学生2人で日本語音声LLMを作り、FT-LLM 2026 自由形タスクで1位を獲得した話
- LLM-jp-4 8Bをベースにした日本語音声LLMを開発し、FT-LLM 2026の自由形タスクで1位を獲得
- Whisper-large-v3とアダプタを組み合わせてASR特化モデルと対話モデルを構築、1,000時間分のTTS合成データを活用
- ASR特化モデルはCommonVoiceでWhisper-large-v3をわずかに上回る性能を発揮、日本語音声データの不足に対応した合成手法が鍵
学生2人で日本語音声LLMを作り、FT-LLM 2026 自由形タスクで1位を獲得した話


