正式ベースの性能比較は未実施です。原音そのものをERB診断の比較基準とし、他は既知の解析的操作を測りました。新しいボコーダーの採用・音質優位性は判断しません。
48 kHz、主に1.2秒。15条件を各6回実行し、11条件は計算完了、4条件は品質等の証跡が不足する部分測定です。反復は同じ入力であり、90個の独立発話ではありません。
| 条件 | 状態 | 主値 | 単位 | 初回 秒 | 反復中央値 秒 |
|---|---|---|---|---|---|
| content | ok | 0.4444444444444444 | CER差 | 0.000916 | 0.000512 |
| erb-identity | ok | 0.0 | dB | 0.012534 | 0.009457 |
| erb-gain | ok | 0.7499999712310478 | dB | 0.010091 | 0.009732 |
| pitch-dynamic | ok | 0.04395639701579596 | cent | 0.047650 | 0.044970 |
| gain-dynamic | ok | 1.36245999794713e-08 | dB | 0.002933 | 0.002487 |
| local-events | ok | 0.020833333333358794 | ms | 0.004837 | 0.004493 |
| spectral-slope | ok | 8.687634894721796e-05 | dB/oct | 0.003437 | 0.002939 |
| gain-interference | ok | — | 干渉行列 | 0.047437 | 0.049152 |
| content-only-curve | partial | — | 編集量別の品質・内容保持 | 0.003032 | 0.002553 |
| abx | ok | — | ABX誤り率 | 0.003049 | 0.002415 |
| abx-ties | ok | — | ABX誤り率 | 0.003075 | 0.002647 |
| readout | ok | — | 属性別誤差 | 0.003009 | 0.002315 |
| interpolation | partial | — | 補間診断 | 0.071557 | 0.074481 |
| rough-input | partial | — | 摂動曲線 | 0.030497 | 0.030740 |
| bits | partial | — | 表現量曲線 | 0.030233 | 0.030622 |
行列や属性別結果には総合点を作らないため、計算完了でも主値は「—」です。原音自己比較ERBは0、ABX同点は0.5。ピッチの値は測定器の動作確認であり、自然音声での精度保証ではありません。
下記はブラウザーで式から再生成する例であり、保存された測定音声ファイルそのものではありません。自動再生はしません。元の48 kHz float32 WAVは提出ZIPに保存しました。
長さ不一致、非有限値、音声ハッシュ不一致はfailed、無音F0と短すぎるERB入力はnot_applicable、欠落ファイルはunavailable。原音認識が事前CER上限を超える場合はpartialで主値null。7条件を各2回観測しました。結果を0点や0誤差へ置換しません。
実ボコーダー、自然音声、実ASR・MOSモデル、人間評定は未測定です。特徴量は人工ベクトル、表現量は固定幅波形ビット列の例です。HNM内部表現を共通仕様へ持ち込みません。単一の正弦波では無効帯域を含むERB平均がゲイン量と一致しないため、有効セル数をJSONへ残しています。
Python 3.13.5 / NumPy 2.3.5 / SciPy 1.17.0、BLAS/OMP各1スレッド。リポジトリ指定のPython 3.12と異なります。初回・反復時間には入力I/Oとハッシュ・参照解析を含み、モデル推論や起動時間は含みません。メモリと信頼区間は未計測です。