相手事象を複数選び、質問数をn×nからk×nに減らす設計である。
- MAVEN-EREの共参照関係では質問数17,780、推論時間25分で、比較したInstructEREは631,486、813分だった。
- 社内報告への適用には事象位置と関係の正解ラベルを用意し、精度、質問数、人手の修正負担を別途確かめる必要がある。