比較音声の出典と加工条件
出典は OpenSLR SLR12 の LibriSpeech test-clean です。LibriSpeech の作成者として Vassil Panayotov らを表示します。利用条件は Creative Commons Attribution 4.0 International（CC BY 4.0） です。
掲載対象の録音は、結果を見る前に固定した次の5件です。成績の良い録音を選び直してはいません。
- librispeech_1089-134686-0008
- librispeech_2094-142345-0032
- librispeech_3729-6852-0000
- librispeech_5639-40744-0013
- librispeech_7176-88083-0002
原音と、今回の実験で合成した二つの抽出系列・pYIN の一本の系列・Apron24・WORLD16 を掲載対象にしました。合成音の操作は、音高変更なし、−3半音、＋3半音です。「二系列」は各枝を別々に再生できます。二つの波形を混ぜた音声は作っていません。
保存済みの先頭2秒の浮動小数点波形を、PCM16 WAV に変換しました。各値を32,768倍し、最も近い整数へ丸めています。ちょうど中間の値は偶数側へ丸めます。音量調整、再標本化、振幅の切り詰めはしていません。整数の範囲を超える音声があれば掲載不可と記録し、音量を下げたり別の録音に置き換えたりしません。
今回の実験自体では新たに解析・合成していますが、掲載用の変換では合成し直していません。原朗読者や作品は個別に同定していません。音声の掲載は結果を確認するためのもので、人による聴取評価を行ったという意味ではありません。