ディープラーニングの力で結月ゆかりの声になってみた
目次 （背景）自分の声を結月ゆかりにしたい。前回はあまりクオリティが良くなかったので、手法を変えて質を上げたい。 （手法）声質変換を、低音質変換と高音質化の二段階に分けてそれぞれ学習させた。画像分野で有名なモデルを使った。 （結果）性能が飛躍的に向上し、かなり聞き取れるものになった。 （考察）精度はまだ改善の余地があり、多対多声質変換にすることで精度が向上すると考えられる。今回の結果を論文化したい。 デモ動画 背景多くの人が可愛い女の子になりたいと思っている。 ＣＧ技術やモーションキャプチャ技術の向上により、姿は女の子に仮想化できるようになってきた。 しかし、声に関してはまだまだ課題が多い。 声質変換は「遅延」「音質」「複数話者」などの難しい課題がある。 今回は、自分の声を結月ゆかりにするための、低遅延で実現可能な高音質声質変換を目指した。 手法大きく分けて３つの工夫をした。 画像ディープ
キユーピーがAI導入、1日100万個以上のポテトをさばく「ディープラーニング」の威力
1日100万個以上流れるダイス型のポテトを1つ1つ、人の目で見分け、異物混入や不良品がないか確認していた――にわかに信じにくい話かもしれないが、これは実際に、大手食品メーカー、キユーピーの工場で行われている原料検査の作業だ。 「画像処理技術などを使った機械化を長年検討してきましたが、精度やコストの面で現実的ではありませんでした」 こう話すのは、キユーピーの生産本部で次世代技術担当次長を務める荻野武さんだ。ベビーフードの品質と“安心”を支えるために行われている業務ではあるが、スタッフの人海戦術では限界が来ており、増産のボトルネックになっていたという。そんな状況が今、「ディープラーニング（深層学習）」で大きく変わろうとしている。 膨大な原料検査にブレイクスルーを起こす「ディープラーニング」 キユーピーは原料検査の基準を厳しく設定している。特にダイスポテト（さいの目状にカットされたジャガイモ）の
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Large Scale Jirou Classification - ディープラーニングによるラーメン二郎全店舗識別