名古屋大学大学院情報学研究科の東中 竜一郎教授の研究グループは、相手の話を聞きながら話すことのできる、世界初の日本語で利用可能なFull-duplex音声対話モデル J-Moshiを開発しました。

本研究は、人間同士の対話における発話のオーバーラップや相づちなど、同時双方向的な対話を実現します。人工知能（ＡＩ）の音声対話性能を飛躍的に高め、まるで人間のような音声対話を実現します。雑談や接客など、さまざまな場面での利用が期待されます。

J-Moshiのサンプル音声は以下でご確認いただけます。
https://nu-dialogue.github.io/j-moshi/

本研究成果は、2025年3月10日（月）-14日（金）に開催される、言語処理学会第31回年次大会(NLP2025)において発表されます。

【ポイント】

・世界初の日本語で利用可能なFull-duplex^注1）音声対話モデル J-Moshi^注2）を開発。
・発話のオーバーラップ（重なり）や相づちなど、同時双方向的な対話を実現。
・大量の日本語音声対話データを用いた学習によって構築。
　

◆詳細（プレスリリース本文）はこちら

【用語説明】

注1）Full-duplex:
対話において、発話のオーバーラップや相づちなどの同時双方向的な特徴を有すること。
注2）J-Moshi:
Moshiは、フランスのAI研究機関Kyutai が開発したFull-duplexを実現した英語の音声対話モデルで、J-Moshiはこれをベースとした日本語で利用可能なFull-duplex音声対話システム。

【論文情報（学会発表）】

雑誌名： 言語処理学会第31回年次大会　発表論文集
論文タイトル： 日本語Full-duplex音声対話システムの試作
著者： 大橋厚元、飯塚慎也、姜菁菁、東中竜一郎（すべて本学関係者）

【研究代表者】

大学院情報学研究科　東中 竜一郎　教授、主著者名：大橋 厚元 （博士後期課程学生）
https://www.ds.is.i.nagoya-u.ac.jp/

【関連情報】

リサーチャーズボイス：～Researchers' VOICE～No.45 東中 竜一郎 教授に一問一答！

～名大研究フロントライン～”日本人のクセ”を学んだ雑談AIモデル・J-Moshiとは？