残差に相関を許すと、F0候補と再合成はどう変わるか

有限3原子のAR1残差事前（AR3）へ替えた新L/Fを、同じ1話者の既知3録音で比較しました。対応する旧L/FよりECAPAは3録音とも上昇しましたが、eSTOI・SCOREQ・UTMOSの変化は録音により異なります。PMLに対しては新2条件とも全3録音でECAPA・eSTOI・SCOREQが劣り、UTMOSは混在しました。総合向上や勝者・採用は主張せず、PMLを唯一の正式ベースとして維持します。

新2条件×3録音のnative 6枝は成功し、参照4条件×3録音の12枝は入れ子参照の保存バイトを再利用しました。品質は6条件×3録音×4指標＋原音UTMOS3件の75値を今回すべて新規測定しています。先の51値の流用ではありません。既知3録音の開発比較であり、独立検証・全120完了・一般性能の結論ではありません。

録音別の品質個票と同じ先頭2秒を比べる

SCOREQだけ小さい方向、他3指標は大きい方向です。UTMOSは保存native全区間、参照3指標は同録音の共通先頭区間です。原音はUTMOS参考のみ。値は小数第6位まで表示し、原値・状態・方向・標本数・区間SHA・実行条件は各値のリンク先に原バイトで保存しています。平均・新しい順位・有意差は作りません。旧標準8方式は条件が一致していないため数値を混在させません。

eSTOI 18個票のscope文字列は評価器説明へ上書きされています。原個票を直さず、区間の説明は明示された標本数とprefix SHAを根拠にしています。2秒短例は掲載専用で、品質入力ではありません。

librispeech_1089-134686-0008

16 kHz・開始標本0。UTMOS：96000標本、参照3指標：95840標本。原音も保存された固定抜粋で、元録音全長とはしません。

同じ先頭2秒：原音＋6条件

保存されたnative個票：既存PML（正式ベース） ／ REAPER入力＋D1 ／ 旧局所候補＋D1 ／ 旧系列候補＋D1 ／ AR3局所候補＋D1 ／ AR3系列候補＋D1

librispeech_1089-134686-0011

16 kHz・開始標本0。UTMOS：96000標本、参照3指標：95840標本。原音も保存された固定抜粋で、元録音全長とはしません。

同じ先頭2秒：原音＋6条件

保存されたnative個票：既存PML（正式ベース） ／ REAPER入力＋D1 ／ 旧局所候補＋D1 ／ 旧系列候補＋D1 ／ AR3局所候補＋D1 ／ AR3系列候補＋D1

librispeech_1089-134686-0032

16 kHz・開始標本0。UTMOS：65440標本、参照3指標：65280標本。原音も保存された固定抜粋で、元録音全長とはしません。

同じ先頭2秒：原音＋6条件

保存されたnative個票：既存PML（正式ベース） ／ REAPER入力＋D1 ／ 旧局所候補＋D1 ／ 旧系列候補＋D1 ／ AR3局所候補＋D1 ／ AR3系列候補＋D1

変えたのは残差の事前、選択器とD1は固定

a={−0.8,0,0.8}、各1/3の有限3原子が事前そのものです。連続積分の求積近似でも中立事前でもありません。H0/H1へ共通に用い、物理窓のRMSを一回だけ計算する規則、正規化可能なI/K係数事前、IG(3,2)、q/Kの支持、L/F選択、D1、後段の解析・復号を固定しています。原子診断はH0とH1で別に扱い、H1側はq,K周辺化後の量です。選択qの責任度ではありません。校正済みF0・有声無声・雑音の事後確率とは呼びません。

旧L/Fとの対応差は残差モデル変更の開発比較です。新L/FとPMLの差には選択器や後処理の違いも含まれます。原音UTMOSは予測値の参考で、人のMOS評定ではありません。ECAPAも知覚的な話者類似性を保証しません。

保存メタデータのclamp件数は真F0誤りではない

保存メタデータでは全6対でclamp件数が減り、raw無声件数が増えました。clampは0を補間した後・平滑化前の範囲外件数で、rawの低F0誤り率や低qの直接選択件数ではありません。raw無声も生理的な無声の真値ではありません。別の保存配列観測は今回の掲載範囲へ含めていません。

元の比較JSON。掲載時にも元のpost_diagnostics.jsonへ全12行を照合しました。

時間は局所量・選択・部分RTFを分ける

局所量の時間は録音ごと一回で、L/Fで共有しています。下表の同じ値は引用の重複であり、二重加算しません。選択時間にはraw保存・同一性照合を含みます。D1以降のRTF（実時間比）は局所量・選択・REAPERなどを除く部分計時です。参照4条件のnative時間は過去値で、今回の測定として速度比較しません。

保存された値と時間範囲。新6枝の元個票、録音別記録、選択時間JSONは受領証拠のファイル一覧から参照できます。

実行証拠・監査と全警告を保持する

nativeは実終了0、188.8887625670004秒、最大RSS 346104 KiB。品質は実終了0、123.33314285800043秒、最大RSS 2031924 KiBです。品質の247イベントは開始83・成功83・警告70・通常ログ11で、stderr 0を警告0とは書きません。nativeには別に596警告（expのunderflow 595件、非推奨API 1件）があり、消していません。

native元実行証拠 ／ 品質元実行証拠 ／ native全660イベント ／ 品質全247イベント ／ 品質の実行環境 ／ モデル資産・評価器の保存条件。

native監査の初回はPython選択ミスでNumPyがなく、保存配列へ進む前に実終了1で停止しました。native自体の失敗ではありません。同じ監査ソースを正しい既存NumPy 2.3.5環境で動かした別v2は実終了0、3項目通過です。初回失敗判定・元の例外全文・完了監査判定を保持しています。範囲は保存選択・D1・PML・参照整合で、全尤度・真F0・音質を証明するものではありません。

追加の独立受領監査は4089検査通過・失敗0で、今回新規測定した参照4条件＋原音51値は前回D1と51/51完全一致しました。これは保存物の整合検証で、品質再推論、資産本体の再取得検証や遠隔実行の独立証明ではありません。全4089検査名・判定の公開用JSONは、親の実行承認・ソース保持記録を含む来歴や検査詳細欄を省略し、元JSONの容量・SHAを記録しています。原JSONはLibraryで不変です。

今回の品質ソースv1は起動前に旧履歴スキーマの形不一致が見つかり未実行、v2は文書スキーマとソース版名だけを訂正し、品質・実行条件・開始条件は不変との親報告です。D1以前の環境記録による実行失敗と混同しません。全manifest照合と原ファイルの来歴、指定60対応差の原値と式、掲載結果JSONへ辿れます。

短音声の変換・出典と全文設計

LibriSpeech test-clean / OpenSLR 12、Vassil Panayotov（Daniel Povey協力）、LibriVox由来。配布元、CC BY 4.0。録音IDは各欄に記載。改変は原音および変換済み音声の先頭2秒抜粋とPCM16量子化です。配布者による推奨を意味しません。

全21例は16 kHz・モノラル・標本[0,32000)。round(x×32767)の最近接・偶数丸めで、全範囲を確認してPCM16化しました。クリップ・音量正規化・位置合わせ・無音除去を加えず、品質入力へ戻していません。元NPYペイロード、変換後の全PCMバイト、WAVヘッダ・SHA・ラベルを照合し、親の独立実変換のexpected SHAとも21/21一致しました。変換式・区間・元と出力のSHA ／ 21短例JSON ／ 独立変換のexpected SHA。

設計7原文とmanifestは全文・原バイトで別保存し、連続prior検討と有限3原子への改訂を区別しています。原文のローカルパスは当時の照合元識別子で、公開URLではありません。設計全文と保存先の案内 ／ 研究グループへ戻る。未採用コード、モデル、全長音声、親の承認・保持記録、ユーザー会話は掲載していません。