Hayato Futami

i was surprised my submission number was over 10k

EMNLP done!

EMNLP tsurai

@nagohachi_base よく見つけたね☺️

Futami senpai! ieeexplore.ieee.org/document/11515…

@Muramasa_2 おめでとうございます！！🙌 共にがんばりましょう！！

私事ですが本日入籍しました💍 気を引き締め直して仕事も研究も引き続きがんばりますので、今後ともよろしくお願いします！

Kyutai の発表は Sakana の発表に意図的に被せているのかな、気になる

音AIモデル開発にWebデータガンガン使おうぜ派 VS 音AIモデル開発にWebデータ絶対使うな派 VS ダークライ

I’m excited to share that sarashina2.2-tts, a high-performance Japanese TTS model, has been released!

All speech reseach will be done by GDM. Pokémon Pokopia is all I can do

【4社中核に国産AI開発会社を設立】 news.yahoo.co.jp/pickup/6575967

1/ today we're releasing muse spark, the first model from MSL. nine months ago we rebuilt our ai stack from scratch. new infrastructure, new architecture, new data pipelines. muse spark is the result of that work, and now it powers meta ai. 🧵

神話の時代

6 papers (4 main and 2 findings) were accepted at #ACL2026! All are speech papers :)

最近イベントなどや打ち合わせの場で「ElevenLabsってSTSないの？」と言われる機会も多くなりました。 本noteブログはの質問に対するElevenLabsとしての回答となります。 気になる方はご笑覧ください。 note.com/taka_410/n/nfc…

NLP2026のワークショップで表彰して頂いたLLM-JP-4をベースにした日本語SpeechLLMを公開しました！chatモデルと音声認識モデルを商用利用可能なライセンスで公開しています！！

最近仕事で音声周りの研究開発もやるようになった関係で初めて某speechの査読を引き受けてみたが（たまたま運がよかったのか）面白い&勉強になる当たり論文が多くて休日返上で査読してもぎりポジティブな気持ちになれてるの久しぶりかも

The most accurate model across 25 languages, faster transcription speeds, and stronger performance in real‑world noise. MAI‑Transcribe‑1 sets a new bar for speech recognition. Learn more + try it today: msft.it/6019QLa8B

Gemma 4 Google DeepMind のマルチモーダルモデル。Apache 2.0。パラメータ数あたりの知能がかつてないほどに高い。Effective 2B、4B、26B MoE、31B の 4 種類。画像、動画、音声入力に対応。Context Window は 128k~256k。140 言語以上に対応。Hugging Face などで。 blog.google/innovation-and…

HF audio team member here 👋🤗 Don’t want to be the party pooper here, but those look a little… questionable 🙊 Would love to be proven wrong though, @WillowVoiceAI what about adding the model to the leaderboard? BTW We’re working on private test sets for the Open ASR Leaderboard to address this tipe of questions, but here, the model is the closest you can get (understandable ofc since your product is built on it)