既存方式の再合成比較
2音声の実行確認・品質採否には使用不可。2026-10-12T11:39:13.503994+00:00。自作ベースの測定・採用判定は行いません。
| 方式 | 標本化周波数 kHz | 完了/予定 | RTF中央値 ↓ | 予測MOS平均 ↑ | 共通区間eSTOI ↑ | 共通区間STFT dB ↓ | 生成長差 ms |
|---|---|---|---|---|---|---|---|
| WORLD（Harvest） | 16 | 2/2 | 0.259 (2/2) | 未測定 | 0.836 (2/2) | 12.424 (2/2) | 0.000 (2/2) |
| FACodec | 16 | 2/2 | 1.022 (2/2) | 未測定 | 0.645 (2/2) | 13.394 (2/2) | 0.000 (2/2) |
| HiFi-Glot | 44.1 | 2/2 | 3.134 (2/2) | 未測定 | 0.582 (2/2) | 8.410 (2/2) | 4.603 (2/2) |
| GOLF-ff | 24 | 2/2 | 0.116 (2/2) | 未測定 | 0.673 (2/2) | 8.750 (2/2) | -10.000 (2/2) |
| SiFi-GAN | 24 | 2/2 | 1.014 (2/2) | 未測定 | 0.748 (2/2) | 8.769 (2/2) | 5.000 (2/2) |
| LLSM2 | 24 | 2/2 | 0.064 (2/2) | 未測定 | 0.897 (2/2) | 7.559 (2/2) | 10.000 (2/2) |
| MagPhase | 48 | 2/2 | 0.972 (2/2) | 未測定 | 0.818 (2/2) | 5.801 (2/2) | -4.865 (2/2) |
RTFは解析・合成秒数÷音声秒数。初期化、リサンプリング、評価を除外した単回値の中央値です。 複数回の速度測定はPR #24を参照してください。標本化周波数・保持情報量が異なるため音質を揃えた順位ではありません。
同じ入力区間の音声
各方式のネイティブ出力の先頭最大2秒。音量補正なし。
原音
WORLD（Harvest）
FACodec
HiFi-Glot
GOLF-ff
SiFi-GAN
LLSM2
MagPhase
全長と補助指標を区別
生成音声の長さを切り詰めたりゼロ埋めして保存しません。 全長比較の状態・長さ差をJSONへ記録し、表のeSTOI/STFTは入力帯域にリサンプリングした共通先頭区間の補助値です。 位置合わせ・時間伸縮・ゲイン補正なし。区間外の欠落を品質合格として扱いません。 予測MOSは各ネイティブ全長出力を既存UTMOSv2へ渡した未校正の予測で、新規の人間評定ではありません。
DAC: 任意・未選択（取得・実行なし）。 操作性・特徴空間・下流学習・GPU速度は本実行の測定対象外です。
失敗と欠測
処理失敗なし。個別指標の未測定は表・JSONを参照。