日本語の TTS は漢字の読みが複数あるのが大変なんだけど、ルビを振ったテキストで学習した後、ルビなしの方での発話がうまくいくよう蒸留したら、生徒でもうまく行ったみたいな感じらしい！ [2611.06403] Ruby-OPD: Enhancing Pronunciation Controllability and Accuracy for Flow-Matching Text-to-Speech via On-Policy Distillation arxiv.org/abs/2611.06403

Ruby-OPD: Enhancing Pronunciation Controllability and Accuracy for...

Achieving both high pronunciation accuracy and fine-grained controllability remains a central challenge in Japanese text-to-speech (TTS), as Japanese is an unsegmented language mixing logographic...

arxiv.org

105

5,769

PFN Tech · Nov 5, 2026 · 12:12 AM UTC

kai-yo retweeted

PFN Tech

@preferred_jpNov 5

【ブログ】翻訳特化LLM PLaMo 3 Translateのモデル重みをリリースしました。0.8B / 2B / 8B / 31Bの4パターンで、いずれも世界最高レベルの翻訳能力です。ダウンロードして、ローカルで試せます。開発秘話を描いたTech Blog: preferred.jp/ja/blog/tech/pl… Hugging Face: huggingface.co/collections/p…

PLaMo 3 Translate：世界最高クラスの翻訳特化LLMの重み公開と開発秘話｜株式会社Preferred Networks

Preferred Networksのエンジニア・リサーチャーやインターンが最新の研究成果や技術を解説するテックブログです。

preferred.jp

1,832

306

9,223

1,563,420

kai-yo · Nov 5, 2026 · 10:19 AM UTC

kai-yo@kai_yo3Nov 5

結論自動化が好きなだけです

kai-yo

おーぷん2ch発話の判定を通した音声・言語エンコーダの精度・速度比較

Ruby-OPD: Enhancing Pronunciation Controllability and Accuracy for...

PLaMo 3 Translate：世界最高クラスの翻訳特化LLMの重み公開と開発秘話｜株式会社Preferred Networks

No more items