- Видео 264
- Просмотров 45 022
Tech-Verse
Япония
Добавлен 24 сен 2022
This is the official account for Tech-Verse, the online tech conference jointly hosted by LINE and Yahoo! JAPAN. Diverse speakers from each of the participating companies, including both companies, will share the latest challenges and accumulated knowledge.
Development and Operation of Expressive Speech Synthesis System -English version-
Text-to-speech (TTS) generates from text using computers. In recent years, deep learning-based TTS has reached a quality comparable to that of humans for neutral speech, but falls short on expressiveness.
At LINE, we’re working on a development for a highly-expressive TTS system with a variety of speaking styles and precise controls. This session introduces two themes from the aspects of emotional TTS model development and TTS system operation.
The first half covers the method accepted to INTERSPEECH 2022, which is an international conference on speech processing. With a small amount of neutral speech as a base, it applies voice conversion to generate pseudo emotional data used to construct...
At LINE, we’re working on a development for a highly-expressive TTS system with a variety of speaking styles and precise controls. This session introduces two themes from the aspects of emotional TTS model development and TTS system operation.
The first half covers the method accepted to INTERSPEECH 2022, which is an international conference on speech processing. With a small amount of neutral speech as a base, it applies voice conversion to generate pseudo emotional data used to construct...
Просмотров: 155
Видео
풍부한 표현력의 음성 합성 시스템 구현을 위한 기술 개발과 운영 -한국어판-
Просмотров 207Год назад
텍스트 음성 합성은 텍스트에서 음성을 생성하는 기술입니다. 딥러닝 기술의 발달로 평탄한 어조의 음성은 실제 육성에 필적할 만한 결과가 나오지만, 풍부한 표현력이 필요한 감정 음성은 아직 수준이 높지 않습니다. LINE에서는 다양한 발성 스타일에 대응할 수 있는 음성 합성 시스템을 개발하고 있습니다. 이 발표에서는 이를 위한 합성 모델과 시스템 운영을 소개합니다. 먼저 INTERSPEECH 2022에 채택된 것으로 음성 변환 기술을 활용해 소량의 평탄한 어조의 음성으로 대량의 감정 음성을 인위적으로 생성해서 감정 음성 합성 모델 구축에 기여하는 방법을 소개합니다. 또한 감정 음성 합성 모델 시스템 운영에 마이크로 서비스 아키텍처를 도입해서 운영과 개발 사이클을 고속화 및 효율화한 사례를 소개합니다. ■ ...
感情表現豊かな音声合成システムを実現するための技術開発と運用について -日本語版-
Просмотров 511Год назад
テキスト音声合成は、計算機によってテキストから音声を生成する技術です。近年の深層学習の発展により、平坦な読み上げ音声であれば、合成音声は人間の音声に匹敵する品質にまで達しています。一方、表現力豊かな感情音声においては、まだ人間のレベルには到達しているとは言えません。 LINEでは、高い表現力と多様な発話スタイル、高い制御性を併せ持つ音声合成システムを目指し、様々な技術開発に取り組んでいます。本セッションでは感情音声合成におけるモデル開発とシステム運用の側面から、一つずつテーマを取り上げてご紹介いたします。 前半は、音声処理の国際会議INTERSPEECH 2022に採択された手法を紹介します。本手法では、少量の平静音声を基に、音声変換手法を用いて大量の擬似的な感情音声を生成し、感情音声合成モデル構築のために活用します。 後半は、多数の推論モジュールから構成される感情音声合成システムの...
Opening Session -English version-
Просмотров 298Год назад
Welcome to Tech-Verse, hosted by LINE and Yahoo! JAPAN. The CTOs from the two companies will discuss the background and goals of Tech-Verse, changes in the IT industry, how the companies are handling these changes, and the future technologies and objectives the companies are focused on. ■ Speaker Tomohiro Ikebe / LINE Masahiko Kokubo / Yahoo! JAPAN ■ Tech-Verse Website tech-verse.me/en/sessions...
Opening Session -한국어판-
Просмотров 577Год назад
Tech-Verse 2022의 오프닝 세션은 이번 이벤트를 주최한 LINE과 Yahoo! JAPAN, 두 회사의 CTO가 발표합니다. Tech-Verse를 개최한 배경과 목적, IT 업계의 환경 변화와 이에 대한 대응, 그리고 두 회사가 앞으로 주력할 기술과 구체적인 목표에 관해 말씀드리겠습니다. ■ Speaker Tomohiro Ikebe / LINE Masahiko Kokubo / Yahoo! JAPAN ■ Tech-Verse Website tech-verse.me/ko/sessions/124 #techverse_ko ■ Other language Movie JA: ruclips.net/video/kTBshg1O7b0/видео.html EN: ruclips.net/video/v2cPsCK063M/...
Federated Learningを用いたLINEスタンプの推薦 -日本語版-
Просмотров 833Год назад
近年、プライバシーに配慮した機械学習の手法として、連合学習（Federated Learning）と呼ばれる技術が注目されています。機械学習の学習処理を一部クライアントアプリ側で実行し、機微なデータをローカルデバイス上に留めたまま、グローバルなモデルを更新することができます。さらに、差分プライバシーと呼ばれる技術を組み合わせ、より強固なプライバシー担保を実現する方法も活発に研究されています。 LINEアプリでは、この技術をスタンプの推薦に応用し、サーバ側に集約されていた推薦エンジンの処理の一部をFLに置き換えました。本セッションでは、これらの導入事例を中心に、この分野におけるLINEの取り組みをご紹介します。 ■ Category Data / AI ■ Speaker 菊地悠 / LINE ■ Tech-Verse Website tech-verse.me/ja/sessions...
Sticker Recommendation Using Federated Learning -English version-
Просмотров 245Год назад
User privacy is getting more and more important. We want to improve user experience while receiving less privacy-sensitive information. Federated Learning (FL) is one of the promising technologies that enable this scenario. FL has user devices participate into the model training process. User devices send locally trained models on behalf of raw data. The collected local models are used to updat...
연합 학습을 이용한 LINE 스티커 추천 -한국어판-
Просмотров 470Год назад
최근 개인정보 보호를 고려한 머신 러닝 기법으로 연합 학습(federated learning)이라고 부르는 기술이 주목받고 있습니다. 연합 학습으로 머신 러닝 학습 처리의 일부를 클라이언트 앱 측에서 실행해서 민감한 데이터를 로컬 기기에 둔 채로 글로벌 모델을 갱신할 수 있습니다. 여기에 차등 프라이버시(differential privacy)라고 부르는 기술을 조합해 보다 강력하게 개인정보 보호를 실현하는 방법도 활발하게 연구되고 있습니다. LINE 앱에서는 이 기술을 스티커 추천에 응용해 서버 측에 집약돼 있는 추천 엔진 처리의 일부를 연합 학습으로 전환했습니다. 이 발표에서는 이 도입 사례를 중심으로 이 분야에서의 LINE의 활동을 소개하겠습니다. ■ Category Data / AI ■ Speak...
AI-Text Filterモデルに大規模なMLモデルを適用する方法 -日本語版-
Просмотров 177Год назад
現在、GPT-3のような大規模言語モデルは、Scaling Lawにより100 Billion～1 Trillionパラメーターと、ますますそのサイズが増大しています。また、このようなトレンドは言語モデルだけでなく、画像や音声など様々な分野のモデルでもScaling Law が適用されています。しかし、このような大規模なMLモデルを学習するために必要な情報と技術が不足している状況です。 そこでこのセッションでは、大規模なMLモデル学習のための技術を詳しく説明いたします。また、現在私たちのチームで提供しているAI-Text filteringモデルを大規模 MLモデルで学習することで、パフォーマンスを向上した経験を共有したいと思います。 ■ Category Data / AI ■ Speaker Hyung Rak Kim / LINE Plus ■ Tech-Verse Websi...
How to Apply Large ML Models for AI-Text Filtering Models -English version-
Просмотров 113Год назад
These days, the size of largescale language models such as GPT-3 has been growing larger with parameters ranging in the 100 billions to trillions due to model scaling laws. Model scaling laws apply to models of various other fields as well, such as image and audio processing. However, there is a shortage of the information and technology required to train such large ML models. In this session, ...
AI-Text 필터링 모델을 위한 거대 ML 모델 적용기 -한국어판-
Просмотров 444Год назад
현재 GPT-3와 같은 거대 언어 모델은 모델 스케일링 법칙에 따라 1000억에서 1조 파라미터 크기의 모델로 점점 크기가 증가하고 있습니다. 비단 언어 모델뿐 아니라 이미지와 음성 등 다양한 분야의 모델에 스케일링 법칙이 적용되고 있지만, 이런 거대한 ML 모델을 학습하는 데 필요한 정보와 기술은 부족한 상황입니다. 이 발표에서는 거대 ML 모델을 학습할 수 있는 기법을 자세히 설명합니다. 또한 현재 저희 팀에서 서비스하고 있는 AI-Text 필터링 모델을 거대 ML 모델로 학습하고, 모델 성능을 올렸던 경험을 공유하겠습니다. ■ Category Data / AI ■ Speaker 김형락 / LINE Plus ■ Tech-Verse Website tech-verse.me/ko/sessions/58 #...
出前館における機械学習パイプライン構築と機械学習プロダクトの継続的改善 -日本語版-
Просмотров 425Год назад
出前館では、推薦システム・調理時間予測・配達時間予測・需要予測・注文された商品を配達するドライバーの決定など、さまざまな機械学習システムが稼働しています。 これらのシステムには、データの変化を迅速にとらえ、その変化を反映した推論結果を提供することが求められています。 出前館ではこの要求を満たすために、定期的な機械学習モデルの更新・リアルタイム情報を活用した推論・モニタリングなどを実現するための機械学習パイプラインを構築しています。 加えて、サービス価値向上のために、データの変化を生み出す要因を分析し、プロダクトの改善を継続的に推し進めています。 本発表では、サービスを安定的に提供するためにどのような機械学習パイプラインを構築しているのか、日々の分析を通してどのような継続的改善を行っているのか、お話します。 ■ Category Data / AI ■ Speaker 髙久裕央 / D...
Demae-can Machine Learning Pipeline and Continuous Product Improvement -English version-
Просмотров 71Год назад
Demae-can operates a variety of machine learning systems for various functions such as recommendations, food preparation and delivery time predictions, order forecasts, and order dispatch. These systems can rapidly notice changes in data and are used to provide the inferred results by applying these changes. To meet demand at Demae-can, we are building a machine learning pipeline to enable regu...
How to Find Bugs in CosmWasm Smart Contract? -English version-
Просмотров 173Год назад
Smart contracts, which are programs executed on a blockchain, have been a frequent target of hackers due to their ability to handle digital assets. Unlike typical programs, once uploaded to the blockchain, a smart contract cannot be modified, so it's important to discover bugs that may be present in the smart contract in advance. Although many researchers have been interested in secure Ethereum...
CosmWasm 스마트 컨트랙트에서 버그를 찾는 방법 -한국어판-
Просмотров 377Год назад
블록체인에서 실행되는 프로그램인 스마트 컨트랙트는 디지털 자산을 다룰 수 있기 때문에 수많은 해커들의 표적이 되곤 합니다. 블록체인은 일반적인 프로그램과는 달리 한 번 업로드되면 코드를 수정할 수 없기에 취약점을 미리 발견하는 것이 매우 중요한데요. 현재 이더리움 스마트 컨트랙트 보안을 위해 많은 연구자들이 꾸준히 노력하고 있지만, 아직 LINE에서 사용하는 CosmWasm 스마트 컨트랙트와 관련된 연구는 찾아보기 어렵습니다. 이 발표에서는 CosmWasm 스마트 컨트랙트에서 발생할 수 있는 취약점을 설명하고, 해당 취약점을 효과적으로 찾는 도구인 퍼저를 소개합니다. 향후 CosmWasm 스마트 컨트랙트 전용 퍼저를 오픈소스화해서 더 많은 연구자들과 함께 발전시켜 나갈 수 있기를 바랍니다. ■ Cate...
Yahoo! JAPANトップページにおけるKanbanとXPの運用と定量可視化 -日本語版-
Просмотров 231Год назад
Yahoo! JAPANトップページにおけるKanbanとXPの運用と定量可視 -日本語版-
Operation and Quantitative Visualization of Kanban and XP on Yahoo! JAPAN Top Page -English Version-
Просмотров 13Год назад
Operation and Quantitative Visualization of Kanban and XP on Yahoo! JAPAN Top Page -English Version-
Yahoo! JAPAN 메인 페이지의 Kanban과 XP의 운용 및 정량적 가시화 -한국어판-
Просмотров 56Год назад
Yahoo! JAPAN 메인 페이지의 Kanban과 XP의 운용 및 정량적 가시화 -한국어판-
Creative Experiences of Tech-Verse - Approach and Design -日本語版-
Просмотров 130Год назад
Creative Experiences of Tech-Verse - Approach and Design -日本語版-
Creative Experiences of Tech-Verse - Approach and Design -English version-
Просмотров 31Год назад
Creative Experiences of Tech-Verse - Approach and Design -English version-
Creative Experiences of Tech-Verse - Approach and Design -한국어판-
Просмотров 98Год назад
Creative Experiences of Tech-Verse - Approach and Design -한국어판-
Eコマースサービスに寄り添うデザイン、事業成長とUX向上の両立とバランス -日本語版-
Просмотров 153Год назад
Eコマースサービスに寄り添うデザイン、事業成長とUX向上の両立とバランス -日本語版-
Balancing Corporate Growth and UX Improvement with E-Commerce Design -English Version-
Просмотров 24Год назад
Balancing Corporate Growth and UX Improvement with E-Commerce Design -English Version-
이커머스 서비스를 위한 디자인, 사업 성장과 UX 향상의 균형 -한국어판-
Просмотров 134Год назад
이커머스 서비스를 위한 디자인, 사업 성장과 UX 향상의 균형 -한국어판-
アクセシビリティ向上のために、共感・モチベーションを生み出す苦労と工夫 -日本語版-
Просмотров 172Год назад
アクセシビリティ向上のために、共感・モチベーションを生み出す苦労と工夫 -日本語版-
Labor and Innovation for Empathy and Motivation to Improve Accessibility -English Version-
Просмотров 14Год назад
Labor and Innovation for Empathy and Motivation to Improve Accessibility -English Version-
Patents that Support Yahoo! JAPAN Shopping’s Ranking -English version-
Просмотров 17Год назад
Patents that Support Yahoo! JAPAN Shopping’s Ranking -English version-
아니 왜 이런 영상에 댓글이 0개지 -_-; 잘들었습니다 흥미진진하네요
통역해주시는분 너무 못해요 ㅠ
素晴らしいプレゼンとても参考になりました。ありがとうございます。
발표자분도 발표 엄청 잘하시고 진행자분도 진행 엄청 잘하시네요. 케미 굿 저는 K8s로 뮤조건 최소 gpu 1장 할당 하고잇는데 코어단위로는 어떻게 해야하나요?? (같은 지피유를 공유하니까 core dump같은 충돌이 발생해요) 앞장표에 코아단위로 적으셔서 혹시 라인에서는 코어단위로 사용자에게 할당하시는지 ㅠㅠ
＜実現出来た事＞ 9:44 Fragment Colocation 13:43 Render as you fetch 16:06 Type safety 18:15 Cache 19:05 Data & View consistency cache control を意識する必要がなくなる 21:01 ＜採用後の Problem＞ 22:01 Incremental rendering @defer, @stream のサーバー側の対応が出来ていない 24:37 SSR with Next.js （page router 時代の話） 27:00 今後の展望 27:35 まとめ 28:38 質問タイム 31:38 relay 微妙だったことある？ 32:25 Doc が少ない中の工夫は？ 35:29 弊社のサービス規模は？ 38:13 キャッシュの扱いのBPは？
huggingface같네요
너무 귀중한 사례 공유해주셔서 감사합니다.
Thank you
Hello, Would you please share your benchmarks? What is the query per second for a 32GB ram machine?
왜 댓글이 하나두 없지 좋은 기능인데
성우님 발음이 아쉽네요😅
7분 25초 ~ 40초에도 일본어 끼어있어요
중간에 왜 일본어 ..
번역이 너무 아쉽네요...
6분에서 7분 사이 일본어 간섭이 있습니다. 해결 부탁드립니다.
라인의 MLU 에 대해 잘 알수있는 세션이었습니다! 멋지네요:)
한글 자막이 필요합니다 ㅠㅠ
좋은 내용 및 경험 공유 정말 잘 들었습니다. 일수님을 온라인에서 뵈니 더욱 반갑네요.🙂 항상 건승하세요!!
잘 들었습니다 😊