Nara Institute of Science and Technology   Graduate School of Information Science   Assistant

2005.4 - 2007.3

Japan Society for Promotion of Science   Research Fellow

2003.4 - 2005.3

情報処理学会   音声言語情報処理研究運営委員会 主査  

2022.4   

IEEE SLT 2022, Organizing Committee   Organizing Committee Member, Regional Publicity Chair  

2021.7 - 2023.1   

IEEE Signal Processing Letters, Editorial Board   Senior Area Editor  

2020.12   

JASA Express Letters, Editorial Board   Associate Editor  

2020.6 - 2023.6   

Joint Workshop for the Blizzard Challenge and Voice Conversion Challenge 2020, Organizing Committee   Organizing Committee Member  

2020.2 - 2020.11   

IEEE Signal Processing Society, Tokyo Joint Chapter   Treasurer  

2019.1 - 2021.1   

DSP in vehicles 2018, Organizing Committee   Organizing Committee Member, Program Chair  

2018.1 - 2018.10   

IEEE Signal Processing Letters, Editorial Board   Associate Editor  

2016.11 - 2020.12   

電子情報通信学会／日本音響学会   音声研究専門委員会 専門委員  

2016.6 - 2020.5   

国公立大学情報システム研究会 編集委員会   編集委員長  

2016.6 - 2018.6   

国公立大学情報システム研究会   世話人  

2016.6 - 2018.6   

IEEE ASRU 2017, Organizing Committee   Organizing Committee Member, Challenge Chair  

2016.6 - 2017.12   

大学ICT運営協議会 2015年度年次大会 実行委員会   実行委員  

2015.9 - 2015.12   

International Workshop on Machine Learning in Spoken Language Processing (MLSLP), Organizing Committee   Organizing Committee Member, Technical Program Chair  

2015.4 - 2015.9   

IEEE ASRU 2015, Organizing Committee   Organizing Committee Member, Regional Publicity Chair  

2014.8 - 2015.12   

IEEE Signal Processing Society   Speech and Language Technical Committee Member  

2014.1 - 2016.12   

日本音響学会   事業委員会 委員  

2013.8 - 2017.8   

日本音響学会 編集委員会   論文部会委員  

2013.6 - 2017.6   

電子情報通信学会／日本音響学会   音声研究専門委員会 幹事（企画）  

2013.5 - 2015.5   

EURASIP Journal on Audio, Speech, and Music Processing, Editorial Board   Associate Editor  

2013.4   

情報処理学会   音楽情報科学研究運営委員会 運営委員  

2013.4 - 2017.3   

IEEE Signal Processing Society, Kansai Chapter   Treasurer  

2013.2 - 2015.1   

IEEE ICASSP 2012, Organizing Committee   Organizing Committee Member  

2011.12 - 2012.3   

International Workshop on Statistical Machine Learning for Speech Processing (IWSML), Organizing Committee   Organizing Committee Member, Local Chair  

2011.9 - 2012.3   

ACM Transactions on Speech and Language Processing, Editorial Board   Associate Editor  

2011.3 - 2013.12   

IEEE Signal Processing Society, Kansai Chapter   Secretary  

2011.2 - 2013.1   

APSIPA   Speech, Language, and Audio Technical Committee Member  

2010.4 - 2016.12   

INTERSPEECH 2010,Organizing Committee   Organizing Committee Member, Student Award  

2010.1 - 2010.9   

The 7th ISCA Speech Synthesis Workshop (SSW7), Organizing Committee   Organizing Committee Member  

2008.8 - 2010.9   

情報処理学会   音声言語情報処理研究運営委員会 運営委員  

2008.4 - 2012.3   

IEEE Signal Processing Society   Speech and Language Technical Committee Member  

2007.1 - 2009.12   

大学ICT推進協議会 2017年度年次大会 優秀論文賞

2018.3   大学ICT推進協議会   名古屋大学におけるサーバ型紙レポート・LMS連携システムの開発

清谷 竣也, 伊藤 瑠哉, 岡本 康佑, 谷川 右京, 大平 茂輝, 出口 大輔, 戸田 智基

文部科学大臣表彰 若手科学者賞

2015.4   文部科学省  

戸田 智基

言語処理学会 第21回年次大会 優秀賞

2015.3   言語処理学会  

小田 悠介、Graham Neubig、Sakriani Sakti、戸田 智基、中村 哲

APSIPA ASC 2014 The Best Paper Award

2014.12   APSIPA  

S. Takamichi, T. Toda, A.W. Black, S. Nakamura

The 2013 EURASIP-ISCA Best Paper Award (Speech Communication Journal)

2013.9   EURASIP, and ISCA  

T. Toda, A.W. Black, K. Tokuda

情報処理学会 2012年度喜安記念業績賞

2013.6   情報処理学会  

徳田 恵一, 戸田 智基, 全 炳河, 山岸 順一, 大浦 圭一郎

APSIPA ASC 2012 The Best Paper Award (Short Paper in Regular Session Category)

2012.12   APSIPA  

H. Doi, T. Toda, T. Nakano, M. Goto, S. Nakamura

2010年度音声研究会研究奨励賞

2011.6   電子情報通信学会／日本音響学会 音声研  

戸田 智基

IEEE Signal Processing Society 2009 Young Author Best Paper Award

2010.3   IEEE Signal Processing Society  

T. Toda

日本音響学会 第４回独創研究奨励賞板倉記念

2009.3   日本音響学会  

戸田 智基

日本音響学会 第２６回粟屋潔学術奨励賞

2009.3   日本音響学会  

戸田 智基

電子情報通信学会 2007年度情報・システムソサイエティ論文賞（連作論文）

2008.12   電子情報通信学会情報・システムソサイエティ  

全 炳河, 戸田 智基, 中村 勝, 徳田 恵一, 益子 貴史, 小林 隆夫, 北村 正

第１０回エリクソン・ヤング・サイエンティスト・アワード

2008.11   日本エリクソン株式会社  

戸田 智基

第２３回電気通信普及財団賞 テレコムシステム技術賞

2008.3   電気通信普及財団  

全 炳河, 戸田 智基, 中村 勝, 徳田 恵一, 益子 貴史, 小林 隆夫, 北村 正, 吉村 貴克

第１８回電気通信普及財団賞 テレコムシステム技術学生賞

2003.3   電気通信普及財団  

戸田 智基

Dual-channel target speaker extraction based on conditional variational autoencoder and directional information Reviewed

R. Wang, L. Li, T. Toda

IEEE/ACM Transactions on Audio, Speech and Language Processing   Vol. 32   page： 12 pages   2024.3

Fast neural speech waveform generative models with fully-connected layer-based upsampling Reviewed

H. Yamashita, T. Okamoto, R. Takashima, Y. Ohtani, T. Takiguchi, T. Toda, H. Kawai

IEEE Access   Vol. 12   page： 31409 - 31421   2024.2

喉頭摘出者における音声収録アプリを用いた術前音声の保存 ―Save the Voice プロジェクト― Reviewed

西尾 直樹, 戸田 智基, 小林 和弘, 三谷 壮平, 飴矢 美里, 向山 宣昭, 木村 宏之, 徳倉 達也, 坪井 崇, 藤本 保志, 曾根 三千彦

喉頭   Vol. 35 ( 2 ) page： 142 - 147   2023.12

The Singing Voice Conversion Challenge 2023 Reviewed International coauthorship

W.-C. Huang, L.P. Violeta, S. Liu, J. Shi, T. Toda

Proc. IEEE ASRU     page： 8 pages   2023.12

ED-CEC: improving rare word recognition using ASR post-processing based on error detection and context-aware error correction Reviewed

J. He, Z. Yang, T. Toda

Proc. IEEE ASRU     page： 6 pages   2023.12

Improving severity preservation of healthy-to-pathological voice conversion with global style tokens Reviewed International coauthorship

B. Halpern, W.-C. Huang, L.P. Violeta, R. van Son, T. Toda

Proc. IEEE ASRU     page： 7 pages   2023.12

A comparative study of voice conversion models with large-scale speech and singing data: the T13 systems for the Singing Voice Conversion Challenge 2023 Reviewed

R. Yamamoto, R. Yoneyama, L.P. Violeta, W.-C. Huang, T. Toda

Proc. IEEE ASRU     page： 6 pages   2023.12

The VoiceMOS Challenge 2023: zero-shot subjective speech quality prediction for multiple domains Reviewed International coauthorship

E. Cooper, W.-C. Huang, Y. Tsao, H.-M. Wang, T. Toda, J. Yamagishi

Proc. IEEE ASRU     page： 7 pages   2023.12

WaveNeXt: ConvNeXt-based fast neural vocoder without iSTFT layer Reviewed

T. Okamoto, H. Yamashita, Y. Ohtani, T. Toda, H. Kawai

Proc. IEEE ASRU     page： 8 pages   2023.12

Sequence-to-sequence network training methods for automatic guitar transcription with tokenized outputs Reviewed

S. Kim, K. Takeda, T. Toda

Proc. ISMIR     page： 524 - 531   2023.11

Evaluating methods for ground-truth-free foreign accent conversion Reviewed

W.-C. Huang, T. Toda

Proc. APSIPA ASC     page： 1136 - 1141   2023.11

An analysis of personalized speech recognition system development for the deaf and hard-of-hearing Reviewed

L.P. Violeta, T. Toda

Proc. APSIPA ASC     page： 1851 - 1856   2023.11

Semi-supervised multimodal emotion recognition with consensus decision-making and label correction Reviewed International coauthorship

J. Tian, D. Hu, X. Shi, J. He, X. Li, Y. Gao, T. Toda, X. Xu, X. Hu

Proc. MRAC     page： 67 - 73   2023.10

Differentiable representation of warping based on Lie group theory Reviewed

A. Miyashita, T. Toda

Proc. IEEE WASPAA     page： 5 pages   2023.10

Directional target speaker extraction under noisy underdetermined conditions through conditional variational autoencoder with global style tokens Reviewed

R. Wang, T. Toda

Proc. IEEE WASPAA     page： 5 pages   2023.10

Sound field interpolation with unsupervised calibration for freely spaced circular microphone array in rotation-robust beamforming Reviewed

S. Luan, Y. Wakabayashi, T. Toda

Proc.EUSIPCO     page： 21 - 25   2023.9

High-fidelity and pitch-controllable neural vocoder based on unified source-filter networks Reviewed

R. Yoneyama, Y.-C. Wu, T. Toda

IEEE/ACM Transactions on Audio, Speech and Language Processing   Vol. 31   page： 3717 - 3729   2023.9

Noisy-to-noisy voice conversion under variations of noisy condition Reviewed

C. Xie, T. Toda

IEEE/ACM Transactions on Audio, Speech and Language Processing   Vol. 31   page： 3871 - 3882   2023.9

Preference-based training framework for automatic speech quality assessment using deep neural network Reviewed

C.-H. Hu, Y. Yasuda, T. Toda

Proc. INTERSPEECH     page： 546 - 550   2023.8

Analysis of mean opinion scores in subjective evaluation of synthetic speech based on tail probabilities Reviewed

Y. Yasuda, T. Toda

Proc. INTERSPEECH     page： 5491 - 5495   2023.8

Reverberation-controllable voice conversion using reverberation time estimator Reviewed

Y. Choi, C. Xie, T. Toda

Proc. INTERSPEECH     page： 2103 - 2107   2023.8

E2E-S2S-VC: end-to-end sequence-to-sequence voice conversion Reviewed

T. Okamoto, H. Yamashita, T. Toda, H. Kawai

Proc. INTERSPEECH     page： 2043 - 2047   2023.8

Emotion awareness in multi-utterance turn for improving emotion prediction in multi-speaker conversation Reviewed International coauthorship

X. Shi, X. Li, T. Toda

Proc. INTERSPEECH     page： 765 - 769   2023.8

Low-latency electrolaryngeal speech enhancement based on FastSpeech2-based voice conversion and self-supervised speech representation Reviewed

K. Kobayashi, T. Hayashi, T. Toda

Proc. IEEE ICASSP     page： 5 pages   2023.6

Text-to-speech synthesis based on latent variable conversion using diffusion probabilistic model and variational autoencoder Reviewed

Y. Yasuda, T. Toda

Proc. IEEE ICASSP     page： 5 pages   2023.6

NNSVS: a neural network based singing voice synthesis toolkit Reviewed

R. Yamamoto, R. Yoneyama, T. Toda

Proc. IEEE ICASSP     page： 5 pages   2023.6

Representation of vocal tract length transformation based on group theory Reviewed

A. Miyashita, T. Toda

Proc. IEEE ICASSP     page： 5 pages   2023.6

Analysis of Noisy-target Training for DNN-based speech enhancement Reviewed

T. Fujimura, T. Toda

Proc. IEEE ICASSP     page： 5 pages   2023.6

Intermediate fine-tuning using imperfect synthetic speech for improving electrolaryngeal speech recognition Reviewed

L.P. Violeta, D. Ma, W.-C. Huang, T. Toda

Proc. IEEE ICASSP     page： 5 pages   2023.6

Source-Filter HiFiGAN: fast and pitch controllable high-fidelity neural vocoder Reviewed International coauthorship

R. Yoneyama, Y.-C. Wu, T. Toda

Proc. IEEE ICASSP     page： 5 pages   2023.6

Harmonic-Net: fundamental frequency and speech rate controllable fast neural vocoder Reviewed

K. Matsubara, T. Okamoto, R. Takashima, T. Takiguchi, T. Toda, H. Kawai

IEEE/ACM Transactions on Audio, Speech and Language Processing   Vol. 31   page： 1902 - 1915   2023.5

Two-stage training method for Japanese electrolaryngeal speech enhancement based on sequence-to-sequence voice conversion Reviewed

D. Ma, L.P. Violeta, K. Kobayashi, T. Toda

Proc. IEEE SLT     page： 949 - 954   2023.1

Music similarity calculation of individual instrumental sounds using metric learning Reviewed

Y. Hashizume, L. Li, T. Toda

Proc. APSIPA ASC     page： 33 - 38   2022.11

Sequence-wise optimization for quasi-harmonic speech waveform modeling Reviewed

S. Chen, T. Toda

Proc. APSIPA ASC     page： 1658 - 1663   2022.11

Direction-aware target speaker extraction with a dual-channel system based on conditional variational autoencoders under underdetermined conditions Reviewed

R. Wang, L. Li, T. Toda

Proc. APSIPA ASC     page： 347 - 353   2022.11

Interpretable control for emotional text-to-speech system toward development of sympathetic educational-support robots Reviewed

J. Feng, T. Yoshikawa, T. Toda

Proc. APSIPA ASC     page： 342 - 346   2022.11

A comparative study of self-supervised speech representation based voice conversion Reviewed International coauthorship

W.-C. Huang, S.-W. Yang, T. Hayashi, T. Toda

IEEE Journal of Selected Topics in Signal Processing   Vol. 16 ( 6 ) page： 1308 - 1318   2022.10

Investigation of Japanese Png BERT language model in text-to-speech synthesis for pitch accent language Reviewed

Y. Yasuda, T. Toda

IEEE Journal of Selected Topics in Signal Processing   Vol. 16 ( 6 ) page： 1319 - 1328   2022.10

A cyclical approach to synthetic and natural speech mismatch refinement of neural post-filter for low-cost text-to-speech system Reviewed

Y.-C. Wu, P.L. Tobing, K. Yasuhara, N. Matsunaga, Y. Ohtani, T. Toda

APSIPA Transactions on Signal and Information Processing   Vol. 11 ( e30 ) page： 1 - 32   2022.9

Investigating self-supervised pretraining frameworks for pathological speech recognition Reviewed

L.P. Violeta, W.-C. Huang, T. Toda

Proc. INTERSPEECH     page： 41 - 45   2022.9

Unified source-filter GAN with harmonic-plus-noise source excitation generation Reviewed

R. Yoneyama, Y.-C. Wu, T. Toda

Proc. INTERSPEECH     page： 848 - 852   2022.9

The VoiceMOS Challenge 2022 Reviewed International coauthorship

W.-C. Huang, E. Cooper, Y. Tsao, H.-M. Wang, T. Toda, J. Yamagishi

Proc. INTERSPEECH     page： 4536 - 4540   2022.9

Spoken-text-style transfer with conditional variational autoencoder and content word storage Reviewed

D. Yoshioka, Y. Yaduda, N. Matsunaga, Y. Ohtani, T. Toda

Proc. INTERSPEECH     page： 4576 - 4580   2022.9

An evaluation of three-stage voice conversion framework for noisy and reverberant conditions Reviewed

Y. Choi, C. Xie, T. Toda

Proc. INTERSPEECH     page： 4910 - 4914   2022.9

Improvement of anomalous sound detection method considering the distribution of embedding Invited Reviewed

I. Kuroyanagi, T. Hayashi, K. Takeda, T. Toda

Proc. ICA     page： 5 pages   2022.9

Noisy-to-noisy voice conversion with pre-training strategy Invited Reviewed

C. Xie, T. Toda

Proc. ICA     page： 5 pages   2022.9

Improvement of serial approach to anomalous sound detection by incorporating two binary cross-entropies for outlier exposure Reviewed

I. Kuroyanagi, T. Hayashi, K. Takeda, T. Toda

Proc. EUSIPCO     page： 294 - 298   2022.8

Modified sound field interpolation method for rotation-robust beamforming with unequally spaced circular microphone array Reviewed

S. Luan, Y. Wakabayashi, T. Toda

Proc. EUSIPCO     page： 344 - 348   2022.8

Note-level automatic guitar transcription using attention mechanism Reviewed

S. Kim, T. Hayashi, T. Toda

Proc. EUSIPCO     page： 229 - 233   2022.8

Generalization ability of MOS prediction networks Reviewed

E. Cooper, W.-C. Huang, T. Toda, J. Yamagishi

Proc. IEEE ICASSP     page： 8442 - 8446   2022.5

LDNet: unified listener dependent modeling in MOS prediction for synthetic speech Reviewed

W.-C. Huang, E. Cooper, J. Yamagishi, T. Toda

Proc. IEEE ICASSP     page： 896 - 900   2022.5

S3PRL-VC: open-source voice conversion framework with self-supervised speech representations Reviewed International coauthorship

W.-C. Huang, S.-W. Yang, T. Hayashi, H.-Y. Lee, S. Watanabe, T. Toda

Proc. IEEE ICASSP     page： 6552 - 6556   2022.5

Towards identity preserving normal to dysarthric voice conversion Reviewed International coauthorship

W.-C. Huang, B.M Halpern, L.P. Violeta, O. Scharenborg, T. Toda

Proc. IEEE ICASSP     page： 6672 - 6676   2022.5

Direct noisy speech modeling for noisy-to-noisy voice conversion Reviewed

C. Xie, Y-.C. Wu, P.L. Tobing, W-.C. Huang, T. Toda

Proc. IEEE ICASSP     page： 6787 - 6791   2022.5

An investigation of streaming non-autoregressive sequence-to-sequence voice conversion Reviewed

T. Hayashi, K. Kobayashi, T. Toda

Proc. IEEE ICASSP     page： 6802 - 6806   2022.5

Comparison of real-time multi-speaker neural vocoders on CPUs Reviewed

K. Matsubara, T. Okamoto, R. Takashima, T. Takiguchi, T. Toda, H. Kawai

Acoustical Science and Technology, Acoustical Letter   Vol. 43 ( 2 ) page： 121 - 124   2022.3

Neural speech-rate conversion with multispeaker WaveNet vocoder Reviewed

T. Okamoto, K. Matsubara, T. Toda, Y. Shiga, H. Kawai

Speech Communication   Vol. 138   page： 1 - 12   2022.3

S3PRL-VC: open-source voice conversion framework with self-supervised speech representations Reviewed International coauthorship

W.-C. Huang, S.-W. Yang, T. Hayashi, H.-Y. Lee, S. Watanabe, T. Toda

Proc. AAAI-22 Workshop, W35: Self-Supervised Learning for Audio and Speech Processing     page： 5 pages   2022.2

Multi-stream HiFi-GAN with data-driven waveform decomposition Reviewed

T. Okamoto, T. Toda, H. Kawai

Proc. IEEE ASRU     page： 610 - 617   2021.12

On prosody modeling for ASR+TTS based voice conversion Reviewed International coauthorship

W.-C. Huang, T. Hayashi, X. Li, S. Watanabe, T. Toda

Proc. IEEE ASRU     page： 642 - 649   2021.12

Mandarin electrolaryngeal speech voice conversion with sequence-to-sequence modeling Reviewed International coauthorship

M.-C. Yen, W.-C. Huang, K. Kobayashi, Y.-H. Peng, S.-W. Tasi, Y. Tsao, T. Toda, J.-S. R. Jang, H.-M. Wang

Proc. IEEE ASRU     page： 650 - 657   2021.12

HASA-Net: a non-intrusive hearing-aid speech assessment network Reviewed International coauthorship

H.-T. Chiang, Y.-C. Wu, C. Yu, T. Toda, H.-M. Wang, Y.-C. Hu, Y. Tsao

Proc. IEEE ASRU     page： 907 - 913   2021.12

Mandarin electro-laryngeal speech enhancement based on statistical voice conversion and manual tone control Reviewed International coauthorship

Z. Qian, H. Niu, L. Wang, K. Kobayashi, S. Zhang, T. Toda

Proc. APSIPA ASC     page： 546 - 552   2021.12

Noisy-to-noisy voice conversion framework with denoising model Reviewed

C. Xie, Y.-C. Wu, P.L. Tobing, W.-C. Huang, T. Toda

Proc. APSIPA ASC     page： 814 - 820   2021.12

Investigation of text-to-speech-based synthetic parallel data for sequence-to-sequence non-parallel voice conversion Reviewed

D. Ma, W.-C. Huang, T. Toda

Proc. APSIPA ASC     page： 870 - 877   2021.12

Time alignment using lip images for frame-based electrolaryngeal voice conversion Reviewed International coauthorship

Y.-S. Liou, W.-C. Huang, M.-C. Yen, S.-W. Tsai, Y.-H. Peng, T. Toda, Y. Tsao, H.-M. Wang

Proc. APSIPA ASC     page： 1234 - 1238   2021.12

An ensemble approach to anomalous sound detection based on conformer-based autoencoder and binary classifier incorporated with metric learning Reviewed

I. Kuroyanagi, T. Hayashi, Y. Adachi, T. Yoshimura, K. Takeda, T. Toda

Proc. DCASE 2021 Workshop     page： 110 - 114   2021.11

Singing fundamental frequency contour generation using generalized command response model and score-conditional variational autoencoder Reviewed

S. Seki, H. Taga, T. Toda

Proc. IEEE MLSP     page： 1 - 6   2021.10

Singing fundamental frequency contour generation using generalized command response model and score-conditional variational autoencoder Reviewed

S. Seki, H. Taga, T. Toda

Proc. IEEE MLSP     page： 6 pages   2021.10

学習支援サービスの運用とオンデマンド型を中心としたオンライン授業への展開――名古屋大学における事例――

戸田 智基, 大平 茂輝, 後藤 明史, 出口 大輔, 森 健策

電子情報通信学会誌   Vol. 104 ( 8 ) page： 862 - 866   2021.8

Relational data selection for data augmentation of speaker-dependent multi-band MelGAN vocoder Reviewed International coauthorship

Y.-C. Wu, C.-H. Hu, H.-S. Lee, Y.-H. Peng, W.-C. Huang, Y. Tsao, H.-M. Wang, T. Toda

Proc. INTERSPEECH     page： 3630 - 3634   2021.8

High-fidelity and low-latency universal neural vocoder based on multiband WaveRNN with data-driven linear prediction for discrete waveform modeling Reviewed

P.L. Tobing, T. Toda

Proc. INTERSPEECH     page： 2217 - 2221   2021.8

Unified source-filter GAN: unified source-filter network based on factorization of quasi-periodic parallel WaveGAN Reviewed

R. Yoneyama, Y.-C. Wu, T. Toda

Proc. INTERSPEECH     page： 2187 - 2191   2021.8

A preliminary study of a two-stage paradigm for preserving speaker identity in dysarthric voice conversion Reviewed International coauthorship

W.-C. Huang, K. Kobayashi, Y.-H. Peng, C.-F. Liu, Y. Tsao, H.-M. Wang, T. Toda

Proc. INTERSPEECH     page： 1329 - 1333   2021.8

Low-latency real-time non-parallel voice conversion based on cyclic variational autoencoder and multiband WaveRNN with data-driven linear prediction Reviewed

P.L. Tobing, T. Toda

Proc. 11th ISCA Speech Synthesis Workshop (SSW11)     page： 142 - 147   2021.8

Anomalous sound detection using a binary classification model and class centroids Reviewed

I. Kuroyanagi, T. Hayashi, K. Takeda, T. Toda

Proc. EUSIPCO     page： 1995 - 1999   2021.8

Full-band LPCNet: a real-time neural vocoder for 48 kHz audio with a CPU Reviewed

K. Matsubara, T. Okamoto, R. Takashima, T. Takiguchi, T. Toda, Y. Shiga, H. Kawai

IEEE Access   Vol. 9   page： 94923 - 94933   2021.7

Speech recognition by simply fine-tuning BERT Reviewed International coauthorship

W.-C. Huang, C.-H. Wu, S.-B. Luo, K.-Y. Chen, H.-M. Wang, T. Toda

Proc. IEEE ICASSP     page： 7343 - 7347   2021.6

Non-autoregressive sequence-to-sequence voice conversion Reviewed

T. Hayashi, W.-C. Huang, K. Kobayashi, T. Toda

Proc. IEEE ICASSP     page： 7068 - 7072   2021.6

High-intelligibility speech synthesis for dysarthric speakers with LPCNet-based TTS and CycleVAE-based VC Reviewed

K. Matsubara, T. Okamoto, R. Takashima, T. Takiguchi, T. Toda, Y. Shiga, H. Kawai

Proc. IEEE ICASSP     page： 7058 - 7062   2021.6

Speech emotion recognition based on listener adaptive models Reviewed

A. Ando, R. Masumura, H. Sato, T. Moriya, T. Ashihara, Y. Ijima, T. Toda

Proc. IEEE ICASSP     page： 6274 - 6278   2021.6

Noise level limited sub-modeling for diffusion probabilistic vocoders Reviewed

T. Okamoto, T. Toda, Y. Shiga, H. Kawai

Proc. IEEE ICASSP     page： 6029 - 6033   2021.6

Any-to-one sequence-to-sequence voice conversion using self-supervised discrete speech representations Reviewed

W.-C. Huang, Y.-C. Wu, T. Hayashi, T. Toda

Proc. IEEE ICASSP     page： 5944 - 5948   2021.6

Crank: an open-source software for nonparallel voice conversion based on vector-quantized variational autoencoder Reviewed

K. Kobayashi, W.-C. Huang, Y.-C. Wu, P.L. Tobing, T. Hayashi, T. Toda

Proc. IEEE ICASSP     page： 5934 - 5938   2021.6

Speech emotion recognition based on listener-dependent emotion perception models Reviewed

A. Ando, T. Mori, S. Kobashikawa, T. Toda

APSIPA Transactions on Signal and Information Processing   Vol. 10 ( e6 ) page： 1 - 11   2021.4

Quasi-periodic WaveNet: an autoregressive raw waveform generative model with pitch-dependent dilated convolution neural network Reviewed

Y.-C. Wu, T. Hayashi, P.L. Tobing, K. Kobayashi, T. Toda

IEEE/ACM Transactions on Audio, Speech and Language Processing   Vol. 29   page： 1134 - 1148   2021.3

Pretraining techniques for sequence-to-sequence voice conversion Reviewed

W.-C. Huang, T. Hayashi, Y.-C. Wu, H. Kameoka, T. Toda

IEEE/ACM Transactions on Audio, Speech and Language Processing   Vol. 29   page： 745 - 755   2021.2

Quasi-periodic parallel WaveGAN: a non-autoregressive raw waveform generative model with pitch-dependent dilated convolution neural network Reviewed

Y.-C. Wu, T. Hayashi, T. Okamoto, H. Kawai, T. Toda

IEEE/ACM Transactions on Audio, Speech and Language Processing   Vol. 29   page： 792 - 806   2021.2

Many-to-many voice transformer network Reviewed

H. Kameoka, W.-C. Huang, K. Tanaka, T. Kaneko, N. Hojo, T. Toda

IEEE/ACM Transactions on Audio, Speech and Language Processing   Vol. 29   page： 656 - 670   2021.1

Investigation of training data size for real-time neural vocoders on CPUs Reviewed

K. Matsubara, T. Okamoto, R. Takashima, T. Takiguchi, T. Toda, Y. Shiga, H. Kawai

Acoustical Science and Technology, Acoustical Letter   Vol. 42 ( 1 ) page： 65 - 68   2021.1

Cross-lingual voice conversion using cyclic variational auto-encoder and a WaveNet vocoder Reviewed

H. Nakatani, P.L. Tobing, K. Takeda, T. Toda

Proc. APSIPA ASC     page： 520 - 526   2020.12

Phoneme embeddings on predicting fundamental frequency pattern for electrolaryngeal speech Reviewed

M. Eshghi, K. Kobayashi, K. Tanaka, H. Kameoka, T. Toda

Proc. APSIPA ASC     page： 572 - 577   2020.12

ASVspoof 2019: a large-scale public database of synthetic, converted and replayed speech Reviewed International coauthorship

X. Wang, J. Yamagishi, M. Todisco, H. Delgado, A. Nautsch, N. Evans, M. Sahidullah, V. Vestman, T. Kinnunen, K.A. Lee, L. Juvela, P. Alku, Y.-H. Peng, H.-T. Hwang, Y. Tsao, H.-M. Wang, S. Le Maguer, M. Becker, F. Henderson, R. Clark, Y. Zhang, Q. Wang, Y. Jia, K. Onuma, K. Mushika, T. Kaneda, Y. Jiang, L.-J. Liu, Y.-C. Wu, W.-C. Huang, T. Toda, K. Tanaka, H. Kameoka, I. Steiner, D. Matrouf, J.-F. Bonastre, A. Govender, S. Ronanki, J.-X. Zhang, Z.-H. Ling

Computer Speech and Language   Vol. 64 ( Article 101114 ) page： 1 - 27   2020.11

Conformer-based sound event detection with semi-supervised learning and data augmentation Reviewed International coauthorship

K. Miyazaki, T. Komatsu, T. Hayashi, S. Watanabe, T. Toda, K. Takeda

Proc. DCASE 2020 Workshop     page： 100 - 104   2020.11

An evaluation of voice conversion with neural network spectral mapping models and WaveNet vocoder Reviewed

P.L. Tobing, Y.-C. Wu, T. Hayashi, K. Kobayashi, T. Toda

APSIPA Transactions on Signal and Information Processing   Vol. 9 ( e26, ) page： 1 - 14   2020.11

Quasi-periodic parallel WaveGAN vocoder: a non-autoregressive pitch-dependent dilated convolution model for parametric speech generation Reviewed

Y.-C. Wu, T. Hayashi, T. Okamoto, H. Kawai, T. Toda

Proc. INTERSPEECH     page： 3535 - 3539   2020.10

The NU voice conversion system for the Voice Conversion Challenge 2020: on the effectiveness of sequence-to-sequence models and autoregressive neural vocoders Reviewed

W.-C. Huang, P.L. Tobing, Y.-C. Wu, K. Kobayashi, T. Toda

Proc. Joint workshop for the Blizzard Challenge and Voice Conversion Challenge 2020     page： 165 - 169   2020.10

The sequence-to-sequence baseline for the Voice Conversion Challenge 2020: cascading ASR and TTS Reviewed International coauthorship

W.-C. Huang, T. Hayashi, S. Watanabe, T. Toda

Proc. Joint workshop for the Blizzard Challenge and Voice Conversion Challenge 2020     page： 160 - 164   2020.10

Baseline system of Voice Conversion Challenge 2020 with cyclic variational autoencoder and parallel WaveGAN Reviewed

P.L. Tobing, Y.-C. Wu, T. Toda

Proc. Joint workshop for the Blizzard Challenge and Voice Conversion Challenge 2020     page： 155 - 159   2020.10

Predictions of subjective ratings and spoofing assessments of Voice Conversion Challenge 2020 submissions Reviewed International coauthorship

R.K. Das, T. Kinnunen, W.-C. Huang, Z. Ling, J. Yamagishi, Z. Yi, X. Tian, T. Toda

Proc. Joint workshop for the Blizzard Challenge and Voice Conversion Challenge 2020     page： 99 - 120   2020.10

Voice Conversion Challenge 2020 -- intra-lingual semi-parallel and cross-lingual voice conversion -- Reviewed International coauthorship

Z. Yi, W.-C. Huang, X. Tian, J. Yamagishi, R.K. Das, T. Kinnunen, Z. Ling, T. Toda

Proc. Joint workshop for the Blizzard Challenge and Voice Conversion Challenge 2020     page： 80 - 98   2020.10

Cyclic spectral modeling for unsupervised unit discovery into voice conversion with excitation and waveform modeling Reviewed

P.L. Tobing, T. Hayashi, Y.-C. Wu, K. Kobayashi, T. Toda

Proc. INTERSPEECH     page： 4861 - 4865   2020.10

Voice transformer network: sequence-to-sequence voice conversion using transformer with text-to-speech pretraining Reviewed

W.-C. Huang, T. Hayashi, Y.-C. Wu, H. Kameoka, T. Toda

Proc. INTERSPEECH     page： 4676 - 4680   2020.10

Intelligibility enhancement based on speech waveform modification using hearing impairment simulator Reviewed

S. Hikosaka, S. Seki, T. Hayashi, K. Kobayashi, K. Takeda, H. Banno, T. Toda

Proc. INTERSPEECH     page： 4059 - 4063   2020.10

Semi-supervised self-produced speech enhancement and suppression based on joint source modeling of air- and body-conducted signals using variational autoencoder Reviewed

S. Seki, M. Takada, T. Toda

Proc. INTERSPEECH     page： 4039 - 4043   2020.10

A cyclical post-filtering approach to mismatch refinement of neural vocoder for text-to-speech systems Reviewed

Y.-C. Wu, P.L. Tobing, K. Yasuhara, N. Matsunaga, Y. Ohtani, T. Toda

Proc. INTERSPEECH     page： 3540 - 3544   2020.10

Implementation of low-latency electrolaryngeal speech enhancement based on multi-task CLDNN Reviewed

K. Kobayashi, T. Toda

Proc. EUSIPCO     page： 396 - 400   2020.8

Semi-supervised enhancement and suppression of self-produced speech using correspondence between air- and body-conducted signals Reviewed

M. Takada, S. Seki, P.L. Tobing, T. Toda

Proc. EUSIPCO     page： 456 - 460   2020.8

ESPNET-TTS: Uunified, reproducible, and integratable open source end-to-end text-to-speech toolkit Reviewed International coauthorship

T. Hayashi, R. Yamamoto, K. Inoue, T. Yoshimura, S. Watanabe, T. Toda, K. Takeda, Y. Zhang, X. Tan

Proc. IEEE ICASSP     page： 7654 - 7658   2020.5

Efficient shallow WaveNet vocoder using multiple samples output based on Laplacian distribution and linear prediction Reviewed

P.L. Tobing, Y.-C. Wu, T. Hayashi, K. Kobayashi, T. Toda

Proc. IEEE ICASSP     page： 7204 - 7208   2020.5

Transformer-based text-to-speech with weighted forced attention Reviewed

T. Okamoto, T. Toda, Y. Shiga, H. Kawai

Proc. IEEE ICASSP     page： 6729 - 6733   2020.5

Weakly-supervised sound event detection with self-attention Reviewed International coauthorship

K. Miyazaki, T. Komatsu, T. Hayashi, S. Watanabe, T. Toda, K. Takeda

Proc. IEEE ICASSP     page： 66 - 70   2020.5

Non-parallel voice conversion system with WaveNet vocoder and collapsed speech suppression Reviewed

Y.-C. Wu, P.L. Tobing, T. Hayashi, K. Kobayashi, T. Toda

IEEE Access   Vol. 8 ( 1 ) page： 62094 - 62106   2020.4

LMS経由で手書きレポートを返却するWebサービス「かみレポ」の開発・評価 Reviewed

大平 茂輝, 清谷 峻也, 伊藤 瑠哉, 岡本 康佑, 谷川 右京, 出口 大輔, 戸田 智基

情報処理学会論文誌：教育とコンピュータ   Vol. 6 ( 1 ) page： 52 - 68   2020.2

Customer satisfaction estimation in contact center calls based on a hierarchical multi-task model Reviewed

A. Ando, R. Masumura, H. Kamiyama, S. Kobashikawa, Y. Aono, T. Toda

IEEE/ACM Transactions on Audio, Speech, and Language Processing   Vol. 28 ( 1 ) page： 715 - 728   2020.1

Investigation of shallow WaveNet vocoder with Laplacian distribution output Reviewed

P.L. Tobing, T. Hayashi, T. Toda

Proc. IEEE ASRU     page： 176 - 183   2019.12

Tacotron-based acoustic model using phoneme alignment for practical neural text-to-speech synthesis Reviewed

T. Okamoto, T. Toda, Y. Shiga, H. Kawai

Proc. IEEE ASRU     page： 214 - 221   2019.12

Underdetermined source separation based on generalized multichannel variational autoencoder Reviewed

S. Seki, H. Kameoka, L. Li, T. Toda, K. Takeda

IEEE Access   Vol. 7 ( 1 ) page： 168104 - 168115   2019.12

Voice conversion with CycleRNN-based spectral mapping and finely-tuned WaveNet vocoder Reviewed

P.L. Tobing, Y.-C. Wu, T. Hayashi, K. Kobayashi, T. Toda

IEEE Access   Vol. 7 ( 1 ) page： 171114 - 171125   2019.12

機械学習と音声生成：音声波形モデリングの進展

戸田 智基

計測と制御   Vol. 58 ( 12 ) page： 951 - 954   2019.12

Improving singing aid system for laryngectomees with statistical voice conversion and VAE-SPACE Reviewed

L. Li, T. Toda, K. Morikawa, K. Kobayashi, S. Makino

Proc. ISMIR     page： 784 - 790   2019.11

Development of a real-time bionic voice generation system based on statistical excitation prediction Reviewed International coauthorship

F. Ahmadi, K. Kobayashi, T. Toda

Proc. ACM ASSETS     page： 655 - 657   2019.10

Non-parallel voice conversion with cyclic variational autoencoder Reviewed

P.L. Tobing, Y.-C. Wu, T. Hayashi, K. Kobayashi, T. Toda

Proc. INTERSPEECH     page： 674 - 678   2019.9

Quasi-periodic WaveNet vocoder: a pitch dependent dilated convolution model for parametric speech generation Reviewed

Y.-C. Wu, T. Hayashi, P.L. Tobing, K. Kobayashi, T. Toda

Proc. INTERSPEECH     page： 196 - 200   2019.9

Refined WaveNet vocoder for variational autoencoder based voice conversion Reviewed International coauthorship

W.-C. Huang, Y.-C. Wu, H.-T. Hwang, P.L. Tobing, T. Hayashi, K. Kobayashi, T. Toda, Y. Tsao, H.-M. Wang

Proc. EUSIPCO     page： 5 pages   2019.9

Generalized multichannel variational autoencoder for underdetermined source separation Reviewed

S. Seki, H. Kameoka, L. Li, T. Toda, K. Takeda

Proc. EUSIPCO     page： 5 pages   2019.9

Robustness of statistical voice conversion based on direct waveform modification against background sounds Reviewed

Y. Kurita, K. Kobayashi, K. Takeda, T. Toda

Proc. INTERSPEECH     page： 684 - 688   2019.9

統計的手法による音響イベント検出

林 知樹, 戸田 智基

日本音響学会誌   Vol. 75 ( 9 ) page： 532 - 537   2019.9

An investigation of features for fundamental frequency pattern prediction in electrolaryngeal speech enhancement Reviewed

M. Eshghi, K. Tanaka, K. Kobayashi, H. Kameoka, T. Toda

Proc. 10th ISCA Speech Synthesis Workshop (SSW10)     page： 251 - 256   2019.9

Statistical voice conversion with quasi-periodic WaveNet vocoder Reviewed

Y.-C. Wu, T. Hayashi, P.L. Tobing, K. Kobayashi, T. Toda

Proc. 10th ISCA Speech Synthesis Workshop (SSW10)     page： 63 - 68   2019.9

Generalization of spectrum differential based direct waveform modification for voice conversion Reviewed International coauthorship

W.-C. Huang, Y.-C. Wu, K. Kobayashi, Y.-H. Peng, H.-T. Hwang, P.L. Tobing, Y. Tsao, H.-M. Wang, T. Toda

Proc. 10th ISCA Speech Synthesis Workshop (SSW10)     page： 57 - 62   2019.9

Pre-trained text embeddings for enhanced text-to-speech synthesis Reviewed International coauthorship

T. Hayashi, S. Watanabe, T. Toda, K. Takeda, S. Toshniwal, K. Livescu

Proc. INTERSPEECH     page： 4430 - 4434   2019.9

Real-time neural text-to-speech with sequence-to-sequence acoustic model and WaveGlow or single Gaussian WaveRNN vocoders Reviewed

T. Okamoto, T. Toda, Y. Shiga, H. Kawai

Proc. INTERSPEECH     page： 1308 - 1312   2019.9

Investigation of F0 conditioning and fully convolutional networks in variational autoencoder based voice conversion Reviewed International coauthorship

W.-C. Huang, Y.-C. Wu, C.-C. Lo, P.L. Tobing, T. Hayashi, K. Kobayashi, T. Toda, Y. Tsao, H.-M. Wang

Proc. INTERSPEECH     page： 709 - 713   2019.9

Investigations of real-time Gaussian FFTNet and parallel WaveNet neural vocoders with simple acoustic features Reviewed

T. Okamoto, T. Toda, Y. Shiga, H. Kawai

Proc. IEEE ICASSP     page： 7020 - 7024   2019.5

Voice conversion with cyclic recurrent neural network and fine-tuned WaveNet vocoder Reviewed

P.L. Tobing, Y. Wu, T. Hayashi, K. Kobayashi, T. Toda

Proc. IEEE ICASSP     page： 6815 - 6819   2019.5

Scene-dependent anomalous acoustic-event detection based on conditional WaveNet and i-Vector Reviewed

T. Komatsu, T. Hayashi, R. Kondo, T. Toda, K. Takeda

Proc. IEEE ICASSP     page： 870 - 874   2019.5

Environmental sound processing and its applications Invited Reviewed

K. Miyazaki, T. Toda, T. Hayashi, K. Takeda

IEEJ Transactions on Electronics, Information and Systems   Vol. 14 ( 3 ) page： 340 - 351   2019.3

Speech-to-singing voice conversion: the challenges and strategies for improving vocal conversion processes Reviewed International coauthorship

K. Vijayan, H. Li, T. Toda

IEEE Signal Processing Magazine   Vol. 36 ( 1 ) page： 95 - 102   2019.1

An end-to-end model for cross-lingual transformation of paralinguistic information Reviewed

T. Kano, S. Takamichi, S. Sakti, G. Neubig, T. Toda, S. Nakamura

Machine Translation   Vol. 32 ( 4 ) page： 353 - 368   2018.12

Back-translation-style data augmentation for end-to-end ASR Reviewed International coauthorship

T. Hayashi, S. Watanabe, Y. Zhang, T. Toda, T. Hori, R. Astudillo, K. Takeda

Proc. IEEE SLT     page： 426 - 433   2018.12

Improving FFTNet vocoder with noise shaping and subband approaches Reviewed

T. Okamoto, T. Toda, Y. Shiga, H. Kawai

Proc. IEEE SLT     page： 304 - 311   2018.12

An evaluation of deep spectral mappings and WaveNet vocoder for voice conversion Reviewed

P.L. Tobing, T. Hayashi, Y. Wu, K. Kobayashi, T. Toda

Proc. IEEE SLT     page： 297 - 303   2018.12

Daily activity recognition based on recurrent neural network using multi-modal signals Reviewed

A. Tamamori, T. Hayashi, T. Toda, K. Takeda

APSIPA Transactions on Signal and Information Processing   Vol. 7 ( e21 ) page： 1 - 11   2018.12

Self-produced speech enhancement and suppression method using air- and body-conductive microphones Reviewed

M. Takada, S. Seki, T. Toda

Proc. APSIPA ASC     page： 1240 - 1245   2018.11

Connectionist temporal classification-based sound event encoder for converting sound events into onomatopoeia representations Reviewed

K. Miyazaki, T. Hayashi, T. Toda, K. Takeda

Proc. EUSIPCO     page： 857 - 861   2018.9

音声翻訳システムにおける音声変換の利用

高道 慎之介, 戸田 智基

日本音響学会誌   Vol. 74 ( 9 ) page： 535 - 538   2018.9

Designing a pneumatic bionic voice prosthesis - statistical approach for source excitation generation Reviewed International coauthorship

F. Ahmadi, T. Toda

Proc. INTERSPEECH     page： 3142 - 3146   2018.9

Audio-visual voice conversion using deep canonical correlation analysis for deep bottleneck features Reviewed

S. Tamura, K. Horio, H. Endo, S. Hayamizu, T. Toda

Proc. INTERSPEECH     page： 2469 - 2473   2018.9

Frequency domain variants of velvet noise and their application to speech processing and synthesis Reviewed

H. Kawahara, K. Sakakibara, M. Morise, H. Banno, T. Toda, T. Irino

Proc. INTERSPEECH     page： 2027 - 2031   2018.9

Collapsed segment detection and reduction for WaveNet vocoder Reviewed

Y. Wu, K. Kobayashi, T. Hayashi, P.L. Tobing, T. Toda

Proc. INTERSPEECH     page： 1998 - 1992   2018.9

Multi-Head Decoder for end-to-end speech recognition Reviewed International coauthorship

T. Hayashi, S. Watanabe, T. Toda, K. Takeda

Proc. INTERSPEECH     page： 801 - 805   2018.9

Anomalous sound event detection based on WaveNet Reviewed

T. Hayashi, T. Komatsu, R. Kondo, T. Toda, K. Takeda

Proc. EUSIPCO     page： 2508 - 2512   2018.9

Electrolarygeal speech enhancement with statistical voice conversion based on CLDNN Reviewed

K. Kobayashi, T. Toda

Proc. EUSIPCO     page： 2129 - 2133   2018.9

Stereophonic music separation based on non-negative tensor factorization with cepstral distance regularization Reviewed

S. Seki, T. Toda, K. Takeda

IEICE Transactions on Fundamentals   Vol. E101-A ( 7 ) page： 1057 - 1064   2018.7

A spoofing benchmark for the 2018 voice conversion challenge: leveraging from spoofing countermeasures for speech artifact assessment Reviewed International coauthorship

T. Kinnunen, J. Lorenzo-Trueba, J. Yamagishi, T. Toda, D. Saito, F. Villavicencio, Z. Ling

Proc. Odyssey 2018     page： 187 - 194   2018.6

NU voice conversion system for the voice conversion challenge 2018 Reviewed

P.L. Tobing, Y. Wu, T. Hayashi, K. Kobayashi, T. Toda

Proc. Odyssey 2018     page： 219 - 226   2018.6

The NU non-parallel voice conversion system for the voice conversion challenge 2018 Reviewed

Y. Wu, P.L. Tobing, T. Hayashi, K. Kobayashi, T. Toda

Proc. Odyssey 2018     page： 211 - 218   2018.6

sprocket: open-source voice conversion software Reviewed

K. Kobayashi, T. Toda

Proc. Odyssey 2018     page： 203 - 210   2018.6

The voice conversion challenge 2018: promoting development of parallel and nonparallel methods Reviewed International coauthorship

J. Lorenzo-Trueba, J. Yamagishi, T. Toda, D. Saito, F. Villavicencio, T. Kinnunen, Z. Ling

Proc. Odyssey 2018     page： 195 - 202   2018.6

Intra-gender statistical singing voice conversion with direct waveform modification using log-spectral differential Reviewed

K. Kobayashi, T. Toda, S. Nakamura

Speech Communication   Vol. 99   page： 211 - 220   2018.5

An investigation of subband WaveNet vocoder covering entire audible frequency range with limited acoustic features Reviewed

T. Okamoto, K. Tachibana, T. Toda, Y. Shiga, H. Kawai

Proc. IEEE ICASSP     page： 5654 - 5658   2018.4

Development of "KamiRepo" system with automatic student identification to handle handwritten assignments on LMS Reviewed

S. Seiya, R. Ito, K. Okamoto, U. Tanikawa, S. Ohira, D. Deguchi, T. Toda

Proc. IEEE EDUCON     page： 841 - 848   2018.4

An investigation of noise shaping with perceptual weighting for WaveNet-based speech generation Reviewed

K. Tachibana, T. Toda, Y. Shiga, H. Kawai

Proc. IEEE ICASSP     page： 5664 - 5668   2018.4

Deep neural network-based power spectrum reconstruction to improve quality of vocoded speech with limited acoustic parameters Reviewed

T. Okamoto, K. Tachibana, T. Toda, Y. Shiga, H. Kawai

Acoustical Science and Technology, Acoustical Letter   Vol. 39 ( 2 ) page： 163 - 166   2018.3

統計的声質変換ソフトウェア入門 Invited Reviewed

戸田 智基, 小林 和弘

システム/制御/情報   Vol. 62 ( 2 ) page： 69 - 75   2018.2

Daily activity recognition with large-scaled real-life recording datasets based on deep neural network using multi-modal signals Reviewed

T. Hayashi, M. Nishida, N. Kitaoka, T. Toda, K. Takeda

IEICE Transactions on Fundamentals   Vol. E101-A ( 1 ) page： 199 - 210   2018.1

Electrolaryngeal speech modification towards singing aid system for laryngectomees Reviewed

K. Morikawa, T. Toda

Proc. APSIPA ASC     page： 1 - 4   2017.12

Articulatory controllable speech modification based on statistical inversion and production mappings Reviewed

P.L. Tobing, K. Kobayashi, T. Toda

IEEE/ACM Transactions on Audio, Speech, and Language Processing   Vol. 25 ( 12 ) page： 2337 - 2350   2017.12

An investigation of multi-speaker training for WaveNet vocoder Reviewed

T. Hayashi, A. Tamamori, K. Kobayashi, K. Takeda, T. Toda

Proc. IEEE ASRU     page： 712 - 718   2017.12

Subband WaveNet with overlapped single-sideband filterbanks Reviewed

T. Okamoto, K. Tachibana, T. Toda, Y. Shiga, H. Kawai

Proc. IEEE ASRU     page： 698 - 704   2017.12

Accurate estimation of fo and aperiodicity based on periodicity detector residuals and deviations of phase derivatives Reviewed

H. Kawahara, K. Sakakibara, M. Morise, H. Banno, T. Toda

Proc. APSIPA ASC     page： 1 - 9   2017.12

An investigation of how to design control parameters for statistical voice timbre control Reviewed

K. Kubo, K. Kobayashi, T. Toda, G. Neubig, S. Sakti, S. Nakamura

Proc. APSIPA ASC     page： 1 - 4   2017.12

Investigation of effectiveness on recurrent neural network for daily activity recognition using multi-modal signals Invited Reviewed

A. Tamamori, T. Hayashi, T. Toda, K. Takeda

Proc. APSIPA ASC     page： 1 - 7   2017.12

Deep acoustic-to-articulatory inversion mapping with latent trajectory modeling Reviewed

P.L. Tobing, H. Kameoka, T. Toda

Proc. APSIPA ASC     page： 1 - 4   2017.12

Duration-controlled LSTM for polyphonic sound event detection Reviewed International coauthorship

T. Hayashi, S. Watanabe, T. Toda, T. Hori, J. Le Roux, K. Takeda

IEEE/ACM Transactions on Audio, Speech, and Language Processing   Vol. 25 ( 11 ) page： 2059 - 2070   2017.11

Missing component restoration for masked speech signals based on time-domain spectrogram factorization Reviewed

S. Seki, H. Kameoka, T. Toda, K. Takeda.

Proc. IEEE MLSP     page： 6 pages   2017.9

A vibration control method of an electrolarynx based on statistical F0 pattern prediction Reviewed

K. Tanaka, T. Toda, S. Nakamura

IEICE Transactions on Information and Systems   Vol. E100-D ( 9 ) page： 2165 - 2173   2017.9

Statistical voice conversion with WaveNet-based waveform generation Reviewed

K. Kobayashi, T. Hayashi, A. Tamamori, T. Toda

Proc. INTERSPEECH     page： 1138 - 1142   2017.8

Speaker-dependent WaveNet vocoder Reviewed

A. Tamamori, T. Hayashi, K. Kobayashi, K. Takeda, T. Toda

Proc. INTERSPEECH     page： 1118 - 1122   2017.8

Physically constrained statistical F0 prediction for electrolaryngeal speech enhancement Reviewed

K. Tanaka, H. Kameoka, T. Toda, S. Nakamura

Proc. INTERSPEECH     page： 1069 - 1073   2017.8

A modulation property of time-frequency derivatives of filtered phase and its application to aperiodicity and FO estimation Reviewed

H. Kawahara, K. Sakakibara, M. Morise, H. Banno, T. Toda

Proc. INTERSPEECH     page： 424 - 428   2017.8

A new cosine series antialiasing function and its application to aliasing-free glottal source models for speech and singing synthesis Reviewed

H. Kawahara, K. Sakakibara, H. Banno, M. Morise, T. Toda, T. Irino

Proc. INTERSPEECH     page： 1358 - 1362   2017.8

Stereophonic music separation based on non-negative tensor factorization with cepstrum regularization Reviewed

S. Seki, T. Toda, K. Takeda

Proc. EUSIPCO     page： 1011 - 1015   2017.8

Speech enhancement using non-negative spectrogram models with mel-generalized cepstral regularization Reviewed

L. Li, H. Kameoka, T. Toda, S. Makino

Proc. INTERSPEECH     page： 1998 - 2002   2017.8

Preserving word-level emphasis in speech-to-speech translation Reviewed

Q. Truong Do, T. Toda, G. Neubig, S. Sakti, S. Nakamura

IEEE/ACM Transactions on Audio, Speech and Language Processing   Vol. 25 ( 3 ) page： 544 - 556   2017.3

A noise suppression method for body-conducted soft speech based on non-negative tensor factorization of air- and body-conducted signals Reviewed

Y. Tajiri, H. Kameoka, T. Toda

Proc. IEEE ICASSP     page： 4960 - 4964   2017.3

BLSTM-HMM hybrid system combined with sound activity detection network for polyphonic sound event detection Reviewed International coauthorship

T. Hayashi, S. Watanabe, T. Toda, T. Hori, J. Le Roux, K. Takeda

Proc. IEEE ICASSP     page： 766 - 770   2017.3

中間言語情報を記憶するピボット翻訳手法 Reviewed

三浦 明波, Graham Neubig, Sakriani Sakti, 戸田 智基, 中村 哲

自然言語処理   Vol. 23 ( 5 ) page： 499 - 528   2016.12

Non-native text-to-speech preserving speaker individuality based on partial correction of prosodic and phonetic characteristics Reviewed

Y. Oshima, S. Takamichi, T. Toda, G. Neubig, S. Sakti, S. Nakamura

IEICE Transactions on Information and Systems   Vol. E99-D ( 12 ) page： 3132 - 3139   2016.12

F0 transformation techniques for statistical voice conversion with direct waveform modification with spectral differential Reviewed

K. Kobayashi, T. Toda, S. Nakamura

Proc. IEEE SLT     page： 693 - 700   2016.12

Learning cooperative persuasive dialogue policies using framing Reviewed

T. Hiraoka, G. Neubig, S. Sakti, T. Toda, S. Nakamura

Speech Communication   Vol. 84   page： 83 - 96   2016.11

Improvements of voice timbre control based on perceived age in singing voice conversion Reviewed

K. Kobayashi, T. Toda, T. Nakano, M. Goto, S. Nakamura

IEICE Transactions on Information and Systems   Vol. E99-D ( 11 ) page： 2767 - 2777   2016.11

Investigation on recurrent neural network architectures for daily activity recognition Reviewed

A. Tamamori, T. Hayashi, T. Toda, K. Takeda

Proc. UV2016     page： 1 - 4   2016.10

A statistical sample-based approach to GMM-based voice conversion using tied-covariance acoustic models Reviewed

S. Takamichi, T. Toda, G. Neubig, S. Sakti, S. Nakamura

IEICE Transactions on Information and Systems   Vol. E99-D ( 10 ) page： 2490 - 2498   2016.10

A hybrid system for continuous word-level emphasis modeling based on HMM state clustering and adaptive training Reviewed

Q. Truong Do, T. Toda, G. Neubig, S. Sakti, S. Nakamura

Proc. INTERSPEECH     page： 3196 - 3200   2016.9

Nonaudible murmur enhancement based on statistical voice conversion and noise suppression with external noise monitoring Reviewed

Y. Tajiri, T. Toda

Proc. 9th ISCA Speech Synthesis Workshop (SSW9)     page： 54 - 60   2016.9

Acoustic-to-articulatory inversion mapping based on latent trajectory Gaussian mixture model Reviewed

P.L. Tobing, T. Toda, H. Kameoka, S. Nakamura

Proc. INTERSPEECH     page： 953 - 957   2016.9

The Voice Conversion Challenge 2016 Reviewed International coauthorship

T. Toda, L.-H. Chen, D. Saito, F. Villavicencio, M. Wester, Z. Wu, J. Yamagishi

Proc. INTERSPEECH     page： 1632 - 1636   2016.9

The NU-NAIST voice conversion system for the Voice Conversion Challenge 2016 Reviewed

K. Kobayashi, S. Takamichi, S. Nakamura, T. Toda

Proc. INTERSPEECH     page： 1667 - 1671   2016.9

Model integration for HMM- and DNN-based speech synthesis using Product-of-Experts framework Reviewed

K. Tachibana, T. Toda, Y. Shiga, H. Kawai

Proc. INTERSPEECH     page： 2288 - 2292   2016.9

Removing noise from event-related potentials using a probabilistic generative model with grouped covariance matrices Reviewed

H. Maki, T. Toda, S. Sakti, G. Neubig, S. Nakamura

Proc. IEEE EMBC     page： 1 - 4   2016.8

Real-time vibration control of an electrolarynx based on statistical F0 contour prediction Reviewed

K. Tanaka, T. Toda, G. Neubig, S. Nakamura

Proc. EUSIPCO     page： 1333 - 1337   2016.8

Teaching social communication skills through human-agent interaction Reviewed

H. Tanaka, S. Sakti, G. Neubig, T. Toda, H. Negoro, H. Iwasaka, S. Nakamura

ACM Transactions on Interactive Intelligent Systems   Vol. 6 ( 2 ) page： 1 - 23   2016.8

Bidirectional LSTM-HMM hybrid system for polyphonic sound event detection Reviewed International coauthorship

T. Hayashi, S. Watanabe, T. Toda, T. Hori, J. Le Roux, K. Takeda

Proc. DCASE2016 workshop     page： 1 - 5   2016.8

Enhancing event-related potentials based on maximum a posteriori estimation with a spatial correlation prior Reviewed

H. Maki, T. Toda, S. Sakti, G. Neubig, S. Nakamura

IEICE Transactions on Information and Systems   Vol. E99-D ( 6 ) page： 1410 - 1419   2016.6

はじめての音声変換

戸田 智基

日本音響学会誌   Vol. 72 ( 6 ) page： 324 - 331   2016.6

Anti-spoofing for text-independent speaker verification: an initial database, comparison of countermeasures, and human performance Reviewed International coauthorship

Z. Wu, P. De Leon, C. Demiroglu, A. Khodabakhsh, S. King, Z.-H. Ling, D. Saito, B. Stewart, T. Toda, M. Wester, J. Yamagishi

IEEE/ACM Transactions on Audio, Speech and Language Processing   Vol. 24 ( 4 ) page： 768 - 783   2016.4

Post-filters to modify the modulation spectrum for statistical parametric speech synthesis Reviewed International coauthorship

S. Takamichi, T. Toda, A.W. Black, G. Neubig, S. Sakti, S. Nakamura

IEEE/ACM Transactions on Audio, Speech and Language Processing   Vol. 24 ( 4 ) page： 755 - 767   2016.4

Implementation of F0 transformation for statistical singing voice conversion based on direct waveform modification Reviewed

K. Kobayashi, T. Toda, S. Nakamura

Proc. IEEE ICASSP     page： 5670 - 5674   2016.3

An estimation method of voice timbre evaluation values using feature extraction with Gaussian mixture model based on reference singer Reviewed

S. Yamane, K. Kobayashi, T. Toda, T. Nakano, M. Goto, S. Nakamura

Proc. IEEE ICASSP     page： 5265 - 5269   2016.3

Statistical F0 prediction for electrolaryngeal speech enhancement considering generative process of F0 contours within product of experts framework Reviewed

K. Tanaka, H. Kameoka, T. Toda, S. Nakamura

Proc. IEEE ICASSP     page： 5665 - 5669   2016.3

Noise suppression method for body-conducted soft speech enhancement based on external noise monitoring Reviewed

Y. Tajiri, T. Toda, S. Nakamura

Proc. IEEE ICASSP     page： 5935 - 5939   2016.3

A dialog system to detect deception Reviewed

Y. Tsunomori, G. Neubig, T. Hiraoka, M. Mizukami, S. Sakti, T. Toda, S. Nakamura

Proc. IWSDS     page： 1 - 6   2016.1

機械翻訳システムの誤り分析のための誤り箇所選択手法 Reviewed

赤部 晃一, Graham Neubig, Sakriani Sakti, 戸田 智基, 中村 哲

自然言語処理   Vol. 23 ( 1 ) page： 88 - 117   2016.1

Example based dialogue system based on satisfaction prediction Reviewed

  Vol. 31 ( 1 ) page： 1 - 12   2016.1

Active learning for example-based dialog systems Reviewed

T. Hiraoka, G. Neubig, K. Yoshino, T. Toda, S. Nakamura

Proc. IWSDS     page： 1 - 11   2016.1

Improving translation of emphasis with pause prediction in speech-to-speech translation systems Reviewed

Q. Truong Do, S. Sakti, G. Neubig, T. Toda, S. Nakamura

Proc. IWSLT     page： 204 - 208   2015.12

Semantic parsing of ambiguous input through paraphrasing and verification Reviewed

P. Arthur, G. Neubig, S. Sakti, T. Toda, S. Nakamura

Transactions of the Association for Computational Linguistics   Vol. 3   page： 571 - 584   2015.12

Adaptive selection from multiple response candidates in example-based dialogue Reviewed

M. Mizukami, H. Kizuki, T. Nomura, G. Neubig, K. Yoshino, S. Sakti, T. Toda, S. Nakamura

Proc. IEEE ASRU     page： 784 - 790   2015.12

A study of social-affective communication: automatic prediction of emotion triggers and responses in television talk shows Reviewed

N. Lubis, S. Sakti, G. Neubig, K. Yoshino, T. Toda, S. Nakamura

Proc. IEEE ASRU     page： 777 - 783   2015.12

The NAIST ASR system for the 2015 Multi-Genre Broadcast Challenge: on combination of deep learning systems using a rank-score function Reviewed

Q. Truong Do, M. Heck, S. Sakti, G. Neubig, T. Toda, S. Nakamura

Proc. IEEE ASRU     page： 654 - 659   2015.12

Incremental sentence compression using LSTM recurrent networks Reviewed International coauthorship

S. Sakti, F. Ilham, G. Neubig, T. Toda, Purwarianti, S. Nakamura

Proc. IEEE ASRU     page： 252 - 258   2015.12

Aliasing-free implementation of discrete-time glottal source models and their applications to speech synthesis and F0 extractor evaluation Reviewed

H. Kawahara, K. Sakakibara, H. Banno, M. Morise, T. Toda, T. Irino

Proc. APSIPA ASC     page： 520 - 529   2015.12

Pseudogen: a tool to automatically generate pseudo-code from source code Reviewed

H. Fudaba, Y. Oda, K. Akabe, G. Neubig, H. Hata, S. Sakti, T. Toda, S. Nakamura

Proc. ASE     page： 1 - 6   2015.11

Learning to generate pseudo-code from source code using statistical machine translation Reviewed

Y. Oda, H. Fudaba, G. Neubig, H. Hata, S. Sakti, T. Toda, S. Nakamura

Proc. ASE     page： 1 - 11   2015.11

An enhanced electrolarynx with automatic fundamental frequency control based on statistical prediction Reviewed

K. Tanaka, T. Toda, G. Neubig, S. Sakti, S. Nakamura

Proc. ASSETS     page： 435 - 436   2015.10

Construction and analysis of social-affective interaction corpus in English and Indonesian Reviewed

N. Lubis, S. Sakti, G. Neubig, T. Toda, S. Nakamura

Proc. O-COCOSDA     page： 202 - 206   2015.10

An investigation of machine translation evaluation metrics in cross-lingual question answering Reviewed

K. Sugiyama, M. Mizukami, G. Neubig, K. Yoshino, S. Sakti, T. Toda, S. Nakamur

Proc. 10th Workshop on Statistical Machine Translation     page： 442 - 449   2015.9

Preserving word-level emphasis in speech-to-speech translation using linear regression HSMMs Reviewed

D.Q. Truong, S. Takamichi, S. Sakti, G. Neubig, T. Toda, S. Nakamura

Proc. INTERSPEECH     page： 3665 - 3669   2015.9

Articulatory controllable speech modification based on Gaussian mixture models with direct waveform modification using spectrum differential Reviewed

P.L. Tobing, K. Kobayashi, T. Toda, G. Neubig, S. Sakti, S. Nakamura

Proc. INTERSPEECH     page： 3350 - 3354   2015.9

Non-audible murmur enhancement based on statistical conversion using air- and body-conductive microphones in noisy environments Reviewed

Y. Tajiri, K. Tanaka, T. Toda, G. Neubig, S. Sakti, S. Nakamura

Proc. INTERSPEECH     page： 2769 - 2773   2015.9

Statistical singing voice conversion based on direct waveform modification with global variance Reviewed

K. Kobayashi, T. Toda, G. Neubig, S. Sakti, S. Nakamura

Proc. INTERSPEECH     page： 2754 - 2758   2015.9

A latent variable model for joint pause prediction and dependency parsing Reviewed

T.T. Nguyen, G. Neubig, H. Shindo, S. Sakti, T. Toda, S. Nakamura

Proc. INTERSPEECH     page： 2719 - 2723   2015.9

Speed or accuracy? a study in evaluation of simultaneous speech translation Reviewed

T. Mieno, G. Neubig, S. Sakti, T. Toda, S. Nakamura

Proc. INTERSPEECH     page： 2267 - 2271   2015.9

Modulation spectrum-constrained trajectory training algorithm for HMM-based speech synthesis Reviewed International coauthorship

S. Takamichi, T. Toda, A.W. Black, S. Nakamura

Proc. INTERSPEECH     page： 1206 - 1210   2015.9

Non-native speech synthesis preserving speaker individuality based on partial correction of prosodic and phonetic characteristics Reviewed

Y. Oshima, S. Takamichi, T. Toda, G. Neubig, S. Sakti, S. Nakamura

Proc. INTERSPEECH     page： 299 - 303   2015.9

The NAIST text-to-speech system for the Blizzard Challenge 2015 Reviewed

S. Takamichi, K. Kobayashi, K. Tanaka, T. Toda, S. Nakamura

Proc. Blizzard Challenge Workshop     page： 1 - 4   2015.9

Prosody-controllable HMM-based speech synthesis using speech input Reviewed

Y. Nishigaki, S. Takamichi, T. Toda, G. Neubig, S. Sakti, S. Nakamura

Proc. MLSLP     page： 1 - 5   2015.9

シンギュラリティ 限界突破を目指した最先端研究・声とその表情を生み出すコンピュータ

戸田 智基（ Role： Contributor）

近代科学者  2016.2 

F0制御可能な有限インパルス応答に基づく高速ニューラルボコーダ

大谷 大和, 岡本 拓磨, 戸田 智基, 河井 恒

日本音響学会研究発表会 

テキストスタイル変換を用いた話し言葉音声合成

吉岡 大貴，安田 裕介，戸田 智基

日本音響学会研究発表会 

生成的異常音検知における識別的近傍平滑化

藤村 拓弥, 戸田 智基

日本音響学会研究発表会 

深層情報埋め込み・検出に基づくプロアクティブ型ディープフェイク音声検知

尹 道鉉, 戸田 智基

日本音響学会研究発表会 

ConvNeXt型超高速End-to-end音声合成・声質変換モデル

岡本 拓磨, 大谷 大和, 戸田 智基, 河井 恒

日本音響学会研究発表会 

リアルタイム音声変換における聴覚フィードバックの影響に関する調査

丹羽 希碩, 小林 和弘, 戸田 智基

日本音響学会研究発表会 

クラウドソーシングを用いた大規模比較評価のための評価ペアの組み合わせと評価数のオンライン最適化

安田 裕介，戸田 智基

日本音響学会研究発表会 

音声生成に関する情報処理技術の研究事例

戸田 智基

第76回人工知能セミナー「音声AIを支える基盤技術の最前線」, 人工知能研究センター 

Enhancing recognition of rare words in ASR through error detection and context-aware error correction

J. He, Z. Yang, T. Toda

電子情報通信学会音声研究会 

Electrolaryngeal speech enhancement through strong linguistic encoding methods

L.P. Violeta, W.-C. Huang, D. Ma, R. Yamamoto, K. Kobayashi, T. Toda

電子情報通信学会音声研究会 

Sequence-to-sequence voice conversion for electrolaryngeal speech enhancement with multi-stage pretraining and fine-tuning techniques

D. Ma, L.P. Violeta, K. Kobayashi, T. Toda

電子情報通信学会音声研究会 

End-to-End系列変換型声質変換への高速ニューラル波形生成モデル導入の検討," 音講論, 2-Q-47, pp. 1295-1298, Sep. 2023.

山下 陽生, 岡本 拓磨, 高島 遼一, 大谷 大和, 滝口 哲也, 戸田 智基, 河井 恒

日本音響学会研究発表会 

F0予測・波形生成ネットワークの一貫学習によるメルスペクトログラム入力型F0制御可能ニューラルボコーダ

清水 聡太, 岡本 拓磨, 高島 遼一, 大谷 大和, 滝口 哲也, 戸田 智基, 河井 恒

日本音響学会研究発表会 

NNSVS: ニューラルネットワークに基づく歌声合成のためのオープンソースソフトウェア

山本 龍一, 米山 怜於, 戸田 智基

日本音響学会研究発表会 

複数話者テキスト音声合成における話者ベクトルの安定化に関する検討

日田 光紀, 岡本 拓磨, 西村 竜一, 大谷 大和, 戸田 智基, 河井 恒

日本音響学会研究発表会 

注意機構付きVAEを用いたテキスト発話スタイル変換における少量パラレルデータの活用

吉岡 大貴, 安田 裕介, 戸田 智基

日本音響学会研究発表会 

音メディアコミュニケーションにおける共創型機能拡張技術の創出 Invited

戸田 智基

JST CREST「人間と情報環境の共生インタラクション基盤技術の創出と展開」領域, 中間報告シンポジウム－共生インタラクション研究が創る新しい未来社会デザイン－ 

パラ言語音声翻訳のための音声合成技術 ～ノンパラレル音声言語表情変換～ ～多様な音調とスタイルを持つ言語・非言語音声合成～ Invited

戸田 智基, 高道 慎之介

多元自動通訳研究シンポジウム2023 

個別楽器音に基づいた楽曲間類似度のための分離表現学習

橋爪 優果, 李 莉, 宮下 敦志, 戸田 智基

情報処理学会 音楽情報科学研究発表会 

A comparative study of self-supervised speech representation based voice conversion International coauthorship International conference

W.-C. Huang, S.-W. Yang, T. Hayashi, T. Toda

Investigation of Japanese PnG BERT Language Model in Text-to-Speech Synthesis for Pitch Accent Language International conference

Y. Yasuda, T. Toda

音声情報処理の最先端から見える未来 Invited

戸田 智基

第64回日本神経学会学術大会 シンポジウム「脳神経内科領域でのAIの未来：基礎研究から臨床応用まで」 

x-vectorと音声認識コーパスを用いた多様な発話スタイルに対応する複数話者テキスト音声合成の評価

日田 光紀, 岡本 拓磨, 西村 竜一, 大谷 大和, 戸田 智基，河井 恒

電子情報通信学会音声研究会 

全結合層型アップサンプリングを導入した高速ニューラル波形生成モデル

山下 陽生, 岡本 拓磨, 高島 遼一, 大谷 大和, 滝口 哲也, 戸田 智基，河井 恒

電子情報通信学会音声研究会 

MS-Harmonic-Net++ vs SiFi-GAN: 基本周波数制御可能な高速ニューラル波形生成モデルの比較

清水 聡太, 岡本 拓磨, 高島 遼一, 大谷 大和, 滝口 哲也, 戸田 智基，河井 恒

電子情報通信学会音声研究会 

トークン表現を用いたギター自動採譜における系列変換ネットワークの学習法

金 世訓, 武田 一哉, 戸田 智基

情報処理学会 音楽情報科学研究発表会 

DNN音声強調におけるNoisy-target Trainingの分析と実応用に向けた調査

藤村 拓弥, 戸田 智基

電子情報通信学会応用音響研究会 

サイクル学習を用いた注意機構付きVAEによるテキスト発話スタイル変換

吉岡 大貴, 安田 裕介, 松永 悟行, 大谷 大和, 戸田 智基

日本音響学会研究発表会 

合成音声の主観評価結果の統計的解析

安田 裕介, 戸田 智基

日本音響学会研究発表会 

SiFi-GAN：音源フィルタ構造に基づくHiFi-GAN

米山 怜於, Y.-C. Wu, 戸田 智基

日本音響学会研究発表会 

Harmonic-Net++: 基本周波数制御可能なメルスペクトログラム入力型高速ニューラルボコーダ

清水 聡太, 岡本 拓磨, 高島 遼一, 滝口 哲也, 戸田 智基, 河井 恒

日本音響学会研究発表会 

End-to-End系列変換型声質変換の高速化およびノンネイティブ話者変換の検討

山下 陽生, 岡本 拓磨, 高島 遼一, 滝口 哲也, 戸田 智基, 河井 恒

日本音響学会研究発表会 

E2E-S2S-VC：End-to-end系列変換型声質変換

岡本 拓磨, 戸田 智基, 河井 恒

日本音響学会研究発表会 

音声認識用コーパスを用いた複数話者テキスト音声合成における高品質化の検討

日田 光紀, 岡本 拓磨, 西村 竜一, 戸田 智基, 河井 恒

日本音響学会研究発表会 

大規模雑音混入音声データを利用したDNN音声強調学習の効果

藤村 拓弥, 戸田 智基

日本音響学会研究発表会 

基本周波数制御可能な高速ニューラル波形生成モデルの比較

清水 聡太, 岡本 拓磨, 高島 遼一, 滝口 哲也, 戸田 智基, 河井 恒

電子情報通信学会音声研究会 

リー群論に基づく一般化ワーピング

宮下 敦志, 戸田 智基

電子情報通信学会音声研究会 

MS-FC-HiFi-GAN：学習可能な軽量アップサンプリングを用いた高速ニューラル波形生成モデル

山下 陽生, 岡本 拓磨, 高島 遼一, 滝口 哲也, 戸田 智基, 河井 恒

電子情報通信学会音声研究会 

名古屋大学における学生の利便性向上を目指したLMS連携システムの開発

澤田 桂都, 山本 実央, 木迫 璃玖, 大平 茂輝, 後藤 明史, 戸田 智基

大学ICT推進協議会 2022年度年次大会 

内容語保存機構を備えた変分自己符号化器に基づくテキスト発話スタイル変換

吉岡 大貴, 安田 裕介, 松永 悟行, 大谷 大和, 戸田 智基

情報処理学会 音声言語情報処理研究会 

異常音検知に対する深層学習適用事例

戸田 智基

第144回ロボット工学セミナー「ロボットのための音声・音響処理技術」, 日本ロボット学会 

注意機構付きVAEを用いたテキスト発話スタイル変換の改良

吉岡 大貴, 安田 裕介, 松永 悟行, 大谷 大和, 戸田 智基

日本音響学会研究発表会 

深層生成モデルに基づく音声合成技術

戸田 智基

第21回情報科学技術フォーラム（FIT2022） 

Direction-aware target speaker extraction with conditional variational autoencoders and its sensitivity to direction-of-arrival error

R. Wang, L. Li, T. Toda

DNN音声強調におけるNoisy-target Trainingの挙動分析

藤村 拓弥, 戸田 智基

日本音響学会研究発表会 

FC-HiFi-GAN：全結合層型アップサンプリングを導入した高速HiFi-GAN

山下 陽生, 岡本 拓磨, 高島 遼一, 滝口 哲也, 戸田 智基, 河井 恒

日本音響学会研究発表会 

Sequence-wise parameter extraction of quasi-harmonic model for speech waveform generation

S. Chen, T. Toda

Harmonic-Net+：高調波入力とLayerwise-Quasi-Periodic畳み込みを用いた基本周波数制御可能な高速ニューラルボコーダ

松原 圭亮, 岡本 拓磨, 高島 遼一, 滝口 哲也, 戸田 智基, 河井 恒

日本音響学会研究発表会 

基本周波数制御可能なメルスペクトログラム入力型HiFi-GANの初期検討

清水 聡太, 岡本 拓磨, 高島 遼一, 滝口 哲也, 戸田 智基, 河井 恒

日本音響学会研究発表会 

Three-stage voice conversion framework for noisy and reverberant speech

Y. Choi, C. Xie, T. Toda

Sequence-to-sequence voice conversion training using synthetic parallel data for electrolaryngeal speech enhancement

D. Ma, L.P. Violeta, K. Kobayashi, T. Toda

音声認識コーパスを用いた高品質複数話者テキスト音声合成に向けたニューラルボコーダによる帯域拡張

日田 光紀, 岡本 拓磨, 西村 竜一, 戸田 智基, 河井 恒

日本音響学会研究発表会 

Interpretable emotional control for text-to-speech system toward development of sympathetic educational-support robots

J. Feng, T. Yoshikawa, T. Toda

A comparison of pretraining frameworks for improving pathological speech recognition

L.P. Violeta, W.-C. Huang, T. Toda

拡散確率モデルとアライメントモデルを用いた潜在特徴系列変換に基づくテキスト音声合成

安田 裕介, 戸田 智基

日本音響学会研究発表会 

構音障害者のための高明瞭度音声合成におけるHiFi-GANを用いた品質改善

松原 圭亮, 高島 遼一, 岡本 拓磨, 滝口 哲也, 戸田 智基, 河井 恒

日本音響学会研究発表会 

群論を用いた解析的声道長正規化処理と音声認識への応用

宮下 敦志, 戸田 智基

日本音響学会研究発表会 

Robustness of noisy-to-noisy voice conversion against variations of noisy condition

C. Xie, T. Toda

各楽器音源に着目した楽曲間類似度学習の評価

橋爪 優果, 李 莉, 戸田 智基

日本音響学会研究発表会 

Note-level automatic guitar transcription using attention mechanism and multi-task learning

S. Kim, T. Hayashi, T. Toda

各楽器音に着目した楽曲間類似度学習

橋爪 優果, 李 莉, 戸田 智基

情報処理学会 音楽情報科学研究発表会 

群論を用いた声道長変換の表現と解析的正規化処理

宮下 敦志, 戸田 智基

電子情報通信学会 音声研究会 

二種の二値分類タスクに基づく外れ値検出を用いた直列型異常音検知法

畔栁 伊吹, 林 知樹, 武田 一哉, 戸田 智基

電子情報通信学会 応用音響研究会 

Target speaker extraction based on conditional variational autoencoder and directional information in underdetermined condition

R. Wang, L. Li, T. Toda

The VoiceMOS Challenge 2022 International coauthorship

W.-C. Huang, E. Cooper, Y. Tsao, H.-M. Wang, T. Toda, J. Yamagishi

Disfluency Removal with Speech Inpainting on Spontaneous Lecture Speech

H. Geng, Y. Yasuda, T. Toda

環境音波形の教師なしモデリング及び環境音識別のためのデータ拡張への応用

犬塚 雅也, 林 知樹, 戸田 智基

日本音響学会研究発表会 

注意機構付きVAEを用いた日本語テキストの発話スタイル変換

吉岡 大貴, 安田 裕介, 松永 悟行, 大谷 大和, 戸田 智基

日本音響学会研究発表会 

各楽器音源に着目した距離学習に基づく楽曲間類似度計算

橋爪 優果, 李 莉, 戸田 智基

日本音響学会研究発表会 

音素列制約つき音声認識モデルによる音声からのアクセントラベルの自動推定

吉本 暁文, 戸田 智基

日本音響学会研究発表会 

書記素と音素を用いた事前学習モデルの日本語テキスト音声合成への適用

安田 裕介, 戸田 智基

日本音響学会研究発表会 

最尤推定型継続長モデルを用いた話速変換ニューラルTTS

岡本 拓磨, 戸田 智基, 河井 恒

日本音響学会研究発表会 

敵対的学習による統合的ソースフィルタネットワークの改良

米山 怜於, 呉 宜樵, 戸田 智基

日本音響学会研究発表会 

Period-HiFi-GAN: 基本周波数を制御可能な高速ニューラルボコーダ

松原 圭亮, 岡本 拓磨, 高島 遼一, 滝口 哲也, 戸田 智基, 河井 恒

日本音響学会研究発表会 

声質の可視化を用いた所望音声検索システムの提案

佐治 拓樹, 小林 和弘, 石黒 祥生, 戸田 智基, 大谷 健登, 西野 隆則, 武田 一哉

情報処理学会 音楽情報科学研究発表会 

音を聴き分けて状況を判断する技術

戸田 智基

第2回名古屋大学イニシアティブウェビナー「視覚と聴覚の再構築」 

DXがもたらす学び支援サービスと学び生活

戸田 智基

名古屋大学教育基盤連携本部高等教育システム開発部門シンポジウム 

共創型音メディア機能拡張に向けた取り組み Invited

戸田 智基

電気・電子・情報関係学会 東海支部連合大会 

強制アライメント版Parallel Tacotron 2とHiFi-GANを用いたCPU型リアルタイム日本語ニューラルテキスト音声合成システムの実装

岡本 拓麿, 戸田 智基, 河井 恒

日本音響学会研究発表会 

言語表現の制御を可能とするTTS実現に向けたVAEによるテキスト発話スタイル変換

吉岡 大貴, 戸田 智基

日本音響学会研究発表会 

敵対的学習による統合型ソースフィルタネットワーク

米山 怜於, Y.-C. Wu, 戸田 智基

日本音響学会研究発表会 

HiFi-GANボコーダにおけるLPCNet特徴量の検討

松原 圭亮, 岡本 拓麿, 高島 遼一, 滝口 哲也, 戸田 智基, 河井 恒

日本音響学会研究発表会 

距離学習を導入した二値分類モデルによる異常音検知

畔栁 伊吹, 林 知樹, 武田 一哉, 戸田 智基

日本音響学会研究発表会 

発声機能拡張のためのインタラクティブ音声変換 Invited

戸田 智基

電気・電子・情報関係学会 東海支部連合大会 

Interactive voice conversion for augmented speech production Invited International conference

T. Toda

5th International Workshop on Symbolic-Neural Learning (SNL-2021) 

Practical use of LMS and related tools - case of Japanese university International conference

H. Hatakeyama, T. Toda, D. Ando, S. Kajita

Open Apereo 

統合型ソースフィルタネットワークによるニューラルボコーダ

米山 怜於, Yi-Chiao Wu, 戸田 智基

電子情報通信学会音声研究会 

名古屋大学における2020年度LMS利用ログ分析ならびに学習活動分析に向けた今後の展開

戸田 智基, 大平 茂輝, 後藤 明史

国立情報学研究所「大学の情報環境のあり方検討会」【第28回】大学等におけるオンライン教育とデジタル変革に関するサイバーシンポジウム「教育期間DXシンポ」 

COVID-19とLMS - 大学教育の大幅な変化を経験して

森 健策, 戸田 智基

情報処理学会第38回全国大会 イベント企画「コロナ新時代の情報処理（教育）～口頭教育におけるニューノーマルの模索～」 

電気式人工喉頭を用いた歌唱システムにおける自然な身体動作を利用した歌唱表現付与の提案

大川 舜平, 石黒 祥生, 大谷 健登, 西野 隆典, 小林 和弘, 戸田 智基, 武田 一哉

情報処理学会シンポジウム インタラクション2021 

音高情報条件つき変分自己符号化器を用いたF0歌唱パターン生成

関 翔悟, 多賀 遥香, 武田 一哉, 戸田 智基

日本音響学会研究発表会 

マルチタスク学習を用いたU-Netに基づく楽曲音源分離に関する調査

大竹 徹郎, 関 翔悟, 戸田 智基

日本音響学会研究発表会 

テキスト音声合成のためのポストフィルタ用WaveNetボコーダの学習条件に関する評価

安原 和輝, Yi-Chiao Wu, Patrick Lumban Tobing, 松永 悟行, 大谷 大和, 戸田 智基

日本音響学会研究発表会 

DiffWaveGrad: 拡散確率型ニューラルボコーダの併用モデル

岡本 拓麿, 戸田 智基, 志賀 芳則, 河井 恒

日本音響学会研究発表会 

CycleVAEを用いた声質変換におけるWaveNetボコーダのファインチューニング法の調査

中谷 輝, Patrick Lumban Tobing, 武田 一哉, 戸田 智基

日本音響学会研究発表会 

CycleVAE型声質変換を用いた構音障害者のための高明瞭度音声合成

松原 圭亮, 岡本 拓麿, 高島 遼一, 滝口 哲也, 戸田 智基, 志賀 芳則, 河井 恒

日本音響学会研究発表会 

特徴量空間のクラス重心を考慮した二値分類モデルによる異常音検知

畔栁 伊吹, 林 知樹, 武田 一哉, 戸田 智基

電子情報通信学会応用音響研究会 

CREST「共生インタラクション」共創型音メディア機能拡張プロジェクト Invited

戸田 智基

情報処理学会 音声言語情報処理研究会 

Recent progress on voice conversion: what is next? Invited International conference

T. Tod

IEEE SLT 

名古屋大学におけるオンライン授業支援サービスの運用

戸田 智基, 大平 茂輝, 後藤 明史, 田上 奈緒, 松岡 孝, 島田 啓史, 田島 尚徳, 中務 孝広, 出口 大輔, 森 健策

大学ICT推進協議会 2020年度年次大会 

Open Apereo 2020 Online参加報告

畠山 久, 常盤 祐司, 戸田 智基, 梶田 将司

情報処理学会 教育学習支援情報システム研究会 

CycleVAEとWaveNetボコーダを用いたクロスリンガル声質変換

中谷 輝, Patrick Lumban Tobing, 武田 一哉, 戸田 智基

日本音響学会研究発表会 

FastSpeech型ニューラルTTSモデルの比較

岡本 拓磨, 戸田 智基, 志賀 芳則, 河井 恒

日本音響学会研究発表会 

聴取者ごとの感情知覚モデルに基づく音声感情認識

安藤 厚志, 森 岳至, 小橋川 哲, 戸田 智基

日本音響学会研究発表会 

微分可能全域通過フィルタを用いたダイナミックレンジ圧縮

彦坂 秀, 関 翔悟, 武田 一哉, 戸田 智基

日本音響学会研究発表会 

Full-band LPCNet：48kHzリアルタイムニューラルボコーダ

松原 圭亮, 岡本 拓麿, 高島 遼一, 滝口 哲也, 戸田 智基, 志賀 芳則, 河井 恒

日本音響学会研究発表会 

一般化指令応答モデルを用いた変分自己符号化器に基づく歌唱F0パターンの生成

多賀 遥香, 関 翔悟, 李 莉, 武田 一哉, 戸田 智基

日本音響学会研究発表会 

Recent trend of voice conversion research and its possible future direction Invited International conference

T. Toda

ROCLING (32nd annual Conference on Computational Linguistics and Speech Processing) 

オンデマンド型オンライン授業における学習活動分析に向けた授業支援システムログ活用の試み

戸田 智基, 大平 茂輝, 後藤 明史

国立情報学研究所「大学の情報環境のあり方検討会」【第17回】4月からの大学等遠隔授業に関する取組状況共有サイバーシンポジウム 

名古屋大学におけるオンライン授業支援に関する事例紹介

戸田 智基

電気・電子・情報関係学会 東海支部連合大会 

Sustainable Digital Learning Environment - Our Practices of Sakai International conference

H. Hatakeyama, T. Toda, Y. Tokiwa, S. Kajita

Open Apereo 

名古屋大学教育学部附属学校におけるLMS導入取組～名大情報基盤センターとの連携

森 健策, 三小田 博昭, 渡辺 武志, 丹羽 ひとみ, 戸田 智基

国立情報学研究所「大学の情報環境のあり方検討会」【第4回】4月からの大学等遠隔授業に関する取組状況共有サイバーシンポジウム 

名古屋大学における情報基盤を活用したCOVID-19対応 - オンライン学習の観点から

森 健策, 戸田 智基, 楫 勇一

国立情報学研究所「大学の情報環境のあり方検討会」4月からの大学等遠隔授業に関する取組状況共有サイバーシンポジウム 

発話感情認識における音韻・話者情報の低減

岡田 慎太郎, 安藤 厚志, 戸田 智基

日本音響学会研究発表会 

Self-attentionを用いた弱教師あり音響イベント検出 International coauthorship

宮崎 晃一, 小松 達也, 林 知樹, 渡部 晋治, 戸田 智基, 武田 一哉

日本音響学会研究発表会 

変分自己符号化器を用いた空気・体内伝導音の結合音源モデリングに基づく半教師あり自己発声音強調・抑圧

関 翔悟, 高田 萌絵, 武田 一哉, 戸田 智基

電子情報通信学会音声研究会 

CycleVAEを用いたクロスリンガル声質変換

中谷 輝, P.L. Tobing, 武田 一哉, 戸田 智基

電子情報通信学会音声研究会 

複数話者WaveNetボコーダを用いたニューラル話速変換の試み

岡本拓磨, 松原 圭亮, 戸田 智基, 志賀 芳則, 河井 恒

電子情報通信学会音声研究会 

リアルタイムニューラルボコーダにおける学習データ量の影響の調査

松原 圭亮, 岡本 拓磨, 高島 遼一, 滝口 哲也, 戸田 智基, 志賀 芳則, 河井 恒

日本音響学会研究発表会 

音声変換技術と音声生成機能拡張への応用 Invited

戸田 智基

電子情報通信学会2020年総合大会 ソサイエティ合同企画「情報通信技術と人間相互理解の未来」 

フルコンテキストラベル入力型リアルタイムニューラルテキスト音声合成の比較

岡本 拓磨, 松原 圭亮, 戸田 智基, 志賀 芳則, 河井 恒

日本音響学会研究発表会 

End-to-end音声合成の研究を加速させるオープンソースツールキットESPnet-TTS Invited International coauthorship

林 知樹, 山本 龍一, 井上 勝喜, 吉村 建慶, 武田 一哉, 戸田 智基, 渡部 晋治

日本音響学会研究発表会 スペシャルセッション「end-to-end音声合成とその周辺」 

テキスト音声合成におけるポストフィルタとしてのWaveNetボコーダ学習法

安原 和輝, Yi-Chiao Wu, Patrick Lumban Tobing, 松永 悟行, 大谷 大和, 戸田 智基

日本音響学会研究発表会 

周りに内緒で通話できるか

戸田 智基

第6回 名古屋大学の卓越・先端・次世代シンポジウム「専門性と学際性の狭間で」 

ユーザの適応能力を活用する共創型音声生成機能拡張技術の構築

戸田 智基

JSTさきがけ「新しい社会システムデザインに向けた情報基盤技術の創出」研究成果報告会 

音声コミュニケーションにおける機能拡張

戸田 智基

名古屋大学 情報学シンポジウム2020「人工知能技術がもたらす価値創造と情報学の使命－音声言語コミュニケーション技術とポジティブ情報学の交差点から」 

Speech waveform modeling for advanced voice conversion Invited International conference

T. Toda

発話感情認識における音素事後確率を利用した表現学習とデータ拡張の評価

岡田 慎太郎, 安藤 厚志, 戸田 智基

電子情報通信学会音声研究会 

Creation of cooperative human augmentation techniques in sound media communication

T. Toda

Improving singing aid system for laryngectomees with statistical voice conversion and VAE-SPACE

L. Li, T. Toda, K. Morikawa, K. Kobayashi, S. Makino

音声合成技術の進展 Invited

戸田 智基

第3回次期グローバルコミュニケーション計画検討WG 

声を変える技術の発展と社会に与える影響

戸田 智基

名古屋大学-NTT技術交流会 

音声を変換する技術と機能拡張への応用 Invited

戸田 智基

豊田工業大学 研究談話会 

Speech waveform modeling for advanced voice conversion International conference

T. Toda

パソコン必携化を活用した授業設計に向けて

戸田 智基

令和元年度第2回名古屋大学情報連携統括本部公開講演会・研究会 

音声波形直接生成モデル「ニューラルボコーダ」の比較 Invited

岡本 拓磨, 戸田 智基, 志賀 芳則, 河井 恒

情報処理学会音声言語情報処理研究会 

音声翻訳のための柔軟な音声合成の進展

戸田 智基, 高道 慎之介

次世代音声言語研究シンポジウム2019 

模擬難聴処理を活用した補聴器フィルタ設計

彦坂 秀, 小林 和弘, 林 知樹, 関 翔悟, 武田 一哉, 坂野 秀樹, 戸田 智基

日本音響学会研究発表会 

空気／体内伝導音の対応関係を活用した自己発声音強調／抑圧法

高田 萌絵, 関 翔悟, P.L. Tobing, 戸田 智基

日本音響学会研究発表会 

楽曲音源分離のための個別音源マスク推定ネットワークの統合法

大竹 徹郎, 関 翔悟, 戸田 智基

日本音響学会研究発表会 

End-to-End型テキスト音声合成におけるWaveNetボコーダの学習に関する調査

安原 和輝, 林 知樹, 戸田 智基

日本音響学会研究発表会 

Statistical voice conversion with direct waveform modeling International conference

T. Toda, K. Kobayashi, T. Hayashi

An investigation of fundamental frequency pattern prediction in electrolaryngeal speech enhancement

M. Eshghi, K. Tanaka, K. Kobayashi, H. Kameoka, T. Toda

コンタクトセンタ顧客満足度推定におけるドメイン適応の検討

安藤 厚志, 増村 亮, 神山 歩相名, 小橋川 哲, 青野 裕司, 戸田 智基

日本音響学会研究発表会 

WaveGlowボコーダを用いたリアルタイムニューラルテキスト音声合成

岡本 拓麿, 戸田 智基, 志賀 芳則, 河井 恒

日本音響学会研究発表会 

音声分析・合成

戸田 智基

音声認識・音声対話技術講習会 

End-to-End型テキスト音声合成におけるWaveNetボコーダの学習についての調査

安原 和輝, 林 知樹, 戸田 智基

電子情報通信学会音声研究会 

模擬難聴処理を活用した音声波形加工に基づく明瞭度改善

彦坂 秀, 小林 和弘, 林 知樹, 関 翔悟, 武田 一哉, 坂野 秀樹, 戸田 智基

電子情報通信学会音声研究会 

Advanced voice conversion Invited International conference

T. Toda

Hands on voice conversion Invited International conference

T. Toda

空気・体内伝導音を対象とした音声・音環境情報処理

戸田 智基

2019年度 第1回 住友理工株式会社―名古屋大学 探索型共同研究 テーマ検討会 

多チャンネル変分自己符号化器を用いた劣決定音源分離

関 翔悟, 亀岡 弘和, 李 莉, 戸田 智基, 武田 一哉

日本音響学会研究発表会 

多チャンネル変分自己符号化器に基づく劣決定音源分離の評価

関 翔悟, 亀岡 弘和, 李 莉, 戸田 智基, 武田 一哉

電子情報通信学会音声研究会 

波形加工に基づく統計的声質変換の外部雑音に対する頑健性

栗田 優佑, 小林 和弘, 武田 一哉, 戸田 智基

電子情報通信学会音声研究会 

基本周波数とメルケプストラムを用いたリアルタイムニューラルボコーダの検討

岡本 拓磨, 戸田 智基, 志賀 芳則, 河井 恒

日本音響学会研究発表会 

Voice conversion with cyclic recurrent neural network for WaveNet fine-tuning

P.L. Tobing, Y.-C. Wu, T. Hayashi, K. Kobayashi, T. Toda

Reducing mismatch of WaveNet vocoder for variational autoencoder based voice conversion International coauthorship

W.-C. Huang, Y.-C. Wu, H.-T. Hwang, P.L. Tobing, T. Hayashi, K. Kobayashi, T. Toda, Y. Tsao, H.-M. Wang

雑音環境下における統計的声質変換の頑健性に関する調査

栗田 優佑, 小林 和弘, 武田 一哉, 戸田 智基

日本音響学会研究発表会