| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-06-06 13:00 ［ポスター講演］Cross-layer recurrent processing of Residual Vector Quantization layers for Audio Codec-based speech separation ○Phuong Dinh Nhu Minh・Roland Hartanto・Koichi Shinoda（Science Tokyo）  SP2026-23 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | Recent advancements in Neural Audio Codecs have enabled speech processing tasks that require substantial computational cost, such as speech separation, to be performed on highly compressed audio representations. These codecs encode audio using a Residual Vector Quantization (RVQ) component, where each layer captures the acoustic detail left by the previous one, forming a coarse-to-fine acoustic hierarchy. However, the prior audio codec-based speech separation method ignores this hierarchy and collapses all RVQ layers into a single embedding. In this study, we propose a method to preserve this hierarchy by applying cross-layer recurrent processing across all RVQ layers. Experiments on WSJ0-2Mix demonstrate that our method outperforms the prior codec-based approach in both separation quality and downstream automatic speech recognition. |
|
| キーワード | （和） | / / / / / / / |
| （英） | speech separation / neural audio codec / computational efficiency / / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 58, SP2026-23, pp. 125-129, 2026年6月. | |
| 資料番号 | SP2026-23 | |
| 発行日 | 2026-05-29 (SP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SP2026-23 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-SLP IPSJ-MUS |
| 開催期間 | 2026-06-05 - 2026-06-06 |
| 開催地（和） | 電気通信大学 |
| 開催地（英） | The University of Electro-Communications |
| テーマ（和） | 音学シンポジウム2026 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2026-06-SP-SLP-MUS |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Cross-layer recurrent processing of Residual Vector Quantization layers for Audio Codec-based speech separation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / speech separation |
| キーワード(2)（和/英） | / neural audio codec |
| キーワード(3)（和/英） | / computational efficiency |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | ディン ヌーミンフォン / Phuong Dinh Nhu Minh / ディン ヌーミンフォン |
| 第1著者 所属（和/英） | 東京科学大学 (略称： Science Tokyo) Institute of Science Tokyo (略称： Science Tokyo) |
| 第2著者 氏名（和/英/ヨミ） | ローランド ハルタント / Roland Hartanto / |
| 第2著者 所属（和/英） | 東京科学大学 (略称： Science Tokyo) Institute of Science Tokyo (略称： Science Tokyo) |
| 第3著者 氏名（和/英/ヨミ） | 篠田 浩一 / Koichi Shinoda / |
| 第3著者 所属（和/英） | 東京科学大学 (略称： Science Tokyo) Institute of Science Tokyo (略称： Science Tokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-06 13:00:00 |
| 発表時間 | 180分 |
| 申込先研究会 | SP |
| 資料番号 | SP2026-23 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.58 |
| ページ範囲 | pp.125-129 |
| ページ数 | 5 |
| 発行日 | 2026-05-29 (SP) |
[研究会発表申込システムのトップページに戻る]