Toru NAKASHIKA

Department of Computer and Network EngineeringAssociate Professor
Cluster I (Informatics and Computer Engineering)Associate Professor
Researcher Information

Degree

  • Ph.D. in Engineering, Kobe University

Research Keyword

  • 統計的信号処理
  • 機械学習
  • 音声合成
  • 音声認識
  • Deep Learning
  • Voice Conversion
  • Multimedia Signal Processing

Field Of Study

  • Informatics, Perceptual information processing
  • Humanities & social sciences, Cognitive sciences
  • Informatics, Database science

Career

  • 01 Oct. 2014 - 31 Mar. 2015
    Kobe University, Graduate School of System Informatics, Assistant Professor
  • 01 Sep. 2011 - 25 Aug. 2012
    INSA Lyon, LIRIS, CNRS, Researcher

Educational Background

  • 01 Apr. 2011 - 25 Sep. 2014
    Kobe University, Graduate School of System Informatics, Department of Information Science
  • 01 Apr. 2009 - 25 Mar. 2011
    Kobe University, Graduate School of Engineering, Department of Computer Science and Systems Engineering
  • 01 Apr. 2005 - 25 Mar. 2009
    Kobe University, Faculty of Engineering, Department of Computer Science and Systems Engineering
  • 25 Mar. 2005
    滋賀県立膳所高等学校, 普通科

Member History

  • Apr. 2023 - Present
    運営委員, 電子情報通信学会音声研究会
  • Apr. 2023 - Present
    運営委員, 情報処理学会音声言語情報処理
  • Feb. 2021 - Present
    Interspeech Technical Program Committee (TPC), ICASSP
  • Apr. 2023 - Jun. 2025
    編集委員会会誌部会委員, 日本音響学会
  • Apr. 2021 - Jun. 2025
    広報・電子化委員会委員, 日本音響学会
  • Apr. 2023 - May 2025
    編集委員会査読委員, 日本音響学会
  • Apr. 2021 - Mar. 2023
    幹事補佐, 音響学会音声コミュニケーション調査研究委員会
  • Apr. 2021 - Mar. 2023
    幹事, 情報処理学会音声言語情報処理
  • Apr. 2021 - Mar. 2023
    幹事補佐, 電子情報通信学会音声研究会
  • Feb. 2020 - Mar. 2020
    Technical Program Committee (TPC), IJCAI-PRICAI 2020
  • 15 Mar. 2018 - Present
    Technical Program Committee (TPC), Interspeech
  • Feb. 2018 - Mar. 2018
    Technical Program Committee (TPC), ACM International Conference on Multimedia Retrieval (ICMR) 2018
Research Activity Information

Award

  • Mar. 2024
    電子情報通信学会音声研究会
    Transformerを用いた脳波信号からの音声復元の検討
    音声研究会学生ポスター賞, 水野友暁;岸田拓也;吉村奈津江;中鹿亘
  • Mar. 2024
    日本音響学会
    学会活動貢献賞, 中鹿亘
  • Jun. 2021
    電子情報通信学会音声研究会
    話者特徴抽出器を加えたFaderNetVCによる未知話者声質変換
    音声研究会学生ポスター賞, 井硲巧;岸田拓也;中鹿亘
  • May 2020
    Acoustical Society of Japan
    拡張ボルツマンマシンに基づく音声合成に関する研究
    Itakura Prize Innovative Young Researcher Award
    Japan society
  • Sep. 2018
    Acoustical Society of Japan
    長・短期記憶構造を持つ拡張ボルツマンマシンの検討
    Awaya Prize Young Researcher Award
    Japan society
  • May 2016
    Information Processing Society of Japan
    Three-way restricted Boltzmann machineによる音声モデリングに基づく話者・音素の同時認識
    SIGMUS Excellent Presentation Award
    Japan society
  • Jun. 2014
    The Institute of Electronics, Information and Communication Engineers
    話者依存型Conditional Restricted Boltzmann Machineによる声質変換
    IEICE ISS Young Researcher's Award in Speech Field
    Japan society

Paper

  • Fast and Lightweight Non-Parallel Voice Conversion Based on Free-Energy Minimization of Speaker-Conditional Restricted Boltzmann Machine
    Takuya KISHIDA; Toru NAKASHIKA
    IEICE Transactions on Information and Systems, Institute of Electronics, Information and Communications Engineers (IEICE), 2025, Peer-reviwed
    Scientific journal
    URL
    DOI URL
  • An Investigation on the Speech Recovery from EEG Signals Using Transformer
    Tomoaki Mizuno; Takuya Kishida; Natsue Yoshimura; Toru Nakashika
    Last, 2024 Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC), IEEE, 1-6, 03 Dec. 2024, Peer-reviwed
    International conference proceedings
    URL
    DOI URL
  • Gamma-VAE: Speech representation based on VAE assuming gamma distribution for both latent variables and observation
    Nanako Imaichi; Toru Nakashika
    Last, 2024 Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC), IEEE, 1-6, 03 Dec. 2024, Peer-reviwed
    International conference proceedings, English
    URL
    DOI URL
  • DDPMVC: Non-parallel any-to-many voice conversion using diffusion encoder
    Ryuichi Hatakeyama; Kohei Okuda; Toru Nakashika
    Last, 2024 Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC), IEEE, 1-6, 03 Dec. 2024, Peer-reviwed
    International conference proceedings, English
    URL
    DOI URL
  • SBERT-based Chord Progression Estimation from Lyrics Trained with Imbalanced Data
    Mastuti Puspitasari; Takuya Takahashi; Gen Hori; Shigeki Sagayama; Toru Nakashika
    Proceedings of the CMMR 2023, Nov. 2023, Peer-reviwed
  • Controllable Automatic Melody Composition Model across Pitch/Stress-accent Languages
    Takuya Takahashi; Shigeki Sagayama; Toru Nakashika
    Proceedings of the CMMR 2023, Nov. 2023, Peer-reviwed
  • Gamma Boltzmann Machine for Audio Modeling
    Toru Nakashika; Kohei Yatabe
    IEEE/ACM Transactions on Audio Speech and Language Processing, 29, 2591-2605, 2021, Peer-reviwed
    Scientific journal
    DOI URL
  • Gamma Boltzmann Machine for Simultaneously Modeling Linear- and Log-amplitude Spectra
    Toru Nakashika; Kohei Yatabe
    Proceedings of APSIPA Annual Summit and Conference 2020, 471-476, Dec. 2020, Peer-reviwed
    International conference proceedings, English
  • Complex-Valued Variational Autoencoder: A Novel Deep Generative Model for Direct Representation of Complex Spectra
    Toru Nakashika
    Proceedings of the Interspeech 2020, 2002-2006, Oct. 2020, Peer-reviwed
    International conference proceedings, English
  • Simultaneous Conversion of Speaker Identity and Emotion Based on Multiple-Domain Adaptive RBM
    Takuya Kishida; Shin Tsukamoto; Toru Nakashika
    Proceedings of the Interspeech 2020, 3431-3435, Oct. 2020, Peer-reviwed
    International conference proceedings, English
  • Many-to-Many Symbolic Multi-track Music Genre Transfer
    Michel Pezzat; Hector Perez-Meana; Toru Nakashika; Mariko Nakano
    Proceedings of the SoMeT 2020, 272-281, Sep. 2020, Peer-reviwed
    International conference proceedings, English
  • Speech chain VC: linking linguistic and acoustic levels via latent distinctive features for RBM-based voice conversion
    Takuya Kishida; Toru Nakashika
    IEICE TRANSACTIONS on Information and Systems, IEICE, E103-D, 11, 1-11, 06 Aug. 2020, Peer-reviwed
    Scientific journal, English
    URL
    DOI URL
  • Non-parallel dictionary learning for voice conversion using non-negative Tucker decomposition
    Yuki Takashima; Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    EURASIP Journal on Audio, Speech, and Music Processing, Springer, DOI: 10.1186/s13636-019-0160-1, 1-11, 14 Aug. 2019, Peer-reviwed
    Scientific journal, English
    DOI URL
  • Pre-Training of DNN-Based Speech Synthesis Based on Bidirectional Conversion between Text and Speech
    Kentaro Sone; Toru Nakashika
    IEICE TRANSACTIONS on Information and Systems, IEICE, E102-D, 8, 1546-1553, 01 Aug. 2019, Peer-reviwed
    Scientific journal, English
    DOI URL
  • STFT spectral loss for training a neural speech waveform model
    Shinji Takaki; Toru Nakashika; Xin Wang; Junichi Yamagishi
    Proceedings of the IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2019), 7065-7069, May 2019, Peer-reviwed
    International conference proceedings, English
  • 複素数の観測データを直接表現する制限ボルツマンマシンの拡張と音声信号処理への応用
    中鹿 亘
    日本音響学会誌, 日本音響学会, 75, 3, 164-172, 01 Mar. 2019, Invited
    Scientific journal, Japanese
  • Complex-Valued Restricted Boltzmann Machine for Speaker-Dependent Speech Parameterization From Complex Spectra
    Toru Nakashika; Shinji Takaki; Junichi Yamagishi
    IEEE/ACM Transactions on Audio, Speech and Language Processing, IEEE/ACM, 27, 2, 244-254, 22 Oct. 2018, Peer-reviwed
    Scientific journal, English
    DOI URL
  • 音声スペクトル系列の自己回帰性を考慮した複素RBMの拡張
    中鹿 亘; 高木 信二; 山岸 順一
    日本音響学会秋季研究発表会, 1135-1138, Sep. 2018
    Research society, Japanese
  • スペクトル系列誤差に基づくDNN音声波形モデルの学習'
    高木 信二; 中鹿 亘; 山岸 順一
    日本音響学会秋季研究発表会, 1131-1132, Sep. 2018
    Research society, Japanese
  • DNN-based Speech Synthesis for Small Data Sets Considering Bidirectional Speech-Text Conversion
    Kentaro Sone; Toru Nakashika
    Proceedings of the Interspeech 2018, 2519-2523, Sep. 2018, Peer-reviwed
    International conference proceedings, English
  • LSTBM: A Novel Sequence Representation of Speech Spectra Using Restricted Boltzmann Machine with Long Short-Term Memory
    Toru Nakashika
    Proceedings of the Interspeech 2018, 2529-2533, Sep. 2018, Peer-reviwed
    International conference proceedings, English
  • Bidirectional Voice Conversion Based on Joint Training Using Gaussian-Gaussian Deep Relational Model
    Kentaro Sone; Shinji Takaki; Toru Nakashika
    Proceedings of the Odyssey 2018, 261-266, Jun. 2018, Peer-reviwed
    International conference proceedings, English
  • Parallel-Data-Free Dictionary Learning for Voice Conversion Using Non-Negative Tucker Decomposition
    Yuki Takashima; Hajime Yano; Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    Proceedings of the IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2018), IEEE, 5294-5298, Apr. 2018, Peer-reviwed
    International conference proceedings, English
    URL
    DOI URL
  • 非負値タッカー分解によるNMF辞書学習に基づく非パラレル声質変換
    TAKASHIMA Yuki; YANO Hajime; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2018年春季研究発表会講演論文集, 211-214, Mar. 2018
    Research society, Japanese
  • リカレント構造を持つ複素制限ボルツマンマシンによる複素スペクトル系列モデリング
    中鹿 亘; 高木 信二; 山岸 順一
    第120回音声言語情報処理研究会 (SIG-SLP) SLP-21, Feb. 2018
    Symposium, Japanese
  • 国際会議Interspeech2017報告
    高木 信二; 倉田 岳人; 郡山 知樹; 塩田 さやか; 鈴木 雅之; 玉森 聡; 俵 直弘; 中鹿 亘; 福田 隆; 増村 亮; 森勢 将雅; 山岸 順一; 山本 克
    第120回音声言語情報処理研究会 (SIG-SLP) SLP-14, Feb. 2018
    Symposium, Japanese
  • Deep relational model: A joint probabilistic model with a hierarchical structure for bidirectional estimation of image and labels
    Toru Nakashika
    IEICE Transactions on Information and Systems, Institute of Electronics, Information and Communication, Engineers, IEICE, E101D, 2, 428-436, 01 Feb. 2018, Peer-reviwed
    Scientific journal, English
    DOI URL
  • 複素RBMを用いた音声スペクトルモデリングの改良と評価
    中鹿 亘; 高木 信二; 山岸 順一
    日本音響学会秋季研究発表会, 169-172, Sep. 2017
    Symposium, Japanese
  • Practice Process Analysis Using Score Matching Method Based on OBE-DTW and its Effects on Memorizing Musical Score
    Toru Nakashika; Eriko Aiba
    Proceedings of International Symposium on Performance Science 2017 (ISPS2017), 66-67, Sep. 2017, Peer-reviwed
    International conference proceedings, English
  • Speaker-adaptive-trainable Boltzmann machine and its application to non-parallel voice conversion
    Toru Nakashika; Yasuhiro Minami
    EURASIP JOURNAL ON AUDIO SPEECH AND MUSIC PROCESSING, DOI: 10.1186/s13636-017-0112-6, 1-10, Jun. 2017, Peer-reviwed
    Scientific journal, English
    DOI URL
  • 適応型Gaussian-Gaussian RBMを用いた構音障害者音声認識
    TAKASHIMA Yuki; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2017年春季研究発表会講演論文集, 95-98, Mar. 2017
    Research society, Japanese
  • 複素 RBM：制限ボルツマンマシンの複素数拡張と音声信号への応用
    中鹿 亘; 高木 信二; 山岸 順一
    日本音響学会春季研究発表会, 219-222, Mar. 2017
    Symposium, Japanese
  • CAB: An energy-based speaker clustering model for rapid adaptation in non-parallel voice conversion
    Toru Nakashika
    Proceedings of the Annual Conference of the International Speech Communication Association, INTERSPEECH, International Speech Communication Association, 2017-, 3369-3373, 2017, Peer-reviwed
    International conference proceedings, English
    DOI URL
  • Complex-valued restricted Boltzmann machine for direct learning of frequency spectra
    Toru Nakashika; Shinji Takaki; Junichi Yamagishi
    Proceedings of the Annual Conference of the International Speech Communication Association, INTERSPEECH, International Speech Communication Association, 2017-, 4021-4025, 2017, Peer-reviwed
    International conference proceedings, English
    DOI URL
  • 3WRBM-based speech factor modeling for arbitrary-source and non-parallel voice conversion
    Toru Nakashika; Yasuhiro Minami
    European Signal Processing Conference, European Signal Processing Conference, EUSIPCO, 2016-, 607-611, 28 Nov. 2016, Peer-reviwed
    International conference proceedings, English
    DOI URL
  • 3WRBM-Based Speech Factor Modeling for Arbitrary-Source and Non-Parallel Voice Conversion
    Toru Nakashika; Yasuhiro Minami
    Interspeech 2016, 1487-1491, Sep. 2016, Peer-reviwed
    International conference proceedings, English
  • Factored 3-Way Restricted Boltzmann Machine を用いたマルチモーダル音声認識の検討
    TAKASHIMA Yuki; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2016年秋季研究発表会講演論文集, 109-112, Sep. 2016
    Research society, Japanese
  • Emotional Voice Conversion Using Neural Networks with Different Temporal Scales of F0 based on Wavelet Transform
    Zhaojie Luo; Jinhui Chen; Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    The 9th ISCA Speech Synthesis Workshop (SSW), 153-158, Sep. 2016, Peer-reviwed
    International conference proceedings, English
  • Non-Parallel Training in Voice Conversion Using an Adaptive Restricted Boltzmann Machine
    Toru Nakashika; Tetsuya Takiguchi; Yasuhiro Minami
    IEEE/ACM Transactions on Audio, Speech and Language Processing, 23, 3, 1-14, Aug. 2016, Peer-reviwed
    Scientific journal, English
  • Non-Parallel Training in Voice Conversion Using an Adaptive Restricted Boltzmann Machine
    Toru Nakashika; Tetsuya Takiguchi; Yasuhiro Minami
    IEEE/ACM Transactions on Audio, Speech and Language Processing, IEEE/ACM, 24, 11, 2032-2045, Aug. 2016, Peer-reviwed
    Scientific journal, English
    DOI URL
  • Phone Labeling Based on the Probabilistic Representation for Dysarthric Speech Recognition
    Yuki Takashima; Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    American Journal of Signal Processing, American Journal of Signal Processing, 6, 1, 19-23, Jun. 2016, Peer-reviwed
    Scientific journal, English
  • MODELING DEEP BIDIRECTIONAL RELATIONSHIPS FOR IMAGE CLASSIFICATION AND GENERATION
    NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    IEEE ICASSP, 2016, ICASSP, 1331, Mar. 2016, Peer-reviwed
    International conference proceedings, English
    DOI URL
  • Restricted Boltzmann Machine を用いた話者性・雑音を考慮したモデリングの検討
    TAKASHIMA Yuki; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2016年春季研究発表会講演論文集, 299-302, Mar. 2016
    Research society, Japanese
  • MODELING DEEP BIDIRECTIONAL RELATIONSHIPS FOR IMAGE CLASSIFICATION AND GENERATION
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    2016 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING PROCEEDINGS, 1327-1331, 2016, Peer-reviwed
    International conference proceedings, English
  • SPEAKER ADAPTIVE MODEL BASED ON BOLTZMANN MACHINE FOR NON-PARALLEL TRAINING IN VOICE CONVERSION
    Torsi Nakashika; Yasuhiro Minami
    2016 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING PROCEEDINGS, 5530-5534, 2016, Peer-reviwed
    International conference proceedings, English
  • Selection of an Optimum Random Matrix Using a Genetic Algorithm for Acoustic Feature Extraction
    Yuichiro Kataoka; Toru Nakashika; Ryo Aihara; Tetsuya Takiguchi; Yasuo Ariki
    2016 IEEE/ACIS 15TH INTERNATIONAL CONFERENCE ON COMPUTER AND INFORMATION SCIENCE (ICIS), 983-988, 2016, Peer-reviwed
    International conference proceedings, English
  • 3WRBM-Based Speech Factor Modeling for Arbitrary-Source and Non-Parallel Voice Conversion
    Toru Nakashika; Yasuhiro Minami
    2016 24TH EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO), 607-611, 2016, Peer-reviwed
    International conference proceedings, English
  • Generative Acoustic-Phonemic-Speaker Model Based on Three-Way Restricted Boltzmann Machine
    Toru Nakashika; Yasuhiro Minami
    17TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION (INTERSPEECH 2016), VOLS 1-5, 1487-1491, 2016, Peer-reviwed
    International conference proceedings, English
    DOI URL
  • Small-parallel exemplar-based voice conversion in noisy environments using affine non-negative matrix factorization
    Ryo Aihara; Takao Fujii; Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    EURASIP JOURNAL ON AUDIO SPEECH AND MUSIC PROCESSING, 2015:32, DOI: 10.1186/s13636-015-0075-4, 1-9, Nov. 2015, Peer-reviwed
    Scientific journal, English
    DOI URL
  • Parallel-Data-Free, Many-to-Many Voice Conversion Using an Adaptive Restricted Boltzmann Machine
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    MLSLP 2015, 1-6, Sep. 2015, Peer-reviwed
    International conference proceedings, English
  • Voice conversion using RNN pre-trained by recurrent temporal restricted boltzmann machines
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    IEEE Transactions on Audio, Speech and Language Processing, Institute of Electrical and Electronics Engineers Inc., 23, 3, 580-587, 01 Mar. 2015, Peer-reviwed
    Scientific journal, English
    DOI URL
  • Voice Conversion Using RNN Pre-Trained by Recurrent Temporal Restricted Boltzmann Machines
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    IEEE-ACM TRANSACTIONS ON AUDIO SPEECH AND LANGUAGE PROCESSING, 23, 3, 580-587, Mar. 2015, Peer-reviwed
    Scientific journal, English
    DOI URL
  • Voice conversion using speaker-dependent conditional restricted Boltzmann machine
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    EURASIP JOURNAL ON AUDIO SPEECH AND MUSIC PROCESSING, 2015:8, DOI 10.1186/s13636-014-0044-3, 1-12, Feb. 2015, Peer-reviwed
    Scientific journal, English
    DOI URL
  • 話者正規化学習に基づく潜在的音韻情報を考慮した音声モデリングによる非パラレル声質変換
    NAKASHIKA Toru; TAKIGUCHI Tetsuya
    日本音響学会2015年秋季研究発表会講演論文集, 223-236, 2015
    Research society, Japanese
  • 適応型 Restricted Boltzmann Machine を用いたパラレルデータフリーな任意話者声質変換
    NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2015年春季研究発表会講演論文集, 279-282, 2015
    Research society, Japanese
  • 制約付きThree-Way Restricted Boltzmann Machineを用いた音響・音韻・話者情報の同時モデリング
    NAKASHIKA Toru; TAKIGUCHI Tetsuya
    電子情報通信学会技術研究報告, 115, 346, 7-12, 2015
    Symposium, Japanese
  • Deep Boltzmann Machine を用いた音素ラベル情報推定
    TAKASHIMA Yuki; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2015年春季研究発表会講演論文集, 3-6, 2015
    Research society, Japanese
  • 少量のパラレルデータを用いたNon-negative Matrix Factorizationによる雑音環境下の声質変換
    FUJII Takao; AIHARA Ryo; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2015年春季研究発表会講演論文集, 393-396, 2015
    Research society, Japanese
  • 構音障害者音声認識のための混合正規分布に基づく音素ラベリングの検討
    TAKASHIMA Yuki; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    電子情報通信学会技術研究報告, 115, 99, 71-76, 2015
    Symposium, Japanese
  • 構音障害者音声認識のための確率表現に基づく音素ラベリングの検討
    TAKASHIMA Yuki; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2015年秋季研究発表会講演論文集, 1243-1246, 2015
    Research society, Japanese
  • FEATURE EXTRACTION USING PRE-TRAINED CONVOLUTIVE BOTTLENECK NETS FOR DYSARTHRIC SPEECH RECOGNITION
    TAKASHIMA Yuki; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    EUSIPCO, 1411-1415, 2015, Peer-reviwed
    International conference proceedings, English
    DOI URL
  • Content-based Image Retrieval Using Rotation-invariant Histograms of Oriented Gradients
    Jinhui Chen; Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    ICMR'15: PROCEEDINGS OF THE 2015 ACM INTERNATIONAL CONFERENCE ON MULTIMEDIA RETRIEVAL, 443-446, 2015, Peer-reviwed
    International conference proceedings, English
    DOI URL
  • SPARSE NONLINEAR REPRESENTATION FOR VOICE CONVERSION
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    2015 IEEE INTERNATIONAL CONFERENCE ON MULTIMEDIA & EXPO (ICME), 1-6, 2015, Peer-reviwed
    International conference proceedings, English
  • NOISE-ROBUST VOICE CONVERSION USING A SMALL PARALLE DATA BASED ON NON-NEGATIVE MATRIX FACTORIZATION
    Ryo Aihara; Takao Fujii; Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    2015 23RD EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO), 315-319, 2015, Peer-reviwed
    International conference proceedings, English
  • FEATURE EXTRACTION USING PRE-TRAINED CONVOLUTIVE BOTTLENECK NETS FOR DYSARTHRIC SPEECH RECOGNITION
    Yuki Takashima; Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    2015 23RD EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO), 1411-1415, 2015, Peer-reviwed
    International conference proceedings, English
  • High-Order Sequence Modeling Using Speaker-Dependent Recurrent Temporal Restricted Boltzmann Machines for Voice Conversion
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    Proceedings of the 15th Conference of the International Speech Communication Association (Interspeech 2014), 2278-2282, Sep. 2014, Peer-reviwed
    International conference proceedings, English
  • Error Correction of Automatic Speech Recognition Based on Normalized Web Distance
    E. Byambakhishig; K. Tanaka; R. Aihara; T. Nakashika; T. Takiguchi; Y. Ariki
    Proceedings of the 15th Conference of the International Speech Communication Association (Interspeech 2014), 2852-2856, Sep. 2014, Peer-reviwed
    International conference proceedings, English
  • Parallel Dictionary Learning Using a Joint Density Restricted Boltzmann Machine for Sparse-Representation-Based Voice Conversion
    NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    Advances in Computer Science and Engineering, 12, 2, 101-117, Jun. 2014, Peer-reviwed
    Scientific journal, English
  • Voice Conversion Based on Speaker-Dependent Restricted Boltzmann Machines
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS, E97D, 6, 1403-1410, Jun. 2014, Peer-reviwed
    Scientific journal, English
    DOI URL
  • 話者適応を用いたNMFによる声質変換
    FUJII Takao; AIHARA Ryo; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2014年春季研究発表会講演論文集, 日本音響学会, 421-424, Mar. 2014, 本稿では，話者適応を用いたNMFによる声質変換手法を提案する．我々が提案してきた従来のNMFによる声質変換手法では，入力話者と出力話者の同一発話内容のパラレルデータを用いることが前提となっていた．つまり，対応する任意の話者の大量のデータをあらかじめ用意しておかなければならないという問題点があった．そこで，出力話者の少量の音声データのみを辞書適応に用いることで，入力話者辞書から出力話者辞書を生成する手法を提案する．評価実験では，話者適応を用いた本手法の有効性を示す．
    Research society, Japanese
  • 声質変換のための Restricted Boltzmann Machine を用いた パラレル辞書の学習法
    NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2014年春季研究発表会講演論文集, 日本音響学会, 415-416, Mar. 2014, 本稿では，スパース表現に基づく声質変換において，パラレル辞書の作成・選択を統一的な枠組みで行うために，結合型RBM(restricted Boltzmann machine)を用いた声質変換法を提案する．
    Research society, Japanese
  • Convolutive Bottleneck Network 特徴量を用いた構音障害者の音声認識
    YOSHIOKA Toshiya; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2014年春季研究発表会講演論文集, 日本音響学会, 237-240, Mar. 2014, 本論文では，構音障害者を対象とした音声認識の実現に向けて，障害者音響モデルを用いた認識実験を行う．さらに，筋肉の緊張により発話が変動しやすいという障害者特有の問題に対して，ボトルネックの構成を持つCNN(CBN)を用いた特徴量抽出法を提案する．
    Research society, Japanese
  • Hierarchical Sparse Representation for Object Recognition
    NAKASHIKA Toru; OKUMURA Takeshi; TAKIGUCHI Tetsuya; ARIKI Yasuo
    Transactions on Machine Learning and Artificial Intelligence, 2, 1, 46-60, Feb. 2014, Peer-reviwed
    Scientific journal, English
  • Depth Spatial Pyramid: a Pooling Method for 3D-Object Recognition
    NAKASHIKA Toru; HORI Takafumi; TAKIGUCHI Tetsuya; ARIKI Yasuo
    Advances in Computer Science and Engineering, 12, 1, 15-30, 2014, Peer-reviwed
    Scientific journal, English
  • 話者適応型 Restricted Boltzmann Machine を用いた声質変換の検討
    NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    電子情報通信学会技術研究報告, 114, 365, 165-170, 2014
    Symposium, Japanese
  • 話者適応を用いたNMFによる雑音環境下の声質変換
    FUJII Takao; AIHARA Ryo; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2014年秋季研究発表会講演論文集, 345-348, 2014
    Research society, Japanese
  • 話者依存型 Recurrent Temporal Restricted Boltzmann Machine を用いた声質変換
    NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2014年秋季研究発表会講演論文集, 219-222, 2014
    Research society, Japanese
  • 遺伝的アルゴリズムを用いた 構音障害者の音声特徴量抽出に最適なランダム行列の生成
    KATAOKA Yuichiro; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2014年秋季研究発表会講演論文集, 83-86, 2014
    Research society, Japanese
  • スパース表現に基づく声質変換のための結合型 restricted Boltzmann machine
    NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    電子情報通信学会技術研究報告, 114, 52, 343-348, 2014
    Symposium, Japanese
  • Convolutive Bottleneck Network with Dropout for Dysarthric Speech Recognition
    NAKASHIKA Toru; YOSHIOKA Toshiya; TAKIGUCHI Tetsuya; ARIKI Yasuo; DUFFNER Stefan; GARCIA Christophe
    Transactions on Machine Learning and Artificial Intelligence, 2, 2, 46-60, 2014, Peer-reviwed
    Scientific journal, English
  • VOICE CONVERSION BASED ON NON-NEGATIVE MATRIX FACTORIZATION USING PHONEME-CATEGORIZED DICTIONARY
    AIHARA Ryo; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    ICASSP, 2014 Vol.10, 7894-7898, 2014, Peer-reviwed
    International conference proceedings, English
    DOI URL
  • VOICE CONVERSION BASED ON NON-NEGATIVE MATRIX FACTORIZATION USING PHONEME-CATEGORIZED DICTIONARY
    Ryo Aihara; Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    2014 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 7944-7948, 2014, Peer-reviwed
    International conference proceedings, English
  • VOICE CONVERSION IN TIME-INVARIANT SPEAKER-INDEPENDENT SPACE
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    2014 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 7939-7943, 2014, Peer-reviwed
    International conference proceedings, English
  • Probabilistic spectral envelope modeling of musical instruments within the non-negative matrix factorization framework for mixed music analysis
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    Acoustical Science and Technology, Acoustical Society of Japan, 35, 4, 181-191, 2014, Peer-reviwed
    Scientific journal, English
    DOI URL
  • 3D-Object Recognition Based on LLC Using Depth Spatial Pyramid
    Toru Nakashika; Takafumi Hori; Tetsuya Takiguchi; Yasuo Ariki
    2014 22ND INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION (ICPR), 4224-4228, 2014, Peer-reviwed
    International conference proceedings, English
    DOI URL
  • Dysarthric Speech Recognition Using a Convolutive Bottleneck Network
    Toru Nakashika; Toshiya Yoshioka; Tetsuya Takiguchi; Yasuo Ariki; Stefan Duffner; Christophe Garcia
    2014 12TH INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING (ICSP), 505-509, 2014, Peer-reviwed
    International conference proceedings, English
  • 話者依存型 Conditional Restricted Boltzmann Machine による声質変換
    NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    電子情報通信学会技術研究報告, 電子情報通信学会, 113, 366, 83-88, Dec. 2013, 本研究では，元の音響特徴量空間よりも音韻性や時間変化性を抑え，話者性を強調させることによって，より入力話者音声の声質を出力話者のものへと変換しやすい話者依存空間を形成することを目的として，話者ごとにconditional restricted Boltzmann machine (CRBM)を用いた声質変換法を提案する．提案手法ではまず初めに，話者ごとに用意した学習データ（パラレルデータである必要は無い）を用いて，入力話者，出力話者のCRBMを独立に学習させる．次に，少量のパラレルデータの音響特徴量を，それぞれのCRBMを通して話者依存高次元空間へ写像（CRBMの前方推論）し，その高次特徴量同士をNeural Network (NN)を用いて変換させる．NNの変換で得られた特徴量は，CRBMの後方推論によって元の音響特徴量へ逆変換することが可能である
    Symposium, Japanese
  • 辞書選択に基づく非負値行列因子分解による声質変換
    AIHARA Ryo; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2013年秋季研究発表会講演論文集, 日本音響学会, 1473-1476, Sep. 2013, 本稿では，声質変換においてもっとも一般的な，音声スペクトルを特徴量とした話者変換をタスクとし，NMFを用いた声質変換手法の精度を向上させるため，辞書選択手法の導入を提案する．これまではパラレルデータの全フレームをそのまま辞書の基底として用いており，辞書のサイズが膨大となっていた．そのため，入力音声のフレームと，入力話者辞書から選ばれる基底の音素が必ずしも一致しないといった問題があった．そこで本稿では，入力・出力話者辞書を音素カテゴリに分けた副辞書を作成する．NMFを用いて音素カテゴリ認識を行い，選択した副辞書上でマッピングを行うことで声質変換を行う．
    Research society, Japanese
  • 時間変化を考慮した Deep Learning を用いた声質変換
    NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2013年秋季研究発表会講演論文集, 日本音響学会, 1471-1472, Sep. 2013, 本研究では，Conditional Restricted Boltzmann Machine を用いて音声の時間的変化を捉え，Deep Learningの枠組みで声質変換を行う手法を提案する．
    Research society, Japanese
  • Convolutional Neural Networksを用いた構音障害者のための音声認識
    YOSHIOKA Toshiya; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2013年秋季研究発表会講演論文集, 日本音響学会, 167-168, Sep. 2013, 提案手法では，音声のスペクトログラムから得られた2次元特徴を入力層，入力層の音素情報を要素として持つベクトルを出力層とするConvolutional Neural Networks (CNN) を構築し，特徴量抽出に用いる．
    Research society, Japanese
  • Specmurtを利用した調波構造行列による混合楽音解析の検討
    NISHIMURA Daiki; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2013年春季研究発表会, 日本音響学会, 843-844, Mar. 2013, 我々が耳にする楽曲の多くは様々な楽器が同時刻に存在する混合楽音である．しかし，Specmurt法は単一楽器の多重音の解析のみしか行うことができない．そこで我々は従来のSpecmurtを拡張し，複数の楽器の混合楽音から，各楽器に分離された音高を解析する新たな手法を提案する．各楽器に分離された音高を解析する新たな手法を提案する．
    Research society, Japanese
  • Sparseness Criteria of F0-Frequencies Selection for Specmurt-Based Multi-Pitch Analysis without Modeling Harmonic Structure
    NISHIMURA Daiki; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    Journal of Signal Processing, Research Institute of Signal Processing, 17, 2, 29-38, Mar. 2013, Peer-reviwed, This paper introduces a multi-pitch analysis method using specmurt analysis without modeling the common harmonic structure pattern. Specmurt analysis is based on the idea that the fundamental frequency distribution is expressed as a deconvolution of the observed spectrum by the common harmonic structure pattern. To analyze the fundamental frequency distribution, the common harm
    Scientific journal, English
  • Deep Belief Nets による低次元空間表現を用いた声質変換の検討
    NAKASHIKA Toru; TAKASHIMA Ryoichi; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2013年春季研究発表会, 日本音響学会, 517-520, Mar. 2013, 本稿では，DBNとNNを組み合わせて，話者性の取り除いた低次元空間で非線形変換を行う声質変換法を提案した．主観的・客観的に評価実験を行い，いずれの実験においても高い精度を示した．
    Research society, Japanese
  • SPARSE REPRESENTATION FOR OUTLIERS SUPPRESSION IN SEMI-SUPERVISED IMAGE ANNOTATION
    Toru Nakashika; Takeshi Okumura; Tetsuya Takiguchi; Yasuo Ariki
    2013 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 2080-2083, 2013, Peer-reviwed
    International conference proceedings, English
  • Voice Conversion in High-order Eigen Space Using Deep Belief Nets
    Toru Nakashika; Ryoichi Takashima; Tetsuya Takiguchi; Yasuo Ariki
    14TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION (INTERSPEECH 2013), VOLS 1-5, 369-372, 2013, Peer-reviwed
    International conference proceedings, English
  • A Combination of Hand-Crafted and Hierarchical High-Level Learnt Feature Extraction for Music Genre Classification
    Julien Martel; Toru Nakashika; Christophe Garcia; Khalid Idrissi
    ARTIFICIAL NEURAL NETWORKS AND MACHINE LEARNING - ICANN 2013, 8131, 397-404, 2013, Peer-reviwed
    International conference proceedings, English
  • High-frequency restoration using deep belief nets for super-resolution
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    Proceedings - 2013 International Conference on Signal-Image Technology and Internet-Based Systems, SITIS 2013, 38-42, 2013, Peer-reviwed
    International conference proceedings, English
    DOI URL
  • 重みつきノルム基準によるF0周波数選択を用いたSpecmurtによる多重音解析
    NISHIMURA Daiki; NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2012年秋季研究発表会, 日本音響学会, 781-784, Sep. 2012, 本稿では共通調波構造をモデル化しないで，重みつきノルムによるスパース性を考慮したSpecmurtによる多重音解析の有効性を示した．この手法は音色の学習を必要とせず，また和音数などといった知識も用いないで多重音の解析ができる．
    Research society, Japanese
  • Convolutional Neural Networks を用いた局所特徴統合による 自動音楽ジャンル分類
    NAKASHIKA Toru; Garcia Christophe; TAKIGUCHI Tetsuya; ARIKI Yasuo
    日本音響学会2012年秋季研究発表会, 日本音響学会, 789-790, Sep. 2012, 近年のコンピュータの発展とともに音楽のデジタルコンテンツが爆発的に増大し，web上や個人の情報端末上で音楽データを整理・検索することが困難になってきている．このような背景の中で，類似した音楽を自動的にクラスタリングする自動音楽ジャンル分類の研究が盛んに行われている．本稿では後者のアプローチに基づき，各マップから計算される画像特徴であるGLCM (Gray Level Co-occurrence Matrix)を特徴量とし，Convolutional Neural Networks (ConvNets)を用いて複数のGLCMを統合しつつ音楽ジャンルを識別する手法を提案する．
    Research society, Japanese
  • Local-feature-map Integration Using Convolutional Neural Networks for Music Genre Classification
    Toru Nakashika; Christophe Garcia; Tetsuya Takiguchi
    13TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2012 (INTERSPEECH 2012), VOLS 1-3, 1750-1753, 2012, Peer-reviwed
    International conference proceedings, English
  • Constrained Spectrum Generation Using A Probabilistic Spectrum Envelope for Mixed Music Analysis
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    Proceedings of the 12th International Society for Music Information Retrieval Conference (ISMIR 2011), 181-184, Oct. 2011, Peer-reviwed
    International conference proceedings, English
  • GENERIC OBJECT RECOGNITION USING AUTOMATIC REGION EXTRACTION AND DIMENSIONAL FEATURE INTEGRATION UTILIZING MULTIPLE KERNEL LEARNING
    Toru Nakashika; Akira Suga; Tetsuya Takiguchi; Yasuo Ariki
    2011 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, 1229-1232, 2011, Peer-reviwed
    International conference proceedings, English
  • Probabilistic Spectrum Envelope: Categorized Audio-features Representation for NMF-based Sound Decomposition
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    12TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2011 (INTERSPEECH 2011), VOLS 1-5, 1776-1779, 2011, Peer-reviwed
    International conference proceedings, English
  • Speech Synthesis by Modeling Harmonics Structure with Multiple Function
    Toru Nakashika; Ryuki Tachibana; Masafumi Nishimura; Tetsuya Takiguchi; Yasuo Ariki
    11TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION 2010 (INTERSPEECH 2010), VOLS 1-2, 945-+, 2010, Peer-reviwed
    International conference proceedings, English
  • MATHEMATICAL MODELING OF HARMONIC-TIMBRE STRUCTURE WITH MULTI-BETA-DISTRIBUTION
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    2009 IEEE/SP 15TH WORKSHOP ON STATISTICAL SIGNAL PROCESSING, VOLS 1 AND 2, 768-771, 2009, Peer-reviwed
    International conference proceedings, English

MISC

  • コーヒーブレイク 〜 あの日私は
    中鹿 亘
    日本音響学会, 01 Apr. 2022, 日本音響学会誌, 78, 4, 210-211, Japanese, Invited, Introduction scientific journal
    DOI URL
  • Feature Extraction Using Adaptive Restricted Boltzmann Machine for Dysarthric Speech Recognition
    高島 悠樹; 中鹿 亘; 滝口 哲也; 有木 康雄
    電子情報通信学会, 01 Mar. 2017, 電子情報通信学会技術研究報告 = IEICE technical report : 信学技報, 116, 477, 321-326, Japanese, 0913-5685, 40021161268, AN10013221
    URL
  • Phone Labeling Based on Gaussian Mixture Model for Dysarthric Speech Recognition
    高島 悠樹; 中鹿 亘; 滝口 哲也
    日本音響学会, 18 Jun. 2015, 聴覚研究会資料 = Proceedings of the auditory research meeting, 45, 4, 275-280, Japanese, 1346-1109, 40020532927, AN00227138
    URL
  • Voice Conversion Using Speaker Adaptive Restricted Boltzmann Machine
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    Voice conversion (VC) is a technique where only speaker-specific information in source speech is converted while keeping phonological information. The technique can be applied to various tasks such as speaker-identity conversion, emotion conversion and aid to speaking for people with articulation disorders. Most of the existing VC methods rely on parallel data?pairs of speech data from source and target speakers uttering the same articles. However, this approach involves several problems; firstly, the data used for the training is limited to the pre-defined articles. Secondly, the use of the trained model is limited only to the speaker pair used in the training. In this paper, we propose a novel probabilistic model called an adaptive restricted Boltzmann machine (ARBM) for VC between arbitrary speakers without use of parallel data. This model consists of a visible-unit and a hidden-unit layer with the speaker-dependent connection. In this paper, we report our experimental results of arbitrary-speaker VC using our model, an ARBM., Information Processing Society of Japan (IPSJ), 08 Dec. 2014, IPSJ SIG Notes, 2014, 30, 1-6, Japanese, 110009850974, AN10442647
    URL
  • A joint restricted Boltzmann machine for dictionary learning in sparse-representation-based voice conversion
    中鹿 亘; 滝口 哲也; 有木 康雄
    近年，声質変換の研究分野において，over-fitting や over-smoothing の生じにくいスパース表現に基づく手法が注目を浴びている．スパース表現に基づく声質変換法では，予め入力話者・出力話者のパラレル辞書を求めておき，スパースな辞書選択重みを用いて適切な辞書を選択することで声質変換を実現するとの手法は主に 2 つのアプローチに分けることができる．1 つ目はパラレル辞書として，学習データの音響特徴量をそのまま辞書として用いるアプローチであり，もう １ つは，パラレル辞書そのものを何らかの手法で学習させるアプローチである．本研究では，後者のアプローチに基づき，近年注目を浴びている Deep Learning の基礎技術となる restricted Bolzmann machine(RBM) を用いて，入力話者・出力話者のパラレル辞書を体系的に求める手法を提案する．評価実験では，代表的な手法である Gaussian mixture model(GMM) だけでなく，従来のスパース表現に基づく手法である､non-negative matrix factorization (NMF) による声質変換法に比べて高い精度が得られたことを確認した．In voice conversion, sparse-representation-based methods have recently been garnering attention because they are, relatively speaking, not affected by over-fitting or over-smoothing problems. In these approaches, voice conversion is achieved by estimating a sparse vector that determines which dictionaries of the target speaker should be used, calculated from the matching of the input vector and dictionaries of the source speaker. The sparse-repre sentation-based voice conversion methods can be broadly divided into two approaches: 1) an approach that uses raw acoustic features in the training data as parallel dictionaries, and 2) an approach that trains parallel dictionaries from the training data. Our approach belongs to the latter; we systematically estimate the parallel dictionaries using a restricted Boltzmann machine, a fundamental technology commonly used in deep learning. Through voice-conver sion experiments, we confirmed the high-performance of our method, comparing it with the conventional Gaussian mixture model (GMM)-based approach, and a non-negative matrix factorization (NMF)-based approach, which is based on sparse-representation., 17 May 2014, 研究報告音楽情報科学（MUS）, 2014, 66, 1-6, Japanese, 170000083787, AN10438388
    URL
  • Speaker-dependent conditional restricted Boltzmann machine for voice conversion
    NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    In this paper, we present a voice conversion (VC) method that utilizes conditional restricted Boltzmann machines (CRBMs) for each speaker to obtain time-invariant speaker-independent spaces where voice features are converted more easily than those in an original acoustic feature space. First, we train two CRBMs for a source and target speaker independently using speaker-dependent training data (without the need to parallelize the training data). Then, a small number of parallel data are fed into each CRBM and the high-order features produced by the CRBMs are used to train a concatenating neural network (NN) between the two CRBMs. Finally, the entire network (the two CRBMs and the NN) is fine-tuned using the acoustic parallel data. Through voice-conversion experiments, we confirmed the high performance of our method in terms of objective and subjective evaluations, comparing it with conventional GMM, NN, and speaker-dependent DBN approaches., The Institute of Electronics, Information and Communication Engineers, 19 Dec. 2013, IEICE technical report. Speech, 113, 366, 83-88, Japanese, 0913-5685, 110009903078, AN10013221
    URL
  • Speaker-dependent conditionl restricted Boltzmann machine for voice conversion
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    In this paper, we present a voice conversion (VC) method that utilizes conditional restricted Boltzmann machines (CRBMs) for each speaker to obtain time-invariant speaker-independent spaces where voice features are converted more easily than those in an original acoustic feature space. First, we train two CRBMs for a source and target speaker independently using speaker-dependent training data (without the need to parallelize the training data). Then, a small number of parallel data are fed into each CRBM and the high-order features produced by the CRBMs are used to train a concatenating neural network (NN) between the two CRBMs. Finally, the entire network (the two CRBMs and the NN) is fine-tuned using the acoustic parallel data. Through voice-conversion experiments, we confirmed the high performance of our method in terms of objective and subjective evaluations, comparing it with conventional GMM, NN, and speaker-dependent DBN approaches., Information Processing Society of Japan (IPSJ), 12 Dec. 2013, IPSJ SIG Notes, 2013, 14, 1-6, Japanese, 110009646537, AN10442647
    URL
  • 確率スペクトル包絡を用いた混合音解析における制約付きスペクトル生成法の検討
    NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    Jul. 2011, IEICE Speech Committee, SP2011-50,pp. 51-56, Japanese, Report scientific journal
  • 確率スペクトル包絡に基づくNMF 基底生成モデルを用いた混合楽音解析
    NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    Feb. 2011, IPSJ-SIGMUS, Vol.2011-MUS-89,No.18, pp. 1-6, Japanese, Report scientific journal
  • 基底の反復生成と教師ありNMFを用いた信号解析
    NAKASHIKA Toru; TAKIGUCHI Tetsuya; ARIKI Yasuo
    Dec. 2010, IEICE Speech Committee, SP2010-102,pp. 195-200, Japanese, Report scientific journal
  • 物体領域特徴の自動選定とマルチカーネル学習を用いた特徴統合による一般物体認識
    NAKASHIKA Toru; SUGA Akira; TAKIGUCHI Tetsuya; ARIKI Yasuo
    Jul. 2010, MIRU, OS8-2, pp. 1404-1411, Japanese, Report scientific journal
  • 多重ベータ混合モデルを用いた調波時間構造のモデル化による音声合成の検討
    NAKASHIKA Toru; TACHIBANA Ryuki; NISHIMURA Masafumi; TAKIGUCHI Tetsuya; ARIKI Yasuo
    Dec. 2009, 第11回音声言語シンポジウム, SP2009-93,No. 29,pp. 165-170, Japanese, Report scientific journal

Books and other publications

  • IT Text 深層学習
    柳井 啓司; 中鹿 亘; 稲葉 通将
    Japanese, Joint work, 288, オーム社, 22 Nov. 2022, 4274228886

Lectures, oral presentations, etc.

  • 2 種のラグ窓によるスペクトル平滑化を用いた F0 推定
    越森 道貴; 嵯峨山 茂樹; 中鹿 亘
    日本音響学会2024年春季研究発表会
    Mar. 2024
  • FaderNetworks を用いた F0 変換による歌唱技術の付与
    後藤 純平; 中鹿 亘
    日本音響学会2024年春季研究発表会
    Mar. 2024
  • 歌唱音声合成における F0 の自然性向上のための Diffusion-GAN モデルの検討
    芦田 裕飛; 中鹿 亘
    日本音響学会2024年春季研究発表会
    Mar. 2024
  • 拡散確率モデルを用いたノンパラレルな Any-to-many 声質変換
    畠山 瑠一; 奥田 耕平; 中鹿 亘
    日本音響学会2024年春季研究発表会
    Mar. 2024
  • 事前学習済みモデルによる埋め込み表現を組み込んだ音声編集モデルの検討
    平本 佳弘; 中鹿 亘
    日本音響学会2024年春季研究発表会
    Mar. 2024
  • 分類型半制限ボルツマンマシンによる全音程関係を考慮した和音認識
    石川峻弥; 中鹿亘
    日本音響学会2024年春季研究発表会
    Mar. 2024
  • Transformerを用いた脳波信号からの音声復元の検討
    水野友暁; 岸田拓也; 吉村奈津江; 中鹿亘
    第151回音声言語情報処理研究発表会
    Mar. 2024
  • 潜在変数と観測データにガンマ分布を仮定したVAEによる音声振幅スペクトル表現
    今市夏菜子; 中鹿亘
    第151回音声言語情報処理研究発表会
    Mar. 2024
  • 複数のラグ窓対を用いた音声基本周波数と周期性尺度の推定
    越森道貴; 嵯峨山茂樹; 中鹿亘
    第151回音声言語情報処理研究発表会
    Mar. 2024
  • DDPMVC: 連続時間拡散確率モデルを用いた非パラレル声質変換と評価
    畠山瑠一; 奥田耕平; 中鹿亘
    第151回音声言語情報処理研究発表会
    Mar. 2024
  • ベータ分布に基づくFaderNetを用いた音声印象変換の性能評価
    釘本咲; 中鹿亘
    日本音響学会2023年秋季研究発表会
    Sep. 2023
  • レイリー型制限ボルツマンマシンを用いた独立低ランク行列分析に基づくブラインド音源分離
    古田翔太郎; 中鹿亘
    日本音響学会2023年秋季研究発表会
    Sep. 2023
  • SiFiSinger: SiFi-GANを内包した歌唱音声合成
    芦田裕飛; 中鹿亘
    日本音響学会2023年秋季研究発表会
    Sep. 2023
  • FaderNetを用いた未知話者に対する音声印象変換
    釘本咲; 中鹿亘
    音学シンポジウム2023
    Jun. 2023
  • 入力特徴量で条件づけた拡散確率モデルによるパラレル声質変換
    岸田拓也; 中鹿亘
    第146回研究会音声言語情報処理研究会
    Mar. 2023
  • Speechsplit を用いたイントネーション・リズム・発音の矯正による外国語アクセント変換
    許 誠; 岸田 拓也; 中鹿 亘
    日本音響学会2023年春季研究発表会
    Mar. 2023
  • 振幅重み付けエネルギー関数を用いたボルツマンマシンによる位相復元
    羽賀洋克; 矢田部浩平; 岸田拓也; 中鹿亘
    日本音響学会2023年春季研究発表会
    Mar. 2023
  • Dual Diffusion Implicit Bridgesを用いた話者間の匿名性を担保した声質変換
    奥田耕平; 岸田拓也; 中鹿亘
    日本音響学会2023年春季研究発表会
    Mar. 2023
  • 条件付き制限ボルツマンマシンの平衡化傾向を利用したノンパラレル声質変換
    岸田 拓也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2022年秋季研究発表会, Domestic conference
    Sep. 2022
  • 話者因子係数の量子化に基づく声色制御可能な話者変換
    井硲 巧; 大西 弘太郎; 岸田 拓也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2022年秋季研究発表会, Domestic conference
    Sep. 2022
  • MoCoVC: モーメンタム対照表現学習によるノンパラレル声質変換
    大西 弘太郎; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2022年秋季研究発表会, Domestic conference
    Sep. 2022
  • マルチモーダルVAEを用いた顔画像に基づく目標話者音声不要な声質変換
    飯田紘崇; 岸田拓也; 中鹿亘
    Oral presentation, Japanese, 日本音響学会2022年春季研究発表会, Domestic conference
    Mar. 2022
  • 時系列条件付きボルツマンマシンによる位相復元
    羽賀洋克; 矢田部浩平; 岸田拓也; 中鹿亘
    Oral presentation, Japanese, 日本音響学会2022年春季研究発表会, Domestic conference
    Mar. 2022
  • 印象表現語ラベルを用いたFaderNetworksに基づく音声印象変換
    岡留有希; 大西弘太郎; 岸田拓也; 中鹿亘
    Oral presentation, Japanese, 日本音響学会2022年春季研究発表会, Domestic conference
    Mar. 2022
  • TTSモデルにおけるアラインメントロバスト性向上のための非停滞化制約付きForward Attention
    Zhou Yujin; 岸田拓也; 中鹿亘
    Oral presentation, Japanese, 日本音響学会2022年春季研究発表会, Domestic conference
    Mar. 2022
  • 非可逆圧縮を用いた敵対的ニューラルボコーダのためのデータ拡張法
    大西弘太郎; 中鹿亘
    Oral presentation, Japanese, 日本音響学会2022年春季研究発表会, Domestic conference
    Mar. 2022
  • リズムスタイルを考慮したFader Networksに基づく外国語学習者の発音変換
    王庭輝; 岸田拓也; 中鹿亘
    Oral presentation, Japanese, 日本音響学会2022年春季研究発表会, Domestic conference
    Mar. 2022
  • 深層エネルギーベースモデルによる音声の音響特徴量の生成
    岸田 拓也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2021年秋季研究発表会, Domestic conference
    Sep. 2021
  • 深層エネルギーベースモデルによる音声の音響特徴量の生成
    井硲 巧; 岸田 拓也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2021年秋季研究発表会, Domestic conference
    Sep. 2021
  • 話者特徴抽出器を加えたFaderNetVCによる未知話者声質変換
    井硲巧; 岸田拓也; 中鹿亘
    Poster presentation, Japanese, 音学シンポジウム2021, Domestic conference
    Jun. 2021
  • VQVAEに基づくリアルタイム波形ベース声質変換の検討
    大西 弘太郎; 中鹿 亘; 松本 光春
    Oral presentation, Japanese, 日本音響学会2021年春季研究発表会, Domestic conference
    Mar. 2021
  • 条件付きボルツマンマシンによる位相復元の初期検討
    羽賀 洋克; 矢田部 浩平; 岸田 拓也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2021年春季研究発表会, Domestic conference
    Mar. 2021
  • Attention RBMによる音声特徴量系列の符号化と生成
    岸田 拓也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2021年春季研究発表会, Domestic conference
    Mar. 2021
  • Cluster ARBM を用いた話者・音韻相互作用分類による声質変換
    岸田 拓也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2020年秋季研究発表会, Domestic conference
    Sep. 2020
  • HMelGAN: 階層的構造を導入した敵対的学習ネットワークに基づく高速ニューラルボコーダ
    大西 弘太郎; 中鹿 亘; 松本 光春
    Oral presentation, Japanese, 日本音響学会2020年秋季研究発表会, Domestic conference
    Sep. 2020
  • Speech chain を模倣したボルツマンマシンによるワンショット多対多声質変換の検討
    岸田 拓也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2020年春季研究発表会, Domestic conference
    Mar. 2020
  • マルチタスクモデルを用いたdisentangleな学習による楽器音変換
    荒川 賢也; 岸田 拓也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2020年春季研究発表会, Domestic conference
    Mar. 2020
  • 適応型 RBM を用いた音声情報の分離による話者と感情の同時変換
    塚本 伸; 岸田 拓也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2020年春季研究発表会, Domestic conference
    Mar. 2020
  • 適応型RBMを用いたノンパラレル感情音声変換
    塚本 伸; 岸田 拓也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2019年秋季研究発表会, Domestic conference
    Sep. 2019
  • Fader Networksを用いた楽器音変換
    荒川 賢也; 岸田 拓也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2019年秋季研究発表会, Domestic conference
    Sep. 2019
  • 複素VAE: 音声の複素スペクトルを直接表現する新しい変分自己符号化器
    中鹿 亘
    Oral presentation, Japanese, 日本音響学会2019年秋季研究発表会, Domestic conference
    Sep. 2019
  • Speech chain VC: 音声コミュニケーションの言語-生理-音響連鎖を考慮する声質変換
    岸田 拓也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2019年秋季研究発表会, Domestic conference
    Sep. 2019
  • Degree of Inharmonicity: Index to Evaluate Sustained Pedal Control
    Toru Nakashika; Eriko Aiba
    Poster presentation, English, International Symposium on Performance Science (ISPS) 2019, International conference
    Jul. 2019
  • パラレル制約付きVAEを用いた未知話者声質変換の検討
    大西 弘太郎; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2019年春季研究発表会, Domestic conference
    Mar. 2019
  • セミパラレル手法による適応型 RBM を用いた声質変換の性能改善
    塚本 伸; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2019年春季研究発表会, Domestic conference
    Mar. 2019
  • VAE を用いた多対多声質変換における音素識別制約の検討
    木庭 慶人; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2019年春季研究発表会, Domestic conference
    Mar. 2019
  • スペクトル系列誤差に基づくDNN音声波形モデルの学習
    高木 信二; 中鹿 亘; 山岸 順一
    Oral presentation, Japanese, 日本音響学会2018年秋季研究発表会, Domestic conference
    Sep. 2018
  • 音声スペクトル系列の自己回帰性を考慮した複素RBMの拡張
    中鹿 亘; 高木 信二; 山岸 順一
    Oral presentation, Japanese, 日本音響学会2018年秋季研究発表会, Domestic conference
    Sep. 2018
  • DRMを用いた唇動画像と音声の双方向変換
    塚本伸; 中鹿亘
    Poster presentation, Japanese, 音学シンポジウム2018, Domestic conference
    Jun. 2018
  • RBMを用いた楽器音基底と演奏情報への分離による多重音解析
    荒川賢也; 中鹿亘
    Oral presentation, Japanese, 2018年度人工知能学会全国大会, Domestic conference
    May 2018
  • 長・短期記憶構造を持つ拡張ボルツマンマシンの検討
    中鹿亘
    Oral presentation, Japanese, 日本音響学会2018年春季研究発表会, Domestic conference
    Mar. 2018
  • 非負値タッカー分解による NMF 辞書学習に基づく非パラレル声質変換
    高島悠樹; 矢野肇; 中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 日本音響学会2018年春季研究発表会, Domestic conference
    Mar. 2018
  • GGDRMによる双方向変換を考慮したDNN声質変換のための事前学習法
    曾根 健太郎; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2018年春季研究発表会, Domestic conference
    Mar. 2018
  • RBMを用いた楽器音基底と演奏情報への分離による多重音解析の検討
    荒川 賢也; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2018年春季研究発表会, Domestic conference
    Mar. 2018
  • DRMを用いた唇動画像と音声の双方向変換の検討
    塚本 伸; 曾根 健太郎; 中鹿 亘
    Oral presentation, Japanese, 日本音響学会2018年春季研究発表会, Domestic conference
    Mar. 2018
  • リカレント構造を持つ複素制限ボルツマンマシンによる複素スペクトル系列モデリング
    中鹿亘; 高木信二; 山岸順一
    Oral presentation, Japanese, 第120回音声言語情報処理研究会, Domestic conference
    Feb. 2018
  • 国際会議Interspeech2017報告
    高木 信二; 倉田 岳人; 郡山 知樹; 塩田 さやか; 鈴木 雅之; 玉森 聡; 俵 直弘; 中鹿 亘; 福田 隆; 増村 亮; 森勢 将雅; 山岸 順一; 山本 克彦
    Oral presentation, Japanese, 第120回音声言語情報処理研究会, Domestic conference
    Feb. 2018
  • フェイクデータを用いた ARBM に基づく非パラレル声質変換手法の改善
    中鹿亘
    Oral presentation, Japanese, 日本音響学会2017年秋季研究発表会, Domestic conference
    Sep. 2017
  • 複素 RBM を用いた音声スペクトルモデリングの改良と評価
    中鹿亘; 高木信二; 山岸順一
    Oral presentation, Japanese, 日本音響学会2017年秋季研究発表会, Domestic conference
    Sep. 2017
  • GCDRMを用いたテキスト・音声の同時確率表現に基づく音声認識・合成器の同時構築
    曾根健太郎; 中鹿亘
    Oral presentation, Japanese, 日本音響学会2017年秋季研究発表会, Domestic conference
    Sep. 2017
  • Practice Process Analysis Using Score Matching Method Based on OBE-DTW and Its Effects on Memorizing Musical Score
    Toru Nakashika; Eriko Aiba
    Poster presentation, English, International Symposium on Performance Science (ISPS) 2017, International conference
    Aug. 2017
  • 複素RBM：制限ボルツマンマシンの複素数拡張と音声信号への応用と評価
    中鹿亘; 高木信二; 山岸順一
    Oral presentation, Japanese, 情報処理学会音声言語研究会技術研究報告, Domestic conference
    Jul. 2017
  • テキスト・音声間の双方向変換に基づくDNN音声認識・合成のための事前学習法
    曾根健太郎; 中鹿亘; 南泰浩
    Poster presentation, Japanese, 音学シンポジウム2017, Domestic conference
    Jun. 2017
  • 話者クラスタ適応学習可能な拡張制限ボルツマンマシンに基づく非パラレル声質変換
    曾根健太郎; 中鹿亘; 南泰浩
    Poster presentation, Japanese, 音学シンポジウム2017, Domestic conference
    Jun. 2017
  • クラスタ適応制限ボルツマンマシンを用いた話者クラスタリングと声質変換への応用
    中鹿亘; 南泰浩
    Oral presentation, Japanese, 第31回人工知能学会全国大会, Domestic conference
    May 2017
  • 適応型 Gaussian-Gaussian RBM を用いた構音障害者音声認識
    高島悠樹; 中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2017年春季研究発表会, Domestic conference
    Mar. 2017
  • 構音障害者音声認識のための適応型 restricted Boltzmann machine を用いた特徴量抽出
    高島悠樹; 中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 電子情報通信学会技術研究報告, Domestic conference
    Mar. 2017
  • 話者クラスタ適応学習可能な拡張制限ボルツマンマシンに基づく非パラレル声質変換
    中鹿亘; 南泰浩
    Oral presentation, Japanese, 日本音響学会2017年春季研究発表会, Domestic conference
    Mar. 2017
  • 複素RBM：制限ボルツマンマシンの複素数拡張と音声信号への応用
    中鹿亘; 高木信二; 山岸順一
    Oral presentation, Japanese, 日本音響学会2017年春季研究発表会, Domestic conference
    Mar. 2017
  • Simultaneous recognition of phone and speaker using three-way restricted Boltzmann machine
    Toru Nakashika; Yasuhiro Minami
    Poster presentation, English, The 5th Joint Meeting Acoustical Society of America and Acoustical Society of Japan, International conference
    Nov. 2016
  • 音響・音韻・話者ファクターを考慮したThree-way RBMよる話者・音素の同時認識
    中鹿亘; 南泰浩
    Oral presentation, Japanese, 日本音響学会2016年秋季研究発表会, Domestic conference
    Sep. 2016
  • Factored 3-Way Restricted Boltzmann Machine を用いたマルチモーダル音声認識の検討
    高島悠樹; 中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2016年秋季研究発表会, Domestic conference
    Sep. 2016
  • Speech modeling using three-way restricted Boltzmann machine for simultaneous speaker-phoneme recognition
    Toru Nakashika; Yasuhiro Minami
    Poster presentation, Japanese, 音学シンポジウム2016, Domestic conference
    May 2016
  • Restricted Boltzmann Machine を用いた話者性・雑音を考慮したモデリングの検討
    高島悠樹; 中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2016年春季研究発表会, Domestic conference
    Mar. 2016
  • 音響・音韻・話者情報を考慮したThree-Way Restricted Boltzmann Machineを用いた任意入力声質変換
    中鹿亘; 南泰浩
    Oral presentation, Japanese, 日本音響学会2016年春季研究発表会, Domestic conference
    Mar. 2016
  • 制約付きThree-Way Restricted Boltzmann Machineを用いた音響・音韻・話者情報の同時モデリング
    中鹿亘; 滝口哲也
    Oral presentation, Japanese, 電子情報通信学会技術研究報告, Domestic conference
    02 Dec. 2015
  • 構音障害者音声認識のための確率表現に基づく音素ラベリングの検討
    高島悠樹; 中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 日本音響学会2015年秋季研究発表会, Domestic conference
    Sep. 2015
  • 遺伝的アルゴリズムを用いたランダム写像行列の選択
    片岡悠一郎; 中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 日本音響学会2015年秋季研究発表会, Domestic conference
    Sep. 2015
  • 話者正規化学習に基づく潜在的音韻情報を考慮した音声モデリングによる非パラレル声質変換
    中鹿亘; 滝口哲也
    Oral presentation, Japanese, 日本音響学会2015年秋季研究発表会, Domestic conference
    Sep. 2015
  • Modeling Deep Bidirectional Relationships for Image Classification and Generation
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    Poster presentation, English, The 18th Meeting on Image Recognition and Understanding, Domestic conference
    Jul. 2015
  • 構音障害者音声認識のための混合正規分布に基づく音素ラベリングの検討
    高島悠樹; 中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 電子情報通信学会技術研究報告, Domestic conference
    Jun. 2015
  • 適応型 Restricted Boltzmann Machine を用いたパラレルデータフリーな任意話者声質変換
    中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 日本音響学会2015年春季研究発表会, Domestic conference
    Mar. 2015
  • 少量のパラレルデータを用いたNon-negative Matrix Factorizationによる雑音環境下の声質変換
    藤井貴生; 相原龍; 中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2015年春季研究発表会, Domestic conference
    Mar. 2015
  • Deep Boltzmann Machine を用いた音素ラベル情報推定
    高島悠樹; 中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 日本音響学会2015年春季研究発表会, Domestic conference
    Mar. 2015
  • 話者適応型 Restricted Boltzmann Machine を用いた声質変換の検討
    中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 電子情報通信学会技術研究報告, Domestic conference
    Dec. 2014
  • 話者適応を用いたNMFによる雑音環境下の声質変換
    藤井貴生; 相原龍; 中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2014年秋季研究発表会, Domestic conference
    Sep. 2014
  • 話者依存型 Recurrent Temporal Restricted Boltzmann Machine を用いた声質変換
    中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 日本音響学会2014年秋季研究発表会, Domestic conference
    Sep. 2014
  • 遺伝的アルゴリズムを用いた 構音障害者の音声特徴量抽出に最適なランダム行列の生成
    片岡悠一郎; 中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2014年秋季研究発表会, Domestic conference
    Sep. 2014
  • スパース表現に基づく声質変換のための結合型 restricted Boltzmann machine
    中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 電子情報通信学会技術研究報告, Domestic conference
    May 2014
  • 話者適応を用いたNMFによる声質変換
    藤井貴生; 相原龍; 中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2014年春季研究発表会, Domestic conference
    Mar. 2014
  • 声質変換のための Restricted Boltzmann Machine を用いた パラレル辞書の学習法
    中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2014年春季研究発表会, Domestic conference
    Mar. 2014
  • Convolutive Bottleneck Network 特徴量を用いた構音障害者の音声認識
    吉岡利也; 中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2014年春季研究発表会, Domestic conference
    Mar. 2014
  • 話者依存型 Conditional Restricted Boltzmann Machine による声質変換
    中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 電子情報通信学会技術研究報告, Domestic conference
    Dec. 2013
  • 辞書選択に基づく非負値行列因子分解による声質変換
    相原龍; 中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 日本音響学会2013年秋季研究発表会, Domestic conference
    Sep. 2013
  • 時間変化を考慮した Deep Learning を用いた声質変換
    中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 日本音響学会2013年秋季研究発表会, Domestic conference
    Sep. 2013
  • Convolutional Neural Networksを用いた構音障害者のための音声認識
    吉岡利也; 中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2013年秋季研究発表会, Domestic conference
    Sep. 2013
  • High-frequency Restoration using Deep Belief Nets for Super-resolution
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    Poster presentation, Japanese, 画像の認識・理解シンポジウム (MIRU) 2013, Domestic conference
    Jul. 2013
  • RGB-D based 3D-Object Recognition by LLC using Depth Spatial Pyramid
    Toru Nakashika; Takahiro Hori; Tetsuya Takiguchi; Yasuo Ariki
    Poster presentation, Japanese, 画像の認識・理解シンポジウム (MIRU) 2013, Domestic conference
    Jul. 2013
  • Deep Belief Nets による低次元空間表現を用いた声質変換の検討
    中鹿亘; 高島遼一; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2013年春季研究発表会, Domestic conference
    Mar. 2013
  • Specmurtを利用した調波構造行列による混合楽音解析の検討
    西村大樹; 中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2013年春季研究発表会, Domestic conference
    Mar. 2013
  • Gray Level Co‑occurrence Matrix を用いた時間・音高シフトに頑健な自動音楽ジャンル分類
    中鹿 亘; Christophe Garcia; 滝口 哲也; 有木 康雄
    Poster presentation, Japanese, 第15回日本音響学会関西支部若手研究者交流研究発表会, Domestic conference
    Dec. 2012
  • 重みつきノルム基準によるF0周波数選択を用いたSpecmurtによる多重音解析
    西村大樹; 中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2012年秋季研究発表会, Domestic conference
    Sep. 2012
  • Convolutional Neural Networks を用いた局所特徴統合による 自動音楽ジャンル分類
    中鹿亘; Garcia Christophe; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2012年秋季研究発表会, Domestic conference
    Sep. 2012
  • スパース性基準によるF0 周波数選択を用いたSpecmurt による多重音解析
    西村 大樹; 中鹿 亘; 滝口 哲也; 有木 康雄
    Poster presentation, Japanese, 日本音響学会2011年秋季研究発表会, Domestic conference
    Sep. 2011
  • 確率スペクトル包絡を用いた混合音解析における制約付きスペクトル生成法の検討
    中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 電子情報通信学会技術研究報告, Domestic conference
    Jul. 2011
  • スパース性を考慮したSpecmurtによる多重音解析
    西村 大樹; 中鹿 亘; 滝口 哲也; 有木 康雄
    Poster presentation, Japanese, 日本音響学会2011年春季研究発表会, Domestic conference
    Mar. 2011
  • 確率スペクトルを用いた基底生成モデルとNMFによる混合楽音解析
    中鹿 亘; 滝口 哲也; 有木 康雄
    Oral presentation, Japanese, 日本音響学会2011年春季研究発表会, Domestic conference
    Mar. 2011
  • 確率スペクトル包絡に基づくNMF 基底生成モデルを用いた混合楽音解析
    中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 第89回音楽情報科学研究会, Domestic conference
    Feb. 2011
  • 基底の反復生成と教師ありNMFを用いた信号解析
    中鹿亘; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 電子情報通信学会技術研究報告, Domestic conference
    Dec. 2010
  • NMFと基底モデルを用いた多重楽音解析
    中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2010年秋季研究発表会, Domestic conference
    Sep. 2010
  • 物体領域特徴の自動選定とマルチカーネル学習を用いた特徴統合による一般物体認識
    中鹿亘; 須賀晃; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 画像の認識・理解シンポジウム (MIRU) 2010, Domestic conference
    Jul. 2010
  • 多重関数を用いた調波時間スペクトル形状のモデル化による音声合成
    中鹿亘; 立花隆輝; 西村雅史; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2010年春季研究発表会, Domestic conference
    Mar. 2010
  • 多重ベータ混合モデルを用いた調波時間構造のモデル化による音声合成の検討
    中鹿亘; 立花隆輝; 西村雅史; 滝口哲也; 有木康雄
    Oral presentation, Japanese, 第11回音声言語シンポジウム, Domestic conference
    Dec. 2009
  • 多重ベータ分布を用いた音色形状の数理モデリングによる楽器音生成
    中鹿亘; 滝口哲也; 有木康雄
    Poster presentation, Japanese, 日本音響学会2009年秋季研究発表会, Domestic conference
    Sep. 2009
  • Mathematical Modeling of Harmonic-Timbre Structure with Multi-Beta-Distribution
    Toru Nakashika; Tetsuya Takiguchi; Yasuo Ariki
    Oral presentation, Japanese, IEEE Statistical Signal Processing Workshop (SSP0 2009, International conference
    Aug. 2009
  • 多重ベータ分布による音色形状モデルを用いた 多重楽音の解析
    中鹿 亘; 滝口 哲也; 有木 康雄
    Oral presentation, Japanese, 日本音響学会2009年春季研究発表会, Domestic conference
    Mar. 2009

Courses

  • コンピュータサイエンス実験第二A
    The University of Electro-Communications
  • コンピュータサイエンス実験第二A
    電気通信大学
  • コンピュータサイエンス実験第二B
    The University of Electro-Communications
  • コンピュータサイエンス実験第二B
    電気通信大学
  • イノベイティブ総合コミュニケーションデザイン1
    The University of Electro-Communications
  • イノベイティブ総合コミュニケーションデザイン1
    電気通信大学
  • 情報領域演習第二K演習
    The University of Electro-Communications
  • 情報領域演習第二K演習
    電気通信大学
  • 情報領域演習第一P演習
    The University of Electro-Communications
  • 情報領域演習第二Q演習
    The University of Electro-Communications
  • 情報領域演習第二Q演習
    電気通信大学
  • コンピュータサイエンス実験第一
    The University of Electro-Communications
  • コンピュータサイエンス実験第一
    電気通信大学
  • 情報領域演習第一P演習
    The University of Electro-Communications
  • 情報領域演習第一P演習
    電気通信大学
  • Ｅｌｅｍｅｎｔｓ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ Ｆｕｎｄａｍｅｎｔａｌｓ ２
    The University of Electro-Communications
  • 情報システム基盤学基礎２
    電気通信大学

Affiliated academic society

  • ISCA
  • 日本音響学会
  • IEEE Membership
  • 電子情報通信学会

Research Themes

  • 非侵襲型脳波を用いた言語・非言語音声合成による次世代コミュニケーション技術の確立
    中鹿 亘
    日本学術振興会, 科学研究費助成事業, 電気通信大学, 基盤研究(A), 24H00715
    01 Apr. 2024 - 31 Mar. 2029
  • 深層エネルギーベースモデルによる創造的声質変換の研究
    岸田 拓也; 中鹿 亘
    日本学術振興会, 科学研究費助成事業, 愛知淑徳大学, 基盤研究(C), 23K11161
    01 Apr. 2023 - 31 Mar. 2026
  • 音響的分析と聞き手の心理評価に基づく表情豊かな英語スピーチ力の育成
    Tomoko Yamashita
    日本学術振興会, 科学研究費助成事業, 芝浦工業大学, 基盤研究(C), スピーチを行う場合、話し手は言語情報だけでなくパラ言語情報(意図的に表出する感情・意図・態度)をも伝達することで聞き手に伝わる表情豊かなスピーチとなる。本研究では、日本人英語学習者が英語でスピーチを行うときに、その音声にどのような音響的特徴が現れればパラ言語情報が聞き手によりよく伝わるようになるのかを明らかにすることを目的とする。本研究では独自に作成したスピーチ原稿と教材音声で英語学習者の発話訓練を行う計画である。訓練前後の音声の音響的特徴と聞き手の心理的評価結果について多変量解析を行い、どのような音響的特徴がパラ言語伝達に関連するのかを明らかにする予定である。得られた知見は、英語教育の現場で英語スピーチの指導に役立てることができると期待される。 感情表現にフォーカスした英語スピーチ力を育成するという上記で述べた本研究の最終的な目的を念頭におき、まずは実験用のスピーチスクリプトを作成する参考とするため、実験参加者が感情を込めやすい状況やスピーチ内容について情報を収集する計画を立てた。本実験では日本人英語学習者の大学生を対象として実験を行う計画であるため、情報収集においても日本人大学生を対象に、特定の感情が湧いた状況をヒアリングすることとし、ヒアリング用のアンケートの作成を行った。研究代表者の山下がアンケート項目のドラフトを作成し、分担者の冬野が11名の学生を対象にパイロット実験を実施した。パイロット実験で特に問題が見られず、アンケートの有用性が確認できた。その後、石井が117名の学生を対象に本実験を行った。 モデル音声作成の研究課題では、英語学習者の英語訓練を促進することを目的とし、スピーチの訓練を受けた英語母語話者の収録音声と、その音声に対するパラ言語情報のラベリングを用いて得られる、パラ言語情報の評価値と音響的特徴の相関の高いモデル音声を作成し、声質変換システムを用いて自分の声質をモデル音声へ変換する。本研究期間ではモデル学習のための事前実験として英語学習者および英語母語話者の現場での実環境音声収録、音響解析のための環境整備と声質変換モデルの考案を実施した。後者については具体的には入力特徴量中の指定属性を軽減させた潜在特徴抽出が可能なFaderNetworkを応用して、入力される英語学習者音声から得られるアクセント属性を軽減した特徴量と、英語母語話者のアクセント属性を復号器に通すことで学習者の話者性を保持したまま英語母語者のアクセントを持つ音声を合成する手法を検討しており、話者変換タスクにおける簡単な動作確認を行った。, 20K00842
    Apr. 2020 - Mar. 2025
  • 音声スペクトルを対数的に表現する浅層ニューラルネットに関する研究
    Toru Nakashika
    Japan Society for the Promotion of Science, Grants-in-Aid for Scientific Research, The University of Electro-Communications, Grant-in-Aid for Scientific Research (C), 本研究では，音声の表現に適した新しい機械学習手法として，確率的な浅層ニューラルネットである制限ボルツマンマシン（RBM）をベースに，対数振幅スペクトルと位相のデータ構造を適切に表現する音声技術を確立する．深層学習とは異なり，RBMはコンパクトで解釈性があり，データの確率分布を陽に仮定できるため，より適切に音声を表現することができると期待される．初年度である本研究期間では，対数振幅スペクトル表現に着目し，モデル定義と実装・評価実験及び論文執筆を行なった．具体的には，可視素子として振幅スペクトルと対数振幅スペクトルを用いたRBMを定義することで，結果的に隠れ素子が与えられた時の可視素子の条件付き確率が，隠れ素子で定まる２種の分布パラメータを持つガンマ分布で表現されることを導出した．評価実験では，振幅スペクトルを従来のガウス型RBMで表現したモデルと，対数振幅スペクトルを従来のガウス型RBMで表現したモデルよりも，上記提案モデルの方が，PESQ及びSTOIに基づく客観評価基準と，自然性に関するMOS（５段階評価）に基づく主観的基準において高い精度で音声の符号化・復号化が可能であることを示した．従来研究においても，音声のスペクトルを表現する分布として正規分布よりもガンマ分布の方が適しているという報告がなされていたが，本研究では，その根拠として振幅スペクトルと対数振幅スペクトルの両方の存在確率を同時に表現しているからと考えることができるという，新しい解釈ができたという点においても意義がある．本研究成果に関して，権威のある国際論文誌であるIEEE/ACM Transactions on Audio Speech and Language Processingに１件投稿し，採択された．また本研究に関連して９件の国内会議発表，１件の特許出願を行なった．, 21K11957
    Apr. 2021 - Mar. 2024
  • Speech Representation Using Emotion-Speaker Controllable Probabilistic Model Based on Extended Boltzmann Distribution
    Toru Nakashika
    Japan Society for the Promotion of Science, Grants-in-Aid for Scientific Research, The University of Electro-Communications, Grant-in-Aid for Early-Career Scientists, Principal investigator, In speech signal processing, few methods have been established to simultaneously perform multiple different tasks such as speaker recognition and emotion recognition. In this research, we focused on the Boltzmann machine, which has the property of representing the relationships between various factors with its high potential ability, and examined the effectiveness of simultaneously realizing speaker recognition, emotion recognition, speaker conversion, and emotion conversion with it. From the experimental results, it was found that speaker recognition, emotion recognition, speaker conversion, and emotion conversion can be achieved using only a Boltzmann machine. We also revealed that the Boltzmann machine that simultaneously represents speakers and emotions outperformed the Boltzmann machine that represents either speakers or emotions in recognition and voice conversion accuracy., 18K18069
    01 Apr. 2018 - 31 Mar. 2021
  • 制限ボルツマンマシンの複素数拡張モデルにおける最適化アルゴリズムとMRI画像への応用
    中鹿亘
    中島記念国際交流財団, Principal investigator
    01 Apr. 2018
  • 制限ボルツマンマシンの複素数拡張と音声合成への応用
    中鹿亘
    電気通信普及財団, Principal investigator
    01 Apr. 2017

Industrial Property Rights

  • 声質変換装置、声質変換方法及びプログラム
    Patent right, 大西弘太郎, 中鹿亘, 特願2021-026128, Date applied: 22 Feb. 2021, The University of Electro-Communications
  • 符号化装置、復号装置、パラメータ学習装置、およびプログラム
    Patent right, 中鹿亘, 特願2019-150516, Date applied: 20 Aug. 2019, 国立大学法人電気通信大学
  • 符号化装置、符号化方法およびプログラム
    Patent right, 中鹿亘, 特願2018-31875, Date applied: 26 Feb. 2018, 国立大学法人電気通信大学
  • 符号化装置、符号化方法およびプログラム
    Patent right, 中鹿亘, 高木信二, 山岸順一, 特願2017-037640, Date applied: 28 Feb. 2017, 国立大学法人電気通信大学
  • 声質変換装置、声質変換方法およびプログラム
    Patent right, 中鹿亘, 特願2017-036109, Date applied: 28 Feb. 2017, 国立大学法人電気通信大学
  • 声質変換装置、声質変換方法および声質変換プログラム
    Patent right, 中鹿亘, 南泰浩, 特願2016-032488, Date applied: 23 Feb. 2016, 国立大学法人電気通信大学
  • 声質変換方法および声質変換装置
    Patent right, 中鹿亘, 滝口哲也, 有木康雄, 特願2015-114238, Date applied: 04 Jun. 2015, 国立大学法人神戸大学

Academic Contribution Activities

  • 音学シンポジウム2023 現地世話人
    Competition etc, Planning etc, 23 Jun. 2023 - 24 Jun. 2023
  • 情報処理学会 第85回全国大会
    Panel chair etc, 02 Mar. 2023 - 04 Mar. 2023
  • 第140回音声言語情報処理研究会
    Academic society etc, Planning etc, 中鹿 亘, 28 Feb. 2023 - 01 Mar. 2023
  • Interspeech 2023
    Peer review, 2023
  • Interspeech 2022
    Peer review etc, Peer review, Jul. 2022
  • 音学シンポジウム2022
    Academic society etc, Panel chair etc, 17 Jun. 2022, 幹事として学会開催を運営した．
  • 第141回音声言語情報処理研究会
    Academic society etc, Planning etc, 23 Mar. 2022
  • 第139回音声言語情報処理研究会
    Academic society etc, Planning etc, 01 Dec. 2021
  • Interspeech 2021
    Peer review etc, Peer review, Jul. 2021
  • 音学シンポジウム2021
    Academic society etc, Panel chair etc, 18 Jun. 2021, 副実行委員長として学会開催を補佐した．
  • 第137回音声言語情報処理研究会
    Academic society etc, Planning etc, 18 Jun. 2021
  • 日本音響学会2021年春季研究発表会
    Academic society etc, Panel chair etc, 10 Mar. 2021, 第2会場 音声A/音声B/午後-後半B(16:00~17:45)[音声認識・合成I]

Others

  • 平成30年度「大学の世界展開力強化事業(JUSST)」短期受入生（Michel Pezzat Morales）
    2018 - 2018
  • 平成30年度「大学の世界展開力強化事業(JUSST)」短期受入生（Scheck Kevin）
    2018 - 2018
  • 平成29年度「大学の世界展開力強化事業」短期受入生（Eduardo PICHARDO MORALES）
    2017 - 2017