自作HNMとWORLD（Harvest）の比較

ベース：自作HNM。誤差は小さいほど原音に近く、差分は自作HNM比です。知覚品質の勝敗ではありません。

入力群	方式	MR-STFT中央値 dB	差分中央値 dB	有効／全件	比較可能／全件	処理・測定失敗／全件
自然音声	自作HNM	5.638	0.000	2/2	2/2	0/2
自然音声	WORLD（Harvest）	5.537	-0.101	2/2	2/2	0/2
人工信号	自作HNM	1.374	0.000	30/30	30/30	0/30
人工信号	WORLD（Harvest）	4.506	2.135	30/30	30/30	0/30

同じ区間の音声を比較

原音は無加工再合成の正解参照です。音量の正規化はしていません。

110 Hzの調波音

harmonic_110_16000

原音

1.2秒・16000 Hz

自作HNM（ベース）

1.2秒・16000 Hz

WORLD（Harvest）

1.2秒・16000 Hz

自然音声の固定先頭区間

librispeech_5142-36586_first6s

原音

2.0秒・16000 Hz

自作HNM（ベース）

2.0秒・16000 Hz

WORLD（Harvest）

2.0秒・16000 Hz

自然音声の固定先頭区間

librispeech_7021-79759_first6s

原音

2.0秒・16000 Hz

自作HNM（ベース）

2.0秒・16000 Hz

WORLD（Harvest）

2.0秒・16000 Hz

比較条件と指標の読み方

ユーザーの方針変更に従い、自作の調波・雑音方式を改善の出発点とする。WORLD（Harvest）は既存比較対象であり、初代採用はWORLDへの品質優越を意味しない。

自然音声は2話者・2区間・計12.0秒です。人工信号は評価対象のデコーダーとは独立に生成しています。

MR-STFTは5・20・80 ms窓のスペクトル誤差です。表はケース中央値、差分は対応するケース同士の差の中央値です。自動時間整列・ゲイン正規化は行いません。—は欠測・未定義であり、ゼロ誤差ではありません。

F0は音高に対応する基本周波数、100 centは1半音、P95は誤差の95パーセンタイルです。有声の欠測と誤有声は別に示します。F0測定には固定2 kHz低域通過処理を含む独立YIN型測定器を使います。自然音声の絶対正解F0はありません。

WORLD（Harvest）はWORLDボコーダーにHarvestによるF0抽出を組み合わせた既存比較です。自作HNMは独自の解析・合成系です。原音は比較の参照であり、手法の順位には含めません。今回の測定だけで自然性、共鳴保持、多話者への一般化を保証しません。

測定仕様／音高測定器の校正／ 5人の議論

再合成の全ケースとF0欠測

入力	方式	処理	測定	MR-STFT dB	差分 dB	帯域差 dB	RMS差 dB	真値F0 P95 cent	測定できた／真値の有声フレーム	有声の欠測	誤有声
正弦波（sine_120_16000）	自作HNM	処理完了	測定完了	1.237	0.000	0.248	-0.243	0.964	113/113	0	0
正弦波（sine_120_16000）	WORLD（Harvest）	処理完了	測定完了	9.031	7.794	9.179	-1.601	—	0/113	113	0
調波音（harmonic_110_16000）	自作HNM	処理完了	測定完了	0.659	0.000	0.026	-0.005	0.069	113/113	0	0
調波音（harmonic_110_16000）	WORLD（Harvest）	処理完了	測定完了	7.337	6.678	0.221	0.517	0.059	113/113	0	0
調波音（harmonic_220_16000）	自作HNM	処理完了	測定完了	1.872	0.000	0.031	-0.010	0.085	113/113	0	0
調波音（harmonic_220_16000）	WORLD（Harvest）	処理完了	測定完了	7.533	5.661	0.740	0.509	0.152	113/113	0	0
基本波を除いた調波音（missing_fundamental_150_16000）	自作HNM	処理完了	測定完了	3.778	0.000	0.037	-0.070	0.129	113/113	0	0
基本波を除いた調波音（missing_fundamental_150_16000）	WORLD（Harvest）	処理完了	測定完了	13.322	9.544	1.306	0.645	—	0/113	113	0
音高が連続的に変わる調波音（harmonic_sweep_90_240_16000）	自作HNM	処理完了	測定完了	1.620	0.000	0.035	-0.048	3.109	143/143	0	0
音高が連続的に変わる調波音（harmonic_sweep_90_240_16000）	WORLD（Harvest）	処理完了	測定完了	3.412	1.792	0.626	0.611	3.907	143/143	0	0
パルス列と共鳴器による母音様音（pulse_iir_vowel_90_16000）	自作HNM	処理完了	測定完了	1.381	0.000	0.128	-0.085	0.273	113/113	0	0
パルス列と共鳴器による母音様音（pulse_iir_vowel_90_16000）	WORLD（Harvest）	処理完了	測定完了	2.345	0.964	0.499	0.559	0.282	113/113	0	0
音量が周期的に変わる雑音（am_noise_6hz_16000）	自作HNM	処理完了	測定完了	6.142	0.000	1.327	-0.047	—	0/0	0	0
音量が周期的に変わる雑音（am_noise_6hz_16000）	WORLD（Harvest）	処理完了	測定完了	6.657	0.516	2.673	0.319	—	0/0	0	0
有声・無声の切替（voiced_unvoiced_boundaries_16000）	自作HNM	処理完了	測定完了	3.313	0.000	0.136	-0.017	0.253	96/96	0	0
有声・無声の切替（voiced_unvoiced_boundaries_16000）	WORLD（Harvest）	処理完了	測定完了	4.909	1.595	0.278	0.451	0.439	96/96	0	0
無音（silence_16000）	自作HNM	処理完了	測定完了	0.000	0.000	—	—	—	0/0	0	0
無音（silence_16000）	WORLD（Harvest）	処理完了	測定完了	14.747	14.747	—	—	—	0/0	0	0
瞬間的なパルス（impulse_16000）	自作HNM	処理完了	測定完了	3.717	0.000	1.198	0.066	—	0/0	0	0
瞬間的なパルス（impulse_16000）	WORLD（Harvest）	処理完了	測定完了	1.926	-1.791	3.301	3.477	—	0/0	0	0
正弦波（sine_120_24000）	自作HNM	処理完了	測定完了	0.862	0.000	0.178	-0.171	1.190	113/113	0	0
正弦波（sine_120_24000）	WORLD（Harvest）	処理完了	測定完了	6.329	5.467	9.624	-1.557	—	0/113	113	0
調波音（harmonic_110_24000）	自作HNM	処理完了	測定完了	0.516	0.000	0.103	-0.109	0.039	113/113	0	0
調波音（harmonic_110_24000）	WORLD（Harvest）	処理完了	測定完了	5.072	4.557	0.244	0.546	0.095	113/113	0	0
調波音（harmonic_220_24000）	自作HNM	処理完了	測定完了	1.055	0.000	0.177	-0.073	0.128	113/113	0	0
調波音（harmonic_220_24000）	WORLD（Harvest）	処理完了	測定完了	4.350	3.295	0.566	0.530	0.161	113/113	0	0
基本波を除いた調波音（missing_fundamental_150_24000）	自作HNM	処理完了	測定完了	2.010	0.000	0.056	-0.105	0.036	113/113	0	0
基本波を除いた調波音（missing_fundamental_150_24000）	WORLD（Harvest）	処理完了	測定完了	9.047	7.037	1.346	0.566	—	0/113	113	0
音高が連続的に変わる調波音（harmonic_sweep_90_240_24000）	自作HNM	処理完了	測定完了	1.416	0.000	0.062	-0.071	3.236	143/143	0	0
音高が連続的に変わる調波音（harmonic_sweep_90_240_24000）	WORLD（Harvest）	処理完了	測定完了	3.462	2.046	0.621	0.621	3.789	143/143	0	0
パルス列と共鳴器による母音様音（pulse_iir_vowel_90_24000）	自作HNM	処理完了	測定完了	1.010	0.000	0.141	-0.042	0.096	113/113	0	0
パルス列と共鳴器による母音様音（pulse_iir_vowel_90_24000）	WORLD（Harvest）	処理完了	測定完了	3.234	2.224	0.475	0.548	0.202	113/113	0	0
音量が周期的に変わる雑音（am_noise_6hz_24000）	自作HNM	処理完了	測定完了	5.779	0.000	2.028	0.091	—	0/0	0	0
音量が周期的に変わる雑音（am_noise_6hz_24000）	WORLD（Harvest）	処理完了	測定完了	5.851	0.072	2.336	0.117	—	0/0	0	0
有声・無声の切替（voiced_unvoiced_boundaries_24000）	自作HNM	処理完了	測定完了	2.821	0.000	0.226	-0.075	0.162	96/96	0	0
有声・無声の切替（voiced_unvoiced_boundaries_24000）	WORLD（Harvest）	処理完了	測定完了	4.509	1.688	0.295	0.481	0.276	96/96	0	0
無音（silence_24000）	自作HNM	処理完了	測定完了	0.000	0.000	—	—	—	0/0	0	0
無音（silence_24000）	WORLD（Harvest）	処理完了	測定完了	13.230	13.230	—	—	—	0/0	0	0
瞬間的なパルス（impulse_24000）	自作HNM	処理完了	測定完了	3.052	0.000	1.074	0.298	—	0/0	0	0
瞬間的なパルス（impulse_24000）	WORLD（Harvest）	処理完了	測定完了	1.917	-1.136	2.805	2.959	—	0/0	0	0
正弦波（sine_120_48000）	自作HNM	処理完了	測定完了	0.659	0.000	0.879	-0.869	1.751	113/113	0	0
正弦波（sine_120_48000）	WORLD（Harvest）	処理完了	測定完了	3.235	2.576	9.407	-1.387	—	0/113	113	0
調波音（harmonic_110_48000）	自作HNM	処理完了	測定完了	0.414	0.000	0.200	-0.260	0.026	113/113	0	0
調波音（harmonic_110_48000）	WORLD（Harvest）	処理完了	測定完了	2.685	2.270	0.240	0.546	0.088	113/113	0	0
調波音（harmonic_220_48000）	自作HNM	処理完了	測定完了	0.819	0.000	0.372	-0.112	0.042	113/113	0	0
調波音（harmonic_220_48000）	WORLD（Harvest）	処理完了	測定完了	2.287	1.468	0.567	0.531	0.095	113/113	0	0
基本波を除いた調波音（missing_fundamental_150_48000）	自作HNM	処理完了	測定完了	1.366	0.000	0.156	-0.318	0.031	113/113	0	0
基本波を除いた調波音（missing_fundamental_150_48000）	WORLD（Harvest）	処理完了	測定完了	4.502	3.137	1.364	0.905	—	0/113	113	0
音高が連続的に変わる調波音（harmonic_sweep_90_240_48000）	自作HNM	処理完了	測定完了	0.858	0.000	0.088	-0.113	3.103	143/143	0	0
音高が連続的に変わる調波音（harmonic_sweep_90_240_48000）	WORLD（Harvest）	処理完了	測定完了	2.007	1.149	0.613	0.621	3.813	143/143	0	0
パルス列と共鳴器による母音様音（pulse_iir_vowel_90_48000）	自作HNM	処理完了	測定完了	0.948	0.000	0.244	-0.267	0.053	113/113	0	0
パルス列と共鳴器による母音様音（pulse_iir_vowel_90_48000）	WORLD（Harvest）	処理完了	測定完了	2.196	1.248	0.476	0.547	0.151	113/113	0	0
音量が周期的に変わる雑音（am_noise_6hz_48000）	自作HNM	処理完了	測定完了	5.284	0.000	2.522	-0.027	—	0/0	0	0
音量が周期的に変わる雑音（am_noise_6hz_48000）	WORLD（Harvest）	処理完了	測定完了	5.088	-0.195	2.194	0.186	—	0/0	0	0
有声・無声の切替（voiced_unvoiced_boundaries_48000）	自作HNM	処理完了	測定完了	2.488	0.000	0.297	-0.179	0.161	96/96	0	0
有声・無声の切替（voiced_unvoiced_boundaries_48000）	WORLD（Harvest）	処理完了	測定完了	3.122	0.634	0.240	0.492	0.418	96/96	0	0
無音（silence_48000）	自作HNM	処理完了	測定完了	0.000	0.000	—	—	—	0/0	0	0
無音（silence_48000）	WORLD（Harvest）	処理完了	測定完了	10.536	10.536	—	—	—	0/0	0	0
瞬間的なパルス（impulse_48000）	自作HNM	処理完了	測定完了	3.053	0.000	1.013	-0.047	—	0/0	0	0
瞬間的なパルス（impulse_48000）	WORLD（Harvest）	処理完了	測定完了	1.898	-1.156	3.920	3.550	—	0/0	0	0
LibriSpeechの自然音声（librispeech_5142-36586_first6s）	自作HNM	処理完了	測定完了	5.966	0.000	0.163	-0.120	—	—/—	—	—
LibriSpeechの自然音声（librispeech_5142-36586_first6s）	WORLD（Harvest）	処理完了	測定完了	5.681	-0.286	0.663	0.773	—	—/—	—	—
LibriSpeechの自然音声（librispeech_7021-79759_first6s）	自作HNM	処理完了	測定完了	5.310	0.000	0.227	-0.014	—	—/—	—	—
LibriSpeechの自然音声（librispeech_7021-79759_first6s）	WORLD（Harvest）	処理完了	測定完了	5.393	0.083	0.845	0.778	—	—/—	—	—

操作の追従と欠測

ゲイン・音高・時間長の変更を測定します。真値F0との誤差と、未操作出力からの相対変化推定は別の値です。全長一致は局所タイミングの保持を保証しません。帯域変化は未操作出力との差で、音高変更に伴う正常な変化も含む診断値です。

入力	方式	操作	状態	ゲイン追従誤差 dB	音高編集後の帯域変化 dB	真値F0 P95 cent	測定できた／真値の有声フレーム	有声の欠測	誤有声	相対F0誤差 P95 cent	相対比較可能／全フレーム	イベント誤差 ms
調波音（harmonic_110_16000）	自作HNM	音高 +3半音	処理完了	—	0.798	0.079	113/113	0	0	0.085	113/113	—
調波音（harmonic_110_16000）	自作HNM	音高 −3半音	処理完了	—	1.072	0.053	113/113	0	0	0.093	113/113	—
調波音（harmonic_110_16000）	自作HNM	音量 +6 dB	処理完了	0.000000	—	0.069	113/113	0	0	0.000	113/113	—
調波音（harmonic_110_16000）	自作HNM	音量 −6 dB	処理完了	0.000000	—	0.069	113/113	0	0	0.000	113/113	—
調波音（harmonic_110_16000）	自作HNM	時間長 1.25倍	処理完了	—	—	—	—/—	—	—	—	—/—	—
調波音（harmonic_110_16000）	WORLD（Harvest）	音高 +3半音	処理完了	—	0.561	0.117	113/113	0	0	0.116	113/113	—
調波音（harmonic_110_16000）	WORLD（Harvest）	音高 −3半音	処理完了	—	0.799	0.075	113/113	0	0	0.079	113/113	—
調波音（harmonic_110_16000）	WORLD（Harvest）	音量 +6 dB	処理完了	0.000009	—	0.072	113/113	0	0	0.020	113/113	—
調波音（harmonic_110_16000）	WORLD（Harvest）	音量 −6 dB	処理完了	-0.000012	—	0.053	113/113	0	0	0.011	113/113	—
調波音（harmonic_110_16000）	WORLD（Harvest）	時間長 1.25倍	処理完了	—	—	—	—/—	—	—	—	—/—	—
有声・無声の切替（voiced_unvoiced_boundaries_16000）	自作HNM	音高 +3半音	処理完了	—	3.593	0.199	96/96	0	0	0.623	100/153	—
有声・無声の切替（voiced_unvoiced_boundaries_16000）	自作HNM	音高 −3半音	処理完了	—	0.804	0.248	96/96	0	0	1.172	101/153	—
有声・無声の切替（voiced_unvoiced_boundaries_16000）	自作HNM	音量 +6 dB	処理完了	0.000000	—	0.253	96/96	0	0	0.000	101/153	—
有声・無声の切替（voiced_unvoiced_boundaries_16000）	自作HNM	音量 −6 dB	処理完了	-0.000000	—	0.253	96/96	0	0	0.000	101/153	—
有声・無声の切替（voiced_unvoiced_boundaries_16000）	自作HNM	時間長 1.25倍	処理完了	—	—	—	—/—	—	—	—	—/—	—
有声・無声の切替（voiced_unvoiced_boundaries_16000）	WORLD（Harvest）	音高 +3半音	処理完了	—	3.989	0.383	96/96	0	0	0.258	98/153	—
有声・無声の切替（voiced_unvoiced_boundaries_16000）	WORLD（Harvest）	音高 −3半音	処理完了	—	0.821	0.306	96/96	0	0	0.239	97/153	—
有声・無声の切替（voiced_unvoiced_boundaries_16000）	WORLD（Harvest）	音量 +6 dB	処理完了	-0.000052	—	0.472	96/96	0	0	0.095	98/153	—
有声・無声の切替（voiced_unvoiced_boundaries_16000）	WORLD（Harvest）	音量 −6 dB	処理完了	0.000046	—	0.436	96/96	0	0	0.081	98/153	—
有声・無声の切替（voiced_unvoiced_boundaries_16000）	WORLD（Harvest）	時間長 1.25倍	処理完了	—	—	—	—/—	—	—	—	—/—	—
瞬間的なパルス（impulse_16000）	自作HNM	音高 +3半音	処理完了	—	0.000	—	0/0	0	0	—	0/73	2.000
瞬間的なパルス（impulse_16000）	自作HNM	音高 −3半音	処理完了	—	0.000	—	0/0	0	0	—	0/73	2.000
瞬間的なパルス（impulse_16000）	自作HNM	音量 +6 dB	処理完了	0.000000	—	—	0/0	0	0	—	0/73	2.000
瞬間的なパルス（impulse_16000）	自作HNM	音量 −6 dB	処理完了	-0.000000	—	—	0/0	0	0	—	0/73	2.000
瞬間的なパルス（impulse_16000）	自作HNM	時間長 1.25倍	処理完了	—	—	—	—/—	—	—	—	—/—	-0.125
瞬間的なパルス（impulse_16000）	WORLD（Harvest）	音高 +3半音	処理完了	—	0.000	—	0/0	0	0	—	0/73	1.688
瞬間的なパルス（impulse_16000）	WORLD（Harvest）	音高 −3半音	処理完了	—	0.000	—	0/0	0	0	—	0/73	1.688
瞬間的なパルス（impulse_16000）	WORLD（Harvest）	音量 +6 dB	処理完了	-0.000000	—	—	0/0	0	0	—	0/73	1.688
瞬間的なパルス（impulse_16000）	WORLD（Harvest）	音量 −6 dB	処理完了	0.000000	—	—	0/0	0	0	—	0/73	1.688
瞬間的なパルス（impulse_16000）	WORLD（Harvest）	時間長 1.25倍	処理完了	—	—	—	—/—	—	—	—	—/—	1.500
LibriSpeechの自然音声（librispeech_5142-36586_first6s）	自作HNM	音高 +3半音	処理完了	—	1.340	—	—/—	—	—	7.534	146/593	—
LibriSpeechの自然音声（librispeech_5142-36586_first6s）	自作HNM	音高 −3半音	処理完了	—	0.484	—	—/—	—	—	12.565	122/593	—
LibriSpeechの自然音声（librispeech_5142-36586_first6s）	自作HNM	音量 +6 dB	処理完了	-0.000000	—	—	—/—	—	—	0.000	157/593	—
LibriSpeechの自然音声（librispeech_5142-36586_first6s）	自作HNM	音量 −6 dB	処理完了	-0.000000	—	—	—/—	—	—	0.000	157/593	—
LibriSpeechの自然音声（librispeech_5142-36586_first6s）	自作HNM	時間長 1.25倍	処理完了	—	—	—	—/—	—	—	—	—/—	—
LibriSpeechの自然音声（librispeech_5142-36586_first6s）	WORLD（Harvest）	音高 +3半音	処理完了	—	1.135	—	—/—	—	—	7.099	144/593	—
LibriSpeechの自然音声（librispeech_5142-36586_first6s）	WORLD（Harvest）	音高 −3半音	処理完了	—	0.537	—	—/—	—	—	6.717	112/593	—
LibriSpeechの自然音声（librispeech_5142-36586_first6s）	WORLD（Harvest）	音量 +6 dB	処理完了	0.000005	—	—	—/—	—	—	0.002	152/593	—
LibriSpeechの自然音声（librispeech_5142-36586_first6s）	WORLD（Harvest）	音量 −6 dB	処理完了	-0.000015	—	—	—/—	—	—	0.008	152/593	—
LibriSpeechの自然音声（librispeech_5142-36586_first6s）	WORLD（Harvest）	時間長 1.25倍	処理完了	—	—	—	—/—	—	—	—	—/—	—
LibriSpeechの自然音声（librispeech_7021-79759_first6s）	自作HNM	音高 +3半音	処理完了	—	0.836	—	—/—	—	—	18.536	93/593	—
LibriSpeechの自然音声（librispeech_7021-79759_first6s）	自作HNM	音高 −3半音	処理完了	—	0.310	—	—/—	—	—	16.887	75/593	—
LibriSpeechの自然音声（librispeech_7021-79759_first6s）	自作HNM	音量 +6 dB	処理完了	0.000000	—	—	—/—	—	—	0.000	98/593	—
LibriSpeechの自然音声（librispeech_7021-79759_first6s）	自作HNM	音量 −6 dB	処理完了	-0.000000	—	—	—/—	—	—	0.000	98/593	—
LibriSpeechの自然音声（librispeech_7021-79759_first6s）	自作HNM	時間長 1.25倍	処理完了	—	—	—	—/—	—	—	—	—/—	—
LibriSpeechの自然音声（librispeech_7021-79759_first6s）	WORLD（Harvest）	音高 +3半音	処理完了	—	0.758	—	—/—	—	—	16.124	119/593	—
LibriSpeechの自然音声（librispeech_7021-79759_first6s）	WORLD（Harvest）	音高 −3半音	処理完了	—	0.528	—	—/—	—	—	10.275	96/593	—
LibriSpeechの自然音声（librispeech_7021-79759_first6s）	WORLD（Harvest）	音量 +6 dB	処理完了	0.000001	—	—	—/—	—	—	0.003	119/593	—
LibriSpeechの自然音声（librispeech_7021-79759_first6s）	WORLD（Harvest）	音量 −6 dB	処理完了	-0.000001	—	—	—/—	—	—	0.008	119/593	—
LibriSpeechの自然音声（librispeech_7021-79759_first6s）	WORLD（Harvest）	時間長 1.25倍	処理完了	—	—	—	—/—	—	—	—	—/—	—

エンコーダーを通さない合成

手作り特徴からの合成です。全値が有限でも、聴感品質の合格を示すものではありません。

方式	指定F0 Hz	状態	出力サンプル数	全値が有限	真値F0 P95 cent	測定できた／真値の有声フレーム
自作HNM	0.0	処理完了	8000	はい	—	0/0
自作HNM	140.0	処理完了	8000	はい	0.092	43/43
WORLD（Harvest）	0.0	処理完了	8000	はい	—	0/0
WORLD（Harvest）	140.0	処理完了	8000	はい	0.198	43/43

細部表現などの診断

入力	方式	条件	状態	真値F0 P95 cent	測定できた／真値の有声フレーム	有声の欠測	誤有声
調波音（harmonic_110_16000）	自作HNM	保存・読込	処理完了	—	—/—	—	—
調波音（harmonic_110_16000）	自作HNM	位相細部あり・音高-3半音	処理完了	0.053	113/113	0	0
調波音（harmonic_110_16000）	自作HNM	位相細部あり・音高+3半音	処理完了	0.079	113/113	0	0
調波音（harmonic_110_16000）	自作HNM	位相細部なし・音高-3半音	処理完了	0.173	113/113	0	0
調波音（harmonic_110_16000）	自作HNM	位相細部なし・音高+3半音	処理完了	0.116	113/113	0	0
調波音（harmonic_110_16000）	自作HNM	雑音成分だけの周期性	処理完了	—	0/0	0	0
調波音（harmonic_220_16000）	自作HNM	保存・読込	処理完了	—	—/—	—	—
調波音（harmonic_220_16000）	自作HNM	位相細部あり・音高-3半音	処理完了	0.095	113/113	0	0
調波音（harmonic_220_16000）	自作HNM	位相細部あり・音高+3半音	処理完了	0.240	113/113	0	0
調波音（harmonic_220_16000）	自作HNM	位相細部なし・音高-3半音	処理完了	0.155	113/113	0	0
調波音（harmonic_220_16000）	自作HNM	位相細部なし・音高+3半音	処理完了	0.108	113/113	0	0
調波音（harmonic_220_16000）	自作HNM	雑音成分だけの周期性	処理完了	—	0/0	0	0

診断の全値

[
  {
    "case": "harmonic_110_16000",
    "diagnostic": "save_load",
    "label": "保存・読込",
    "status": "measured",
    "max_abs_waveform_difference": 0.0,
    "compressed_parameter_bytes": 1994215
  },
  {
    "case": "harmonic_110_16000",
    "diagnostic": "phase_detail_pitch",
    "status": "measured",
    "details": true,
    "pitch_semitones": -3,
    "label": "位相細部あり・音高-3半音",
    "pitch": {
      "estimator": "independent-yin-difference-v2-prefiltered",
      "frame_ms": 80.0,
      "hop_ms": 10.0,
      "prefilter": {
        "kind": "butterworth-forward-backward",
        "order_per_pass": 6,
        "cutoff_hz": 2000.0,
        "pad_type": "even",
        "max_pad_samples": 1280
      },
      "validated_scope": "independent synthetic calibration; requires sufficient periodic energy below 2 kHz; not validated for natural speech",
      "fmin_hz": 65.0,
      "fmax_hz": 700.0,
      "total_frames": 113,
      "expected_voiced_frames": 113,
      "expected_unvoiced_frames": 0,
      "boundary_frames": 0,
      "boundary_policy": "mixed-truth windows counted but excluded from cent and UV summaries",
      "valid_voiced_frames": 113,
      "missing_voiced_frames": 0,
      "false_voiced_frames": 0,
      "gross_pitch_error_frames": 0,
      "abs_error_cents_median": 0.01666288069039127,
      "abs_error_cents_p95": 0.05288558340036764,
      "voiced_detection_rate": 1.0,
      "unvoiced_false_positive_rate": null,
      "score_status": "ok",
      "uncovered_tail_samples": 0
    }
  },
  {
    "case": "harmonic_110_16000",
    "diagnostic": "phase_detail_pitch",
    "status": "measured",
    "details": true,
    "pitch_semitones": 3,
    "label": "位相細部あり・音高+3半音",
    "pitch": {
      "estimator": "independent-yin-difference-v2-prefiltered",
      "frame_ms": 80.0,
      "hop_ms": 10.0,
      "prefilter": {
        "kind": "butterworth-forward-backward",
        "order_per_pass": 6,
        "cutoff_hz": 2000.0,
        "pad_type": "even",
        "max_pad_samples": 1280
      },
      "validated_scope": "independent synthetic calibration; requires sufficient periodic energy below 2 kHz; not validated for natural speech",
      "fmin_hz": 65.0,
      "fmax_hz": 700.0,
      "total_frames": 113,
      "expected_voiced_frames": 113,
      "expected_unvoiced_frames": 0,
      "boundary_frames": 0,
      "boundary_policy": "mixed-truth windows counted but excluded from cent and UV summaries",
      "valid_voiced_frames": 113,
      "missing_voiced_frames": 0,
      "false_voiced_frames": 0,
      "gross_pitch_error_frames": 0,
      "abs_error_cents_median": 0.06895333819393065,
      "abs_error_cents_p95": 0.07903017642258851,
      "voiced_detection_rate": 1.0,
      "unvoiced_false_positive_rate": null,
      "score_status": "ok",
      "uncovered_tail_samples": 0
    }
  },
  {
    "case": "harmonic_110_16000",
    "diagnostic": "phase_detail_pitch",
    "status": "measured",
    "details": false,
    "pitch_semitones": -3,
    "label": "位相細部なし・音高-3半音",
    "pitch": {
      "estimator": "independent-yin-difference-v2-prefiltered",
      "frame_ms": 80.0,
      "hop_ms": 10.0,
      "prefilter": {
        "kind": "butterworth-forward-backward",
        "order_per_pass": 6,
        "cutoff_hz": 2000.0,
        "pad_type": "even",
        "max_pad_samples": 1280
      },
      "validated_scope": "independent synthetic calibration; requires sufficient periodic energy below 2 kHz; not validated for natural speech",
      "fmin_hz": 65.0,
      "fmax_hz": 700.0,
      "total_frames": 113,
      "expected_voiced_frames": 113,
      "expected_unvoiced_frames": 0,
      "boundary_frames": 0,
      "boundary_policy": "mixed-truth windows counted but excluded from cent and UV summaries",
      "valid_voiced_frames": 113,
      "missing_voiced_frames": 0,
      "false_voiced_frames": 0,
      "gross_pitch_error_frames": 0,
      "abs_error_cents_median": 0.0572510897087474,
      "abs_error_cents_p95": 0.1733296071556432,
      "voiced_detection_rate": 1.0,
      "unvoiced_false_positive_rate": null,
      "score_status": "ok",
      "uncovered_tail_samples": 0
    }
  },
  {
    "case": "harmonic_110_16000",
    "diagnostic": "phase_detail_pitch",
    "status": "measured",
    "details": false,
    "pitch_semitones": 3,
    "label": "位相細部なし・音高+3半音",
    "pitch": {
      "estimator": "independent-yin-difference-v2-prefiltered",
      "frame_ms": 80.0,
      "hop_ms": 10.0,
      "prefilter": {
        "kind": "butterworth-forward-backward",
        "order_per_pass": 6,
        "cutoff_hz": 2000.0,
        "pad_type": "even",
        "max_pad_samples": 1280
      },
      "validated_scope": "independent synthetic calibration; requires sufficient periodic energy below 2 kHz; not validated for natural speech",
      "fmin_hz": 65.0,
      "fmax_hz": 700.0,
      "total_frames": 113,
      "expected_voiced_frames": 113,
      "expected_unvoiced_frames": 0,
      "boundary_frames": 0,
      "boundary_policy": "mixed-truth windows counted but excluded from cent and UV summaries",
      "valid_voiced_frames": 113,
      "missing_voiced_frames": 0,
      "false_voiced_frames": 0,
      "gross_pitch_error_frames": 0,
      "abs_error_cents_median": 0.0981959185644729,
      "abs_error_cents_p95": 0.115935763250896,
      "voiced_detection_rate": 1.0,
      "unvoiced_false_positive_rate": null,
      "score_status": "ok",
      "uncovered_tail_samples": 0
    }
  },
  {
    "case": "harmonic_110_16000",
    "diagnostic": "noise_only_periodicity",
    "label": "雑音成分だけの周期性",
    "status": "measured",
    "pitch": {
      "estimator": "independent-yin-difference-v2-prefiltered",
      "frame_ms": 80.0,
      "hop_ms": 10.0,
      "prefilter": {
        "kind": "butterworth-forward-backward",
        "order_per_pass": 6,
        "cutoff_hz": 2000.0,
        "pad_type": "even",
        "max_pad_samples": 1280
      },
      "validated_scope": "independent synthetic calibration; requires sufficient periodic energy below 2 kHz; not validated for natural speech",
      "fmin_hz": 65.0,
      "fmax_hz": 700.0,
      "total_frames": 113,
      "expected_voiced_frames": 0,
      "expected_unvoiced_frames": 113,
      "boundary_frames": 0,
      "boundary_policy": "mixed-truth windows counted but excluded from cent and UV summaries",
      "valid_voiced_frames": 0,
      "missing_voiced_frames": 0,
      "false_voiced_frames": 0,
      "gross_pitch_error_frames": 0,
      "abs_error_cents_median": null,
      "abs_error_cents_p95": null,
      "voiced_detection_rate": null,
      "unvoiced_false_positive_rate": 0.0,
      "score_status": "no_valid_voiced_frames",
      "uncovered_tail_samples": 0
    },
    "rms": 0.00779256730275366
  },
  {
    "case": "harmonic_220_16000",
    "diagnostic": "save_load",
    "label": "保存・読込",
    "status": "measured",
    "max_abs_waveform_difference": 0.0,
    "compressed_parameter_bytes": 1962438
  },
  {
    "case": "harmonic_220_16000",
    "diagnostic": "phase_detail_pitch",
    "status": "measured",
    "details": true,
    "pitch_semitones": -3,
    "label": "位相細部あり・音高-3半音",
    "pitch": {
      "estimator": "independent-yin-difference-v2-prefiltered",
      "frame_ms": 80.0,
      "hop_ms": 10.0,
      "prefilter": {
        "kind": "butterworth-forward-backward",
        "order_per_pass": 6,
        "cutoff_hz": 2000.0,
        "pad_type": "even",
        "max_pad_samples": 1280
      },
      "validated_scope": "independent synthetic calibration; requires sufficient periodic energy below 2 kHz; not validated for natural speech",
      "fmin_hz": 65.0,
      "fmax_hz": 700.0,
      "total_frames": 113,
      "expected_voiced_frames": 113,
      "expected_unvoiced_frames": 0,
      "boundary_frames": 0,
      "boundary_policy": "mixed-truth windows counted but excluded from cent and UV summaries",
      "valid_voiced_frames": 113,
      "missing_voiced_frames": 0,
      "false_voiced_frames": 0,
      "gross_pitch_error_frames": 0,
      "abs_error_cents_median": 0.07110957671636121,
      "abs_error_cents_p95": 0.09523517359699768,
      "voiced_detection_rate": 1.0,
      "unvoiced_false_positive_rate": null,
      "score_status": "ok",
      "uncovered_tail_samples": 0
    }
  },
  {
    "case": "harmonic_220_16000",
    "diagnostic": "phase_detail_pitch",
    "status": "measured",
    "details": true,
    "pitch_semitones": 3,
    "label": "位相細部あり・音高+3半音",
    "pitch": {
      "estimator": "independent-yin-difference-v2-prefiltered",
      "frame_ms": 80.0,
      "hop_ms": 10.0,
      "prefilter": {
        "kind": "butterworth-forward-backward",
        "order_per_pass": 6,
        "cutoff_hz": 2000.0,
        "pad_type": "even",
        "max_pad_samples": 1280
      },
      "validated_scope": "independent synthetic calibration; requires sufficient periodic energy below 2 kHz; not validated for natural speech",
      "fmin_hz": 65.0,
      "fmax_hz": 700.0,
      "total_frames": 113,
      "expected_voiced_frames": 113,
      "expected_unvoiced_frames": 0,
      "boundary_frames": 0,
      "boundary_policy": "mixed-truth windows counted but excluded from cent and UV summaries",
      "valid_voiced_frames": 113,
      "missing_voiced_frames": 0,
      "false_voiced_frames": 0,
      "gross_pitch_error_frames": 0,
      "abs_error_cents_median": 0.22482079169244507,
      "abs_error_cents_p95": 0.2399662185777849,
      "voiced_detection_rate": 1.0,
      "unvoiced_false_positive_rate": null,
      "score_status": "ok",
      "uncovered_tail_samples": 0
    }
  },
  {
    "case": "harmonic_220_16000",
    "diagnostic": "phase_detail_pitch",
    "status": "measured",
    "details": false,
    "pitch_semitones": -3,
    "label": "位相細部なし・音高-3半音",
    "pitch": {
      "estimator": "independent-yin-difference-v2-prefiltered",
      "frame_ms": 80.0,
      "hop_ms": 10.0,
      "prefilter": {
        "kind": "butterworth-forward-backward",
        "order_per_pass": 6,
        "cutoff_hz": 2000.0,
        "pad_type": "even",
        "max_pad_samples": 1280
      },
      "validated_scope": "independent synthetic calibration; requires sufficient periodic energy below 2 kHz; not validated for natural speech",
      "fmin_hz": 65.0,
      "fmax_hz": 700.0,
      "total_frames": 113,
      "expected_voiced_frames": 113,
      "expected_unvoiced_frames": 0,
      "boundary_frames": 0,
      "boundary_policy": "mixed-truth windows counted but excluded from cent and UV summaries",
      "valid_voiced_frames": 113,
      "missing_voiced_frames": 0,
      "false_voiced_frames": 0,
      "gross_pitch_error_frames": 0,
      "abs_error_cents_median": 0.1400995733925185,
      "abs_error_cents_p95": 0.1545252023813578,
      "voiced_detection_rate": 1.0,
      "unvoiced_false_positive_rate": null,
      "score_status": "ok",
      "uncovered_tail_samples": 0
    }
  },
  {
    "case": "harmonic_220_16000",
    "diagnostic": "phase_detail_pitch",
    "status": "measured",
    "details": false,
    "pitch_semitones": 3,
    "label": "位相細部なし・音高+3半音",
    "pitch": {
      "estimator": "independent-yin-difference-v2-prefiltered",
      "frame_ms": 80.0,
      "hop_ms": 10.0,
      "prefilter": {
        "kind": "butterworth-forward-backward",
        "order_per_pass": 6,
        "cutoff_hz": 2000.0,
        "pad_type": "even",
        "max_pad_samples": 1280
      },
      "validated_scope": "independent synthetic calibration; requires sufficient periodic energy below 2 kHz; not validated for natural speech",
      "fmin_hz": 65.0,
      "fmax_hz": 700.0,
      "total_frames": 113,
      "expected_voiced_frames": 113,
      "expected_unvoiced_frames": 0,
      "boundary_frames": 0,
      "boundary_policy": "mixed-truth windows counted but excluded from cent and UV summaries",
      "valid_voiced_frames": 113,
      "missing_voiced_frames": 0,
      "false_voiced_frames": 0,
      "gross_pitch_error_frames": 0,
      "abs_error_cents_median": 0.08063336993469461,
      "abs_error_cents_p95": 0.10815680595953618,
      "voiced_detection_rate": 1.0,
      "unvoiced_false_positive_rate": null,
      "score_status": "ok",
      "uncovered_tail_samples": 0
    }
  },
  {
    "case": "harmonic_220_16000",
    "diagnostic": "noise_only_periodicity",
    "label": "雑音成分だけの周期性",
    "status": "measured",
    "pitch": {
      "estimator": "independent-yin-difference-v2-prefiltered",
      "frame_ms": 80.0,
      "hop_ms": 10.0,
      "prefilter": {
        "kind": "butterworth-forward-backward",
        "order_per_pass": 6,
        "cutoff_hz": 2000.0,
        "pad_type": "even",
        "max_pad_samples": 1280
      },
      "validated_scope": "independent synthetic calibration; requires sufficient periodic energy below 2 kHz; not validated for natural speech",
      "fmin_hz": 65.0,
      "fmax_hz": 700.0,
      "total_frames": 113,
      "expected_voiced_frames": 0,
      "expected_unvoiced_frames": 113,
      "boundary_frames": 0,
      "boundary_policy": "mixed-truth windows counted but excluded from cent and UV summaries",
      "valid_voiced_frames": 0,
      "missing_voiced_frames": 0,
      "false_voiced_frames": 0,
      "gross_pitch_error_frames": 0,
      "abs_error_cents_median": null,
      "abs_error_cents_p95": null,
      "voiced_detection_rate": null,
      "unvoiced_false_positive_rate": 0.0,
      "score_status": "no_valid_voiced_frames",
      "uncovered_tail_samples": 0
    },
    "rms": 0.0067878718989261445
  }
]

原音に対する音高測定器の校正

入力	真値F0 P95 cent	測定できた／真値の有声フレーム	有声の欠測	誤有声
正弦波（sine_120_16000）	0.032	113/113	0	0
調波音（harmonic_110_16000）	0.025	113/113	0	0
調波音（harmonic_220_16000）	0.074	113/113	0	0
基本波を除いた調波音（missing_fundamental_150_16000）	0.109	113/113	0	0
音高が連続的に変わる調波音（harmonic_sweep_90_240_16000）	3.117	143/143	0	0
パルス列と共鳴器による母音様音（pulse_iir_vowel_90_16000）	0.272	113/113	0	0
音量が周期的に変わる雑音（am_noise_6hz_16000）	—	0/0	0	0
有声・無声の切替（voiced_unvoiced_boundaries_16000）	0.117	96/96	0	0
無音（silence_16000）	—	0/0	0	0
瞬間的なパルス（impulse_16000）	—	0/0	0	0
正弦波（sine_120_24000）	0.021	113/113	0	0
調波音（harmonic_110_24000）	0.022	113/113	0	0
調波音（harmonic_220_24000）	0.078	113/113	0	0
基本波を除いた調波音（missing_fundamental_150_24000）	0.033	113/113	0	0
音高が連続的に変わる調波音（harmonic_sweep_90_240_24000）	3.078	143/143	0	0
パルス列と共鳴器による母音様音（pulse_iir_vowel_90_24000）	0.088	113/113	0	0
音量が周期的に変わる雑音（am_noise_6hz_24000）	—	0/0	0	0
有声・無声の切替（voiced_unvoiced_boundaries_24000）	0.048	96/96	0	0
無音（silence_24000）	—	0/0	0	0
瞬間的なパルス（impulse_24000）	—	0/0	0	0
正弦波（sine_120_48000）	0.005	113/113	0	0
調波音（harmonic_110_48000）	0.004	113/113	0	0
調波音（harmonic_220_48000）	0.018	113/113	0	0
基本波を除いた調波音（missing_fundamental_150_48000）	0.008	113/113	0	0
音高が連続的に変わる調波音（harmonic_sweep_90_240_48000）	3.066	143/143	0	0
パルス列と共鳴器による母音様音（pulse_iir_vowel_90_48000）	0.054	113/113	0	0
音量が周期的に変わる雑音（am_noise_6hz_48000）	—	0/0	0	0
有声・無声の切替（voiced_unvoiced_boundaries_48000）	0.008	96/96	0	0
無音（silence_48000）	—	0/0	0	0
瞬間的なパルス（impulse_48000）	—	0/0	0	0
LibriSpeechの自然音声（librispeech_5142-36586_first6s）	—	—/—	—	—
LibriSpeechの自然音声（librispeech_7021-79759_first6s）	—	—/—	—	—

処理・測定の失敗記録（0件）

処理失敗がなくても、F0欠測などの品質上の問題がないとは限りません。

[]

初代作成中の改善記録

{
  "summary": "雑音量を入力パワーと調波定常パワーの差から求める案を見直し、短時間波形上で調波振幅を1係数で合わせた後の差のPSDを有限帯域で保存。残差波形は保存しない。",
  "scope": "初代作成中の探索。16 kHz人工10例と自然2例。正式ベース置換の比較ではない。旧候補コードはGit管理しない。",
  "provenance_limit": "同一入力・同一測定器。前後の全記録を保存。元候補のソースハッシュは未保存のため、前案の厳密再現性には限界がある。",
  "rows": [
    {
      "case": "sine_120_16000",
      "before_mr_stft_db": 2.0072622909568136,
      "after_mr_stft_db": 1.2372473671919642
    },
    {
      "case": "harmonic_110_16000",
      "before_mr_stft_db": 6.272704556914732,
      "after_mr_stft_db": 0.6589666730378956
    },
    {
      "case": "harmonic_220_16000",
      "before_mr_stft_db": 6.706061247359607,
      "after_mr_stft_db": 1.8724263719713932
    },
    {
      "case": "missing_fundamental_150_16000",
      "before_mr_stft_db": 6.458556801571387,
      "after_mr_stft_db": 3.7778347002419586
    },
    {
      "case": "harmonic_sweep_90_240_16000",
      "before_mr_stft_db": 3.663746373748331,
      "after_mr_stft_db": 1.619659042668707
    },
    {
      "case": "pulse_iir_vowel_90_16000",
      "before_mr_stft_db": 4.58408202331175,
      "after_mr_stft_db": 1.3814192419288815
    },
    {
      "case": "am_noise_6hz_16000",
      "before_mr_stft_db": 6.1415462933855585,
      "after_mr_stft_db": 6.1415462933855585
    },
    {
      "case": "voiced_unvoiced_boundaries_16000",
      "before_mr_stft_db": 4.851221567865161,
      "after_mr_stft_db": 3.3134957392333564
    },
    {
      "case": "silence_16000",
      "before_mr_stft_db": 0.0,
      "after_mr_stft_db": 0.0
    },
    {
      "case": "impulse_16000",
      "before_mr_stft_db": 3.717188241413522,
      "after_mr_stft_db": 3.717188241413522
    },
    {
      "case": "librispeech_5142-36586_first6s",
      "before_mr_stft_db": 6.123762831532566,
      "after_mr_stft_db": 5.96647826799144
    },
    {
      "case": "librispeech_7021-79759_first6s",
      "before_mr_stft_db": 5.710229465872717,
      "after_mr_stft_db": 5.309757379085367
    }
  ]
}

実行環境と再現情報

{
  "environment": {
    "python": "3.12.14",
    "numpy": "2.3.5",
    "scipy": "1.17.0",
    "platform": "Linux-6.18.44-x86_64-with-glibc2.39"
  },
  "parent_commit": "0628e42275c53e1773a463422cc34264c3697458",
  "data_status": [
    {
      "status": "loaded",
      "speakers": 2,
      "excerpts": 2,
      "seconds_per_excerpt": 6
    }
  ],
  "formal_base": {
    "status": "selected",
    "method": "hnm",
    "version": "hnm-v1",
    "reason": "ユーザーの方針変更に従い、自作の調波・雑音方式を改善の出発点とする。WORLD（Harvest）は既存比較対象であり、初代採用はWORLDへの品質優越を意味しない。",
    "comparison_reference": "hnm",
    "comparison_reference_meaning": "この実験時点の自作ベース。初代の自己比較差は0。既存比較対象はWORLD（Harvest）の1方式。"
  },
  "native_builds": {
    "world": {
      "revision": "c794856b537758a3d300757db2e5e31685a822c2",
      "lock_sha256": "44b8bc3adb62802ed060834d9e06ed7f5f3cc4d28583b8a44066c5959a42462b",
      "compiler": "g++",
      "compiler_version": "g++ (Ubuntu 13.3.0-6ubuntu2~24.04) 13.3.0",
      "flags": [
        "-std=c++11",
        "-O2",
        "-fPIC",
        "-shared"
      ],
      "library_sha256": "01aa04d0c3fec82c2bf4a00e3417e00d77caff8ac8078a4b8ec5b611b081b86d",
      "source_sha256": {
        "src/world/cheaptrick.h": "90acc1f7cbb692cccee2467ebe1c9d5499d92deaad7fd3c04416edf29f6c261d",
        "src/world/codec.h": "529736e308dd168ed60bd1dd76059ea8e04697de9d36c019dd9abccac22283a0",
        "src/world/common.h": "7a761e7d92a3dff74141f73a0bb36ea7af543f314638e4d53be21dfd3d6924d1",
        "src/world/constantnumbers.h": "ed3d3aec8d0e019db68b3845198bb2c87eedd1cd26a694a830bd57f4d26ba323",
        "src/world/d4c.h": "c736bb57d4b07ed74d8a56fb8302b6de0d5b21d4b5845fe115293aff9b71b55f",
        "src/world/dio.h": "e5a433f4454250f9e3a9c60dc40de65caea0cb26ad4073b87c739773a22d1ddd",
        "src/world/fft.h": "ac321b81dea5e8118933ecc66d2d9cbfb7721da52892a64d8a4f2e18a65829d6",
        "src/world/harvest.h": "1ab55206a28236b96e8bdd0f18ddd0ec45ad874217b876ab4a9a2699619e3de2",
        "src/world/macrodefinitions.h": "6d5417f864a4a4d95b470e72e3cb0114e8c96ba33cc189341e83a9f345e664f0",
        "src/world/matlabfunctions.h": "192a6be8cf749c147a7b5119b14ad50c5ddbddba9d6c810fbdf64f0dd7dc2af4",
        "src/world/stonemask.h": "e98a951d7443b81ed0062434a6656efd812011beb57a94c0492c13471698a7fc",
        "src/world/synthesis.h": "3905ef8d0f77a4d3081a3ec11cc81f61e0c0b8db42ce37db1d6a76d5a5096e44",
        "src/world/synthesisrealtime.h": "a0f21ec940cc6e692ef6e4cdce6e920c79ae3faff605bb5816ef19686dc60739",
        "src/cheaptrick.cpp": "6481ea68ebc3a90151852cea8a2efbf1bf6683e823b737847ce57a69f7cbe00b",
        "src/codec.cpp": "acbd6c22763d036ac338fee82c061e8526fdd2d68006fb4e73d4c58c9842b9e2",
        "src/common.cpp": "ef4a982d103bfd4c0efe6f1e6fa1192809e07ac39289f29951f3d95f1af8ca51",
        "src/d4c.cpp": "a988f6154b5c3332a17f2153a1e32afb04e798d57fa99ed08670c6a64e0ad28a",
        "src/dio.cpp": "38449de8a16c6ac6405b7289ed2e8adac9400885d53d181639ebd063366756da",
        "src/fft.cpp": "7a580cc02a0b040bf39de9a841f18b527a711093309ef408c08271abed6eec62",
        "src/harvest.cpp": "e9e80047a9d9ed3ff8521b966985c0b912ac09415565da1cc821319dc454975e",
        "src/matlabfunctions.cpp": "250d4cdc31b64cb3bda3a0c988d3853a09e66dd85f15f167161948d938662a4c",
        "src/stonemask.cpp": "de68ab826ff94176bfa89b5caf7ba46a6a0497eaaf1957e2e942245b7b663e76",
        "src/synthesis.cpp": "9888973e28f2194a0eb9807e18e36680f3d912bef3ddf174dc640fedc4e08b4c",
        "src/synthesisrealtime.cpp": "01403f641a1dce3de564335859b82815162bdee2ae7e25b5fa2288930539f5f2",
        "LICENSE.txt": "6921ef0a65a931509b4055075fd847d7257c4094609075dd0615e8e997215f7e"
      }
    }
  }
}

全数値JSON ／保存音声と切り出し情報／進め方