全8方式の音質・制御・表現を軸別に比較

現base HNM v3と既存方式の比較

順位は各指標・条件・比較群の中だけで読みます。単純平均順位、総合勝者、新base採用はありません。MOSは予測値です。HNMとの差は「方式−HNM」で、良い方向は各表に示します。

作成UTC: 2026-10-15T06:07:51.018814+00:00。元計画は未完了。終端した各群の結果を別々に示し、全18完成とは呼びません。

原音と全8方式の計18例を掲載します。GOLF-ffとSiFi-GANの追加4例は今回の研究比較用途についての個別判断に基づきます。判断の根拠と限界を参照してください。全8方式の数値順位・比較分母・区間は維持します。各方式の先頭最大2秒を示し、全体の品質は音声例だけで判断しません。

録音	方式	先頭最大2秒・公開状態
librispeech_1089-134686-0008	原音
librispeech_1089-134686-0008	HNM v3（現base）
librispeech_1089-134686-0008	WORLD Harvest
librispeech_1089-134686-0008	FACodec v1
librispeech_1089-134686-0008	HiFi-Glot
librispeech_1089-134686-0008	LLSM2 Layer0
librispeech_1089-134686-0008	MagPhase
librispeech_1188-133604-0003	原音
librispeech_1188-133604-0003	HNM v3（現base）
librispeech_1188-133604-0003	WORLD Harvest
librispeech_1188-133604-0003	FACodec v1
librispeech_1188-133604-0003	HiFi-Glot
librispeech_1188-133604-0003	LLSM2 Layer0
librispeech_1188-133604-0003	MagPhase
librispeech_1089-134686-0008	GOLF-ff
librispeech_1089-134686-0008	SiFi-GAN
librispeech_1188-133604-0003	GOLF-ff
librispeech_1188-133604-0003	SiFi-GAN

native全長UTMOSv2予測MOS

各方式の実標本化周波数・無編集全長。原音は方式順位外。
predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

同じ録音→話者内平均→話者等重み。全有効値の方式別平均は無順位補助。有効な比較支持がある場合の設定は最大2000回・seed20261014。共通0や2話者未満では区間を算出しません。実行回数は保存証拠に従います。95%区間は記述的で多重比較未補正。HNM差は同じ比較集合・同じ再抽出による「方式−HNM」。同点は未丸め値の絶対1e-12/相対1e-9許容差を同点群先頭と比較する競技順位。区間の重なりだけで同点や有意差を決めません。失敗・適用外・未完は0点や最下位にしません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	8	2.57676	[2.48842, 2.66658]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	3.04539	[2.94414, 3.1484]	0.468634	[0.383919, 0.547461]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	1	3.98601	[3.92262, 4.05377]	1.40925	[1.3132, 1.51236]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	2	3.37593	[3.27735, 3.46758]	0.799174	[0.70646, 0.888515]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	2.96308	[2.85465, 3.06513]	0.386319	[0.293478, 0.476331]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	3.15325	[3.05819, 3.25231]	0.576488	[0.502487, 0.653987]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	3.08377	[2.98133, 3.17923]	0.507011	[0.422, 0.589322]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	3.26207	[3.17161, 3.35584]	0.685312	[0.591313, 0.784664]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.57676	120	40
WORLD Harvest	3.04539	120	40
FACodec v1	3.98601	120	40
HiFi-Glot	3.37593	120	40
GOLF-ff	2.96308	120	40
SiFi-GAN	3.15325	120	40
LLSM2 Layer0	3.08377	120	40
MagPhase	3.26207	120	40

SCOREQ参照あり距離

全8が同時に成立した固定16kHz共通先頭区間
distance・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	8	0.58495	[0.532899, 0.639197]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	0.379067	[0.343443, 0.420052]	-0.205883	[-0.256708, -0.154229]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	1	0.165701	[0.153794, 0.178759]	-0.419249	[-0.475083, -0.363537]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	6	0.477719	[0.437471, 0.524565]	-0.107231	[-0.162625, -0.0514258]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	0.512206	[0.480834, 0.547274]	-0.0727444	[-0.119861, -0.0264493]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	0.236247	[0.21753, 0.257075]	-0.348703	[-0.402477, -0.295994]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	4	0.241014	[0.213898, 0.2736]	-0.343936	[-0.389155, -0.297348]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	2	0.225025	[0.203307, 0.248971]	-0.359925	[-0.407695, -0.310731]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.58495	120	40
WORLD Harvest	0.379067	120	40
FACodec v1	0.165701	120	40
HiFi-Glot	0.477719	120	40
GOLF-ff	0.512206	120	40
SiFi-GAN	0.236247	120	40
LLSM2 Layer0	0.241014	120	40
MagPhase	0.225025	120	40

ECAPA話者類似度

全8が同時に成立した固定16kHz共通先頭区間
cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	0.906925	[0.900517, 0.912792]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.930536	[0.924993, 0.935566]	0.0236102	[0.0178451, 0.0292273]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	6	0.856632	[0.845976, 0.865702]	-0.0502931	[-0.0608796, -0.0412743]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	0.460045	[0.431987, 0.48455]	-0.44688	[-0.472077, -0.424967]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	0.825058	[0.808863, 0.839144]	-0.0818672	[-0.0975384, -0.0679909]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.951449	[0.946795, 0.955501]	0.0445236	[0.0393599, 0.0497571]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.956909	[0.950822, 0.961668]	0.0499838	[0.0431644, 0.0558875]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	0.949868	[0.946234, 0.953294]	0.0429431	[0.0376945, 0.0484596]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.906925	120	40
WORLD Harvest	0.930536	120	40
FACodec v1	0.856632	120	40
HiFi-Glot	0.460045	120	40
GOLF-ff	0.825058	120	40
SiFi-GAN	0.951449	120	40
LLSM2 Layer0	0.956909	120	40
MagPhase	0.949868	120	40

eSTOI明瞭性推定

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
score・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	6	0.866725	[0.852098, 0.880758]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	0.905191	[0.894793, 0.914497]	0.0384663	[0.0313252, 0.0456765]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.889843	[0.878117, 0.899857]	0.0231183	[0.0157427, 0.0302695]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	0.734344	[0.713286, 0.752856]	-0.13238	[-0.14392, -0.121668]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	0.870756	[0.857982, 0.882533]	0.00403106	[-0.00475586, 0.0126195]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	0.878823	[0.868486, 0.888281]	0.012098	[0.00580807, 0.0192211]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.932449	[0.92222, 0.941383]	0.0657241	[0.058671, 0.0732251]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	0.7801	[0.733375, 0.822975]	-0.0866251	[-0.125682, -0.0477901]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.866725	120	40
WORLD Harvest	0.905191	120	40
FACodec v1	0.889843	120	40
HiFi-Glot	0.734344	120	40
GOLF-ff	0.870756	120	40
SiFi-GAN	0.878823	120	40
LLSM2 Layer0	0.932449	120	40
MagPhase	0.7801	120	40

全18評価群×全8方式の状態

評価群	派生軸数	HNM v3（現base）	WORLD Harvest	FACodec v1	HiFi-Glot	GOLF-ff	SiFi-GAN	LLSM2 Layer0	MagPhase
1. UTMOSv2予測MOS	1	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり
2. SCOREQ参照あり距離	1	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり
3. ViSQOL Audio独立48kHz群	0	元計画: 未完了取得済み16録音の別群・ViSQOL Audio・全16候補実測値あり許容成功 16 直接値 16・同一性からの値 0 全8主群: 共通 11録音・4話者取得済み16録音の別群・ViSQOL Audio・原音・共通区間8秒以上実測値あり許容成功 9 直接値 9・同一性からの値 0 全8主群: 共通 7録音・4話者	元計画: 未完了取得済み16録音の別群・ViSQOL Audio・全16候補実測値ありその他終端 5 / 許容成功 11 直接値 11・同一性からの値 0 PCM16範囲超過による欠測: 5 全8主群: 共通 11録音・4話者取得済み16録音の別群・ViSQOL Audio・原音・共通区間8秒以上実測値あり許容成功 7 / その他終端 2 直接値 7・同一性からの値 0 PCM16範囲超過による欠測: 2 全8主群: 共通 7録音・4話者	元計画: 未完了取得済み16録音の別群・ViSQOL Audio・全16候補実測値あり許容成功 16 直接値 16・同一性からの値 0 全8主群: 共通 11録音・4話者取得済み16録音の別群・ViSQOL Audio・原音・共通区間8秒以上実測値あり許容成功 9 直接値 9・同一性からの値 0 全8主群: 共通 7録音・4話者	元計画: 未完了取得済み16録音の別群・ViSQOL Audio・全16候補実測値あり許容成功 15 / その他終端 1 直接値 15・同一性からの値 0 PCM16範囲超過による欠測: 1 全8主群: 共通 11録音・4話者取得済み16録音の別群・ViSQOL Audio・原音・共通区間8秒以上実測値あり許容成功 9 直接値 9・同一性からの値 0 全8主群: 共通 7録音・4話者	元計画: 未完了取得済み16録音の別群・ViSQOL Audio・全16候補実測値あり許容成功 16 直接値 16・同一性からの値 0 全8主群: 共通 11録音・4話者取得済み16録音の別群・ViSQOL Audio・原音・共通区間8秒以上実測値あり許容成功 9 直接値 9・同一性からの値 0 全8主群: 共通 7録音・4話者	元計画: 未完了取得済み16録音の別群・ViSQOL Audio・全16候補実測値あり許容成功 16 直接値 16・同一性からの値 0 全8主群: 共通 11録音・4話者取得済み16録音の別群・ViSQOL Audio・原音・共通区間8秒以上実測値あり許容成功 9 直接値 9・同一性からの値 0 全8主群: 共通 7録音・4話者	元計画: 未完了取得済み16録音の別群・ViSQOL Audio・全16候補実測値あり許容成功 16 直接値 16・同一性からの値 0 全8主群: 共通 11録音・4話者取得済み16録音の別群・ViSQOL Audio・原音・共通区間8秒以上実測値あり許容成功 9 直接値 9・同一性からの値 0 全8主群: 共通 7録音・4話者	元計画: 未完了取得済み16録音の別群・ViSQOL Audio・全16候補実測値あり許容成功 14 / その他終端 2 直接値 14・同一性からの値 0 PCM16範囲超過による欠測: 2 全8主群: 共通 11録音・4話者取得済み16録音の別群・ViSQOL Audio・原音・共通区間8秒以上実測値あり許容成功 8 / その他終端 1 直接値 8・同一性からの値 0 PCM16範囲超過による欠測: 1 全8主群: 共通 7録音・4話者
4. 増分CER/WER	2	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり
5. ECAPA話者類似度	1	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり
6. 局所聴覚帯域距離	1	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり
7. 音高操作追従	4	元計画: 実測値あり	元計画: 実測値あり	元計画: 未対応	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり
8. 音量操作追従	2	元計画: 実測値あり	元計画: 実測値あり	元計画: 未対応	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり
9. 局所時間・全長	6	元計画: 実測値あり	元計画: 実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり
10. 音色・傾斜	3	元計画: 実測値あり	元計画: 実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり
11. 操作干渉	4	元計画: 実測値あり	元計画: 実測値あり	元計画: 未対応	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり
12. 編集量と予測品質の曲線	36	元計画: 実測値あり	元計画: 実測値あり	元計画: 未対応	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり
13. 既存人間評定と近傍一致	2	元計画: 未完了取得済み100録音の別群・声同一性評定とのSpearman相関実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む取得済み100録音の別群・評定済み候補内の最近傍一致実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む	元計画: 未完了取得済み100録音の別群・声同一性評定とのSpearman相関実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む取得済み100録音の別群・評定済み候補内の最近傍一致実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む	元計画: 未完了取得済み100録音の別群・声同一性評定とのSpearman相関実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む取得済み100録音の別群・評定済み候補内の最近傍一致実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む	元計画: 未完了取得済み100録音の別群・声同一性評定とのSpearman相関実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む取得済み100録音の別群・評定済み候補内の最近傍一致実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む	元計画: 未完了取得済み100録音の別群・声同一性評定とのSpearman相関実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む取得済み100録音の別群・評定済み候補内の最近傍一致実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む	元計画: 未完了取得済み100録音の別群・声同一性評定とのSpearman相関実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む取得済み100録音の別群・評定済み候補内の最近傍一致実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む	元計画: 未完了取得済み100録音の別群・声同一性評定とのSpearman相関実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む取得済み100録音の別群・評定済み候補内の最近傍一致実測値あり・主共通群なし許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式を含む	元計画: 未完了取得済み100録音の別群・声同一性評定とのSpearman相関失敗失敗 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式は対象外取得済み100録音の別群・評定済み候補内の最近傍一致失敗失敗 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。全8主群: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者条件付き: 予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者・この方式は対象外
14. 音素ABX	6	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり
15. 線形読み出し	3	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり
16. 補間	18	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 適用外
17. 表現量子化への頑健性	22	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 一部の軸に実測値あり
18. 品質と表現量	10	元計画: 一部の軸に実測値あり	元計画: 一部の軸に実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり	元計画: 実測値あり

元計画の状態は別群の完了で変更しません。ASV100・VCTK16の状態と実分母は同じセル内に別記します。派生軸は同じ録音を繰り返し使います。軸数を独立した評価項目数、録音数、票数にはしません。状態件数は各表で示します。

集約・区間・比較範囲

主LibriSpeechは凍結120録音40話者。native全長MOS、共通16kHz忠実性、全文正解55録音32話者のASRは別の比較範囲。
通常の録音指標は群ごとに同じ録音→話者内平均→話者等重み。専用評定・ABXは各表の集約定義を使う。主群の共通0は0のまま。全有効値の方式別集計は無順位補助。
全予定終端後の補助比較では、許容状態の有限値が1件以上ある方式を先に全て固定。共通数を増やす方式選別はしない。
通常録音指標は話者復元抽出2000回、seed20261014の記述的95%区間。評定・ABXの専用区間は各表の定義を使う。HNMとの差も同じ録音・同じ話者抽出。多重比較未補正。
同点は未丸め値の絶対1e-12/相対1e-9許容差を同点群先頭と比較する競技順位。区間重なりだけで同点にしない。
符号付きRMS、低エネルギー区間の比率/RMS/peak、補間の線形性、共有資産量は診断値で無順位。
可用性によるASV100・VCTK16の事後別群は元105/126の未完状態を変更しない。18群の独立項目数へ加算しない。
VCTKは126録音7話者の独立48kHz群。原音・共通区間とも8秒以上の別補助層。元の上流失敗を時間不足へ置換しない。
人間評定はASVspoof2019の105録音84対28話者。声の同一人物らしさとの一致であり、復号MOSではない。
ABXは同話者/異話者×層等重み/X話者等重み/入れ子補助の6推定対象。話者グラフ条件付きnode区間。公式全コーパス順位ではない。
読み出しは別40話者120録音で固定尺度とRidgeを学習。3種類の独立推定音響属性に対する話者等重みMAE。
直接実測と、厳密に同一の復号入力・PCMに基づくanalytic_identity値を分けて計数。欠測・失敗・未対応はnull。
表現量は宣言容器の実bytesと固定元入力秒による量。共有モデル等が別途必要。容器量順位と品質付き圧縮効率を混同しない。
速度は全8とも各ライブラリのスレッド設定2・worker1の独立native工程の単回。初回正式入力を除かず、初期化・前処理・保存読込は別。区間は録音構成だけ。
速度の全120録音は保存I/O条件混在の参考値として保持。batch005–011の固定70録音24話者は別の補助比較で、品質の主120録音や比較分母を置換しない。補助分析計画はbatch005開始後の採用であり、指標値・順位による対象選別ではない。
喪失した旧rawや会話の途中集計を復元値へ使わない。原音・生成波形の全長、モデル、元人間評定CSVは公開対象外。掲載判断の範囲を確認した短例だけを帰属付きで公開する。

各条件の全値と順位

UTMOSv2予測MOS

SCOREQ参照あり距離

ViSQOL Audio独立48kHz群

取得済み16録音の別群・ViSQOL Audio・全16候補

公式48kHz原音、4話者16録音の可用性による事後限定群。主120録音とは独立。
MOS-LQO・大きいほどこの指標が良い

取得できた全16録音・4話者を性能測定前に固定した、利用可能性による限定補助比較です。正式126録音比較は未完了です。100録音以上という正式比較条件を満たしません。 48 kHz入力のシステム比較です。各方式の本来の帯域制限を含み、16/24/44.1 kHz出力の変換を真の48 kHz高域再現能力とは呼びません。 GOLFでは4話者とも公開test区分です。HiFi-GlotにはVCTKコーパスの学習重複があり、当該話者の学習有無は不明です。全方式で学習外の集合という保証はありません。公式ViSQOL Audio CLIと固定の学習済み48 kHz Audio SVRを使用。人の新規評定ではありません。初回値のみ集計し、CLIの反復を独立した評定として数えません。原音と全8方式の成功出力に共通する先頭区間を使用。3秒以上・各波形の95%以上が必要です。時間整列、時間伸縮、音量補正、振幅クリップは行いません。 nativeピークまたはPCM16丸めが範囲外なら該当品質値を欠測とし、成功した合成波形と元の失敗状態を保持します。欠測を0点や最下位にしません。原音8秒以上は9録音、8秒未満は7録音です。推奨長の補助層は原音と共通区間の両方が8秒以上の場合だけです。 4話者の2000回話者bootstrap（seed20261014）による95%区間は記述的です。母集団推論として精密とは言えず、多重比較補正はありません。全8主順位の共通有効数が0の場合のみ、128状態の終端後に有効値が1件以上ある全方式を固定した条件付き補助群を別掲します。得点や共通数の最大化では方式を選びません。HNMを含まなければHNM差は欠測です。単一指標から総合勝者や新ベース採用は決めません。主研究の18指標全体と混ぜず、VCTK原音・生成音声・生値の出典記録は非公開に保持します。

予定 16録音・4話者 / 方式

共通 11録音・4話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	4.25389	[4.19721, 4.30265]	0	[0, 0]	許容成功 16 直接値 16・同一性からの値 0	対象
WORLD Harvest	2	4.37363	[4.35291, 4.39436]	0.11974	[0.0522184, 0.18683]	その他終端 5 / 許容成功 11 直接値 11・同一性からの値 0 PCM16範囲超過による欠測: 5	対象
FACodec v1	8	1.73186	[1.64385, 1.85671]	-2.52204	[-2.63307, -2.38374]	許容成功 16 直接値 16・同一性からの値 0	対象
HiFi-Glot	4	3.18703	[3.1147, 3.2846]	-1.06686	[-1.14401, -0.989721]	許容成功 15 / その他終端 1 直接値 15・同一性からの値 0 PCM16範囲超過による欠測: 1	対象
GOLF-ff	7	2.68161	[2.57285, 2.79038]	-1.57228	[-1.63733, -1.50724]	許容成功 16 直接値 16・同一性からの値 0	対象
SiFi-GAN	6	2.72533	[2.652, 2.79866]	-1.52856	[-1.56769, -1.49079]	許容成功 16 直接値 16・同一性からの値 0	対象
LLSM2 Layer0	5	2.78928	[2.69375, 2.88481]	-1.46461	[-1.51643, -1.4128]	許容成功 16 直接値 16・同一性からの値 0	対象
MagPhase	1	4.38555	[4.33344, 4.42287]	0.131654	[0.0634769, 0.199832]	許容成功 14 / その他終端 2 直接値 14・同一性からの値 0 PCM16範囲超過による欠測: 2	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	4.27096	16	4
WORLD Harvest	4.37363	11	4
FACodec v1	1.7419	16	4
HiFi-Glot	3.16363	15	4
GOLF-ff	2.66933	16	4
SiFi-GAN	2.72162	16	4
LLSM2 Layer0	2.77393	16	4
MagPhase	4.38492	14	4

取得済み16録音の別群・ViSQOL Audio・原音・共通区間8秒以上

公式48kHz原音、4話者16録音の可用性による事後限定群。主120録音とは独立。
MOS-LQO・大きいほどこの指標が良い

予定 9録音・4話者 / 方式

共通 7録音・4話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	4.27165	[4.23043, 4.31287]	0	[0, 0]	許容成功 9 直接値 9・同一性からの値 0	対象
WORLD Harvest	2	4.37061	[4.35135, 4.39164]	0.0989551	[0.0472277, 0.145333]	許容成功 7 / その他終端 2 直接値 7・同一性からの値 0 PCM16範囲超過による欠測: 2	対象
FACodec v1	8	1.71921	[1.61793, 1.85836]	-2.55245	[-2.64779, -2.39668]	許容成功 9 直接値 9・同一性からの値 0	対象
HiFi-Glot	4	3.21774	[3.11989, 3.30298]	-1.05392	[-1.12799, -0.979843]	許容成功 9 直接値 9・同一性からの値 0	対象
GOLF-ff	7	2.65994	[2.54775, 2.77212]	-1.61172	[-1.68269, -1.54075]	許容成功 9 直接値 9・同一性からの値 0	対象
SiFi-GAN	6	2.71079	[2.63644, 2.78514]	-1.56087	[-1.59403, -1.52773]	許容成功 9 直接値 9・同一性からの値 0	対象
LLSM2 Layer0	5	2.77159	[2.67196, 2.87123]	-1.50006	[-1.55848, -1.42708]	許容成功 9 直接値 9・同一性からの値 0	対象
MagPhase	1	4.37912	[4.32033, 4.41964]	0.107462	[0.0554861, 0.169115]	許容成功 8 / その他終端 1 直接値 8・同一性からの値 0 PCM16範囲超過による欠測: 1	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	4.29433	9	4
WORLD Harvest	4.37061	7	4
FACodec v1	1.73591	9	4
HiFi-Glot	3.22337	9	4
GOLF-ff	2.64357	9	4
SiFi-GAN	2.70255	9	4
LLSM2 Layer0	2.75321	9	4
MagPhase	4.38492	8	4

増分CER/WER

増分CER

全文正解55録音32話者、原音CER≤0.20。残65は正解不足の適用外。出力は16kHz派生全長。
error rate delta・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 55録音・32話者

増分CER/WERは再合成音と原音の認識誤り率の差です。負値は使用した音声認識器で原音より誤り率が下がったことを表し、人間にとって内容が改善した証拠ではありません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	6	0.00458654	[-0.00234407, 0.0109439]	0	[0, 0]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
WORLD Harvest	5	0.00403385	[-0.00293707, 0.0109485]	-0.000552686	[-0.00641546, 0.00532834]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
FACodec v1	3	0.00282677	[-0.000787421, 0.0078983]	-0.00175977	[-0.0100667, 0.00953636]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
HiFi-Glot	8	0.0869085	[0.0509681, 0.13467]	0.0823219	[0.0469964, 0.131633]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
GOLF-ff	4	0.00358207	[-0.013447, 0.0157222]	-0.00100446	[-0.0120998, 0.00781566]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
SiFi-GAN	1	-0.00146977	[-0.0168046, 0.00860019]	-0.00605631	[-0.016783, 0.00281493]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
LLSM2 Layer0	2	0.000248773	[-0.0156787, 0.0105027]	-0.00433776	[-0.0139048, 0.00153694]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
MagPhase	7	0.0102782	[0.00113267, 0.0265341]	0.0056917	[-0.00675197, 0.02697]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.00458654	55	32
WORLD Harvest	0.00403385	55	32
FACodec v1	0.00282677	55	32
HiFi-Glot	0.0869085	55	32
GOLF-ff	0.00358207	55	32
SiFi-GAN	-0.00146977	55	32
LLSM2 Layer0	0.000248773	55	32
MagPhase	0.0102782	55	32

増分WER

全文正解55録音32話者、原音CER≤0.20。残65は正解不足の適用外。出力は16kHz派生全長。
error rate delta・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 55録音・32話者

増分CER/WERは再合成音と原音の認識誤り率の差です。負値は使用した音声認識器で原音より誤り率が下がったことを表し、人間にとって内容が改善した証拠ではありません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	0.0172373	[0.00404283, 0.0330463]	0	[0, 0]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
WORLD Harvest	7	0.0201947	[0.00561136, 0.0389548]	0.00295742	[-0.012237, 0.018851]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
FACodec v1	3	0.00572917	[0, 0.0138021]	-0.0115081	[-0.0286859, 0.00452941]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
HiFi-Glot	8	0.161621	[0.101623, 0.231985]	0.144384	[0.0853668, 0.215862]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
GOLF-ff	4	0.0160487	[-0.0153275, 0.0417026]	-0.00118858	[-0.0297227, 0.0204554]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
SiFi-GAN	1	-0.000745507	[-0.0285309, 0.0226573]	-0.0179828	[-0.0451534, 0.00168583]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
LLSM2 Layer0	2	0.00563667	[-0.0229312, 0.0289759]	-0.0116006	[-0.0373011, 0.00588235]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象
MagPhase	6	0.0181858	[0.00260417, 0.0396745]	0.000948487	[-0.0149911, 0.0210341]	適用外 65 / 許容成功 55 直接値 55・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.0172373	55	32
WORLD Harvest	0.0201947	55	32
FACodec v1	0.00572917	55	32
HiFi-Glot	0.161621	55	32
GOLF-ff	0.0160487	55	32
SiFi-GAN	-0.000745507	55	32
LLSM2 Layer0	0.00563667	55	32
MagPhase	0.0181858	55	32

ECAPA話者類似度

局所聴覚帯域距離

40ms局所聴覚帯域距離

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	2.23574	[2.15891, 2.31161]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	2.05578	[1.97422, 2.14222]	-0.179958	[-0.248228, -0.116772]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	4	2.43926	[2.37757, 2.50451]	0.203525	[0.141399, 0.265415]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	4.67575	[4.53206, 4.82392]	2.44001	[2.32865, 2.5579]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	2.77143	[2.66317, 2.8891]	0.535694	[0.412256, 0.660751]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	2.59904	[2.52336, 2.67862]	0.363299	[0.294914, 0.433057]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	1.40011	[1.35137, 1.44813]	-0.835623	[-0.881596, -0.790609]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	3.23505	[2.81205, 3.69373]	0.999317	[0.574995, 1.42861]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.23574	120	40
WORLD Harvest	2.05578	120	40
FACodec v1	2.43926	120	40
HiFi-Glot	4.67575	120	40
GOLF-ff	2.77143	120	40
SiFi-GAN	2.59904	120	40
LLSM2 Layer0	1.40011	120	40
MagPhase	3.23505	120	40

音高操作追従

音高−3半音・相対F0 MAE

cent・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 106録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	6.00139	[5.01738, 7.2497]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	26.5362	[13.6513, 42.3996]	20.5348	[8.00999, 35.9431]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	41.2947	[33.6624, 49.6281]	35.2933	[27.8359, 43.2893]	許容成功 119 / 適用外 1 直接値 119・同一性からの値 0	対象
GOLF-ff	2	4.78033	[4.1432, 5.45877]	-1.22106	[-2.3039, -0.34011]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	10.2105	[7.22961, 13.7979]	4.20912	[1.57721, 7.4494]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	4.74715	[3.52801, 6.75308]	-1.25424	[-2.92598, 0.973281]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	4	8.07509	[6.90169, 9.42107]	2.0737	[0.739301, 3.37242]	許容成功 107 / 失敗 13 直接値 107・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	6.07315	120	40
WORLD Harvest	29.2742	120	40
FACodec v1	—	0	0
HiFi-Glot	40.6286	119	40
GOLF-ff	4.73218	120	40
SiFi-GAN	9.65351	120	40
LLSM2 Layer0	4.76596	120	40
MagPhase	8.06872	107	40

音高−3半音・有声未検出率

fraction・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 107録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.179666	[0.157312, 0.202408]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	0.189268	[0.168334, 0.211225]	0.00960165	[-0.00559738, 0.0261567]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	0.405885	[0.347937, 0.465091]	0.226219	[0.180543, 0.274891]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	3	0.124176	[0.11208, 0.13727]	-0.0554904	[-0.0712192, -0.0398731]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	0.205808	[0.180031, 0.236613]	0.0261414	[0.00570248, 0.0508307]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	2	0.118401	[0.102232, 0.135135]	-0.0612649	[-0.0782086, -0.0430282]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	0.101622	[0.0919263, 0.111698]	-0.0780439	[-0.0956251, -0.0609573]	許容成功 107 / 失敗 13 直接値 107・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.182842	120	40
WORLD Harvest	0.192681	120	40
FACodec v1	—	0	0
HiFi-Glot	0.416981	120	40
GOLF-ff	0.126154	120	40
SiFi-GAN	0.203347	120	40
LLSM2 Layer0	0.118178	120	40
MagPhase	0.101622	107	40

音高＋3半音・相対F0 MAE

cent・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	6.28709	[4.8601, 7.97932]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	25.011	[13.8986, 38.3304]	18.7239	[8.1331, 31.442]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	32.9	[27.3428, 38.8164]	26.6129	[21.3989, 32.4184]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	2	6.03098	[4.99653, 7.39615]	-0.256111	[-1.52565, 0.869818]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	10.4814	[7.78016, 13.753]	4.19431	[1.61627, 7.54005]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	3.72207	[2.99707, 4.64765]	-2.56502	[-4.11741, -1.27969]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	4	9.35756	[8.1646, 10.7088]	3.07046	[1.45327, 4.6194]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	6.28709	120	40
WORLD Harvest	25.011	120	40
FACodec v1	—	0	0
HiFi-Glot	32.9	120	40
GOLF-ff	6.03098	120	40
SiFi-GAN	10.4814	120	40
LLSM2 Layer0	3.72207	120	40
MagPhase	9.35756	120	40

音高＋3半音・有声未検出率

fraction・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	0.060238	[0.0512617, 0.0696962]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	0.0228581	[0.0179068, 0.028381]	-0.0373799	[-0.0462394, -0.0288118]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	0.143094	[0.11196, 0.177723]	0.0828563	[0.0476691, 0.120542]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	3	0.0376927	[0.0269593, 0.0523583]	-0.0225453	[-0.0349457, -0.00742078]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	0.0398994	[0.0287918, 0.0533049]	-0.0203386	[-0.0324639, -0.00669211]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	2	0.0357638	[0.0289473, 0.0436297]	-0.0244741	[-0.0368605, -0.0125055]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	6	0.0752046	[0.0645404, 0.0873388]	0.0149667	[0.00333623, 0.0282779]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.060238	120	40
WORLD Harvest	0.0228581	120	40
FACodec v1	—	0	0
HiFi-Glot	0.143094	120	40
GOLF-ff	0.0376927	120	40
SiFi-GAN	0.0398994	120	40
LLSM2 Layer0	0.0357638	120	40
MagPhase	0.0752046	120	40

音量操作追従

音量−6dB・RMSフレームMAE

dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	5.11668e-16	[4.99736e-16, 5.23319e-16]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	8.54677e-05	[4.3436e-05, 0.000149505]	8.54677e-05	[4.3436e-05, 0.000149505]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	1.14295	[0.998275, 1.29738]	1.14295	[0.998275, 1.29738]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	4	0.000942388	[8.93032e-05, 0.00214277]	0.000942388	[8.93032e-05, 0.00214277]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	0.543167	[0.458081, 0.645583]	0.543167	[0.458081, 0.645583]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	6	0.727455	[0.107124, 1.69594]	0.727455	[0.107124, 1.69594]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	2.97741e-15	[2.81816e-15, 3.1628e-15]	2.46574e-15	[2.31273e-15, 2.64833e-15]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	5.11668e-16	120	40
WORLD Harvest	8.54677e-05	120	40
FACodec v1	—	0	0
HiFi-Glot	1.14295	120	40
GOLF-ff	0.000942388	120	40
SiFi-GAN	0.543167	120	40
LLSM2 Layer0	0.727455	120	40
MagPhase	2.97741e-15	120	40

音量＋6dB・RMSフレームMAE

dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	5.2219e-16	[5.11563e-16, 5.32986e-16]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	8.08045e-05	[2.99535e-05, 0.000170525]	8.08045e-05	[2.99535e-05, 0.000170525]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	1.07876	[0.864728, 1.33957]	1.07876	[0.864728, 1.33957]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	4	0.00189792	[0.000163313, 0.00448436]	0.00189792	[0.000163313, 0.00448436]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	0.502939	[0.427993, 0.58838]	0.502939	[0.427993, 0.58838]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	0.0294025	[0.0182276, 0.0426906]	0.0294025	[0.0182276, 0.0426906]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	2.71872e-15	[2.5955e-15, 2.84057e-15]	2.19653e-15	[2.07839e-15, 2.31319e-15]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	5.2219e-16	120	40
WORLD Harvest	8.08045e-05	120	40
FACodec v1	—	0	0
HiFi-Glot	1.07876	120	40
GOLF-ff	0.00189792	120	40
SiFi-GAN	0.502939	120	40
LLSM2 Layer0	0.0294025	120	40
MagPhase	2.71872e-15	120	40

局所時間・全長

時間1.25倍・全長絶対誤差

s・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	5.55112e-17	[1.85037e-17, 1.03621e-16]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	5.55112e-17	[1.85037e-17, 1.03621e-16]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	5.55112e-17	120	40
WORLD Harvest	5.55112e-17	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

時間1.25倍・イベント未検出・比較不能率

fraction・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	0.0715792	[0.055328, 0.0884077]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	0.0740191	[0.0576283, 0.0916079]	0.00243985	[-0.0152648, 0.0190557]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.0715792	120	40
WORLD Harvest	0.0740191	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

時間保存・全長絶対誤差

s・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.00220833	[0.00164531, 0.00283333]	0.00220833	[0.00164531, 0.00283333]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	4	0.0042363	[0.0036556, 0.00487259]	0.0042363	[0.0036556, 0.00487259]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.00895833	[0.0085, 0.00933333]	0.00895833	[0.0085, 0.00933333]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	0.005	[0.005, 0.005]	0.005	[0.005, 0.005]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	7	0.01	[0.01, 0.01]	0.01	[0.01, 0.01]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.0190391	[0.0157491, 0.0226006]	0.0190391	[0.0157491, 0.0226006]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0	120	40
WORLD Harvest	0	120	40
FACodec v1	0.00220833	120	40
HiFi-Glot	0.0042363	120	40
GOLF-ff	0.00895833	120	40
SiFi-GAN	0.005	120	40
LLSM2 Layer0	0.01	120	40
MagPhase	0.0190391	120	40

時間保存・イベント未検出・比較不能率

fraction・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	0.00481584	[0.00226816, 0.00794895]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	0.00481584	[0.00226816, 0.00794895]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.00481584	[0.00226816, 0.00794895]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	1	0.00439918	[0.00210241, 0.00710072]	-0.000416667	[-0.00125, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	0.00545687	[0.00281948, 0.00857099]	0.000641026	[0, 0.00160256]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	8	0.00856584	[0.00277203, 0.0180016]	0.00375	[-0.00125, 0.0125]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.00439918	[0.00210241, 0.00710072]	-0.000416667	[-0.00125, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	6	0.00529498	[0.00271582, 0.0080355]	0.000479139	[-0.00149847, 0.00223254]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.00481584	120	40
WORLD Harvest	0.00481584	120	40
FACodec v1	0.00481584	120	40
HiFi-Glot	0.00439918	120	40
GOLF-ff	0.00545687	120	40
SiFi-GAN	0.00856584	120	40
LLSM2 Layer0	0.00439918	120	40
MagPhase	0.00529498	120	40

時間1.25倍・共通イベントMAE

ms・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	10.558	[9.96987, 11.2201]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	5.3373	[4.60891, 6.15587]	-5.2207	[-5.80869, -4.61679]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	10.558	120	40
WORLD Harvest	5.3373	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

時間保存・共通イベントMAE

ms・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	9.90237	[9.22251, 10.5516]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	10.1089	[9.19053, 11.1141]	0.206545	[-0.486716, 1.14991]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	2	9.76578	[8.97951, 10.566]	-0.13659	[-0.793585, 0.551067]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	5	11.021	[10.2399, 11.8162]	1.11863	[0.487428, 1.75022]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	11.4978	[10.5588, 12.4173]	1.59546	[0.919431, 2.25194]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	7	11.6035	[10.7985, 12.5254]	1.70113	[1.0553, 2.56536]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	9.39652	[8.68819, 10.0843]	-0.505848	[-0.926052, -0.0933395]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	13.9052	[11.9336, 16.005]	4.00285	[2.1373, 5.97985]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	9.90237	120	40
WORLD Harvest	10.1089	120	40
FACodec v1	9.76578	120	40
HiFi-Glot	11.021	120	40
GOLF-ff	11.4978	120	40
SiFi-GAN	11.6035	120	40
LLSM2 Layer0	9.39652	120	40
MagPhase	13.9052	120	40

音色・傾斜

傾斜保存・native傾斜誤差

dB/oct・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.139184	[0.109971, 0.176268]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.209762	[0.184457, 0.233758]	0.0705782	[0.0222326, 0.112497]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	6	0.253213	[0.221975, 0.286177]	0.114029	[0.058651, 0.16395]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	0.548396	[0.474798, 0.624266]	0.409212	[0.321417, 0.497979]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	0.313846	[0.251654, 0.38235]	0.174662	[0.103094, 0.248358]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	0.146619	[0.114412, 0.179821]	0.00743453	[-0.0476944, 0.05845]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.102756	[0.0875474, 0.118466]	-0.0364277	[-0.0766051, -0.0026092]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	5	0.228378	[0.203894, 0.25343]	0.0891938	[0.0465413, 0.125291]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.139184	120	40
WORLD Harvest	0.209762	120	40
FACodec v1	0.253213	120	40
HiFi-Glot	0.548396	120	40
GOLF-ff	0.313846	120	40
SiFi-GAN	0.146619	120	40
LLSM2 Layer0	0.102756	120	40
MagPhase	0.228378	120	40

傾斜−3dB/oct・native傾斜誤差

dB/oct・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.246879	[0.181994, 0.322771]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	0.0035613	[0.00268096, 0.00450962]	-0.243318	[-0.319046, -0.178778]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.246879	120	40
WORLD Harvest	0.0035613	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

傾斜＋3dB/oct・native傾斜誤差

dB/oct・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.0695222	[0.047738, 0.098125]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	0.00467029	[0.00365215, 0.00578875]	-0.0648519	[-0.0928935, -0.0435967]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.0695222	120	40
WORLD Harvest	0.00467029	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

操作干渉

音量操作・推定音高・正規化応答絶対誤差

normalized・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	8.84231e-17	[3.15797e-17, 1.51582e-16]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	5.2413e-07	[2.42295e-07, 8.84453e-07]	5.2413e-07	[2.42295e-07, 8.84453e-07]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	0.034155	[0.0234959, 0.0474858]	0.034155	[0.0234959, 0.0474858]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	3	1.36873e-07	[1.0611e-07, 1.7091e-07]	1.36873e-07	[1.0611e-07, 1.7091e-07]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	0.0103468	[0.00712082, 0.0142578]	0.0103468	[0.00712082, 0.0142578]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	0.000269137	[2.98985e-05, 0.000706655]	0.000269137	[2.98985e-05, 0.000706655]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	3.03165e-16	[1.51582e-16, 4.73695e-16]	2.14742e-16	[5.03696e-17, 3.97904e-16]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	8.84231e-17	120	40
WORLD Harvest	5.2413e-07	120	40
FACodec v1	—	0	0
HiFi-Glot	0.034155	120	40
GOLF-ff	1.36873e-07	120	40
SiFi-GAN	0.0103468	120	40
LLSM2 Layer0	0.000269137	120	40
MagPhase	3.03165e-16	120	40

音量操作・音量・正規化応答絶対誤差

normalized・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	1.42479e-16	[1.08247e-16, 1.79486e-16]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	4.59768e-07	[2.62217e-07, 7.0209e-07]	4.59768e-07	[2.62217e-07, 7.0209e-07]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	6	0.015495	[0.0129759, 0.0182923]	0.015495	[0.0129759, 0.0182923]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	3	2.52597e-07	[2.13489e-07, 2.95485e-07]	2.52597e-07	[2.13489e-07, 2.95485e-07]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	7	0.0224892	[0.0184873, 0.026579]	0.0224892	[0.0184873, 0.026579]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	1.33017e-05	[1.0744e-05, 1.61766e-05]	1.33017e-05	[1.0744e-05, 1.61766e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	1.52656e-16	[1.23975e-16, 1.84112e-16]	1.0177e-17	[-2.68535e-17, 4.62593e-17]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	1.42479e-16	120	40
WORLD Harvest	4.59768e-07	120	40
FACodec v1	—	0	0
HiFi-Glot	0.015495	120	40
GOLF-ff	2.52597e-07	120	40
SiFi-GAN	0.0224892	120	40
LLSM2 Layer0	1.33017e-05	120	40
MagPhase	1.52656e-16	120	40

音量操作・傾斜・正規化応答絶対誤差

normalized・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	1.06589e-16	[8.96264e-17, 1.24672e-16]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	3.35459e-06	[2.57832e-06, 4.22022e-06]	3.35459e-06	[2.57832e-06, 4.22022e-06]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	0.0271683	[0.0224976, 0.0325172]	0.0271683	[0.0224976, 0.0325172]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	3	4.04512e-07	[3.34719e-07, 4.77974e-07]	4.04512e-07	[3.34719e-07, 4.77974e-07]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	0.0081896	[0.00669559, 0.00991336]	0.0081896	[0.00669559, 0.00991336]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	9.10862e-05	[6.99403e-05, 0.00011553]	9.10862e-05	[6.99403e-05, 0.00011553]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	1.19889e-16	[9.37502e-17, 1.46112e-16]	1.32995e-17	[-1.39934e-17, 4.04778e-17]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	1.06589e-16	120	40
WORLD Harvest	3.35459e-06	120	40
FACodec v1	—	0	0
HiFi-Glot	0.0271683	120	40
GOLF-ff	4.04512e-07	120	40
SiFi-GAN	0.0081896	120	40
LLSM2 Layer0	9.10862e-05	120	40
MagPhase	1.19889e-16	120	40

音量操作・全長・正規化応答絶対誤差

normalized・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0	120	40
WORLD Harvest	0	120	40
FACodec v1	—	0	0
HiFi-Glot	0	120	40
GOLF-ff	0	120	40
SiFi-GAN	0	120	40
LLSM2 Layer0	0	120	40
MagPhase	0	120	40

編集量と予測品質の曲線

音高操作・音高−3半音・予測MOS

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 107録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	2.58792	[2.46768, 2.71565]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	3.08636	[2.97604, 3.20426]	0.498437	[0.414971, 0.577549]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	1	3.29104	[3.1871, 3.39703]	0.703119	[0.582434, 0.807251]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	2.95818	[2.85802, 3.05557]	0.370258	[0.254255, 0.486258]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	3.2222	[3.1282, 3.32155]	0.634275	[0.548848, 0.717316]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	6	2.84506	[2.76803, 2.9201]	0.257133	[0.157561, 0.354943]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	3.1824	[3.09486, 3.27005]	0.594475	[0.487833, 0.696454]	許容成功 107 / 失敗 13 直接値 107・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.5844	120	40
WORLD Harvest	3.09452	120	40
FACodec v1	—	0	0
HiFi-Glot	3.29107	120	40
GOLF-ff	2.97202	120	40
SiFi-GAN	3.22516	120	40
LLSM2 Layer0	2.82207	120	40
MagPhase	3.1824	107	40

音高操作・音高−3半音・予測MOS・未編集との差

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 107録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	0.0205633	[-0.0518333, 0.0999339]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	0.039497	[-0.0199541, 0.0989431]	0.0189337	[-0.0661751, 0.0993332]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	5	-0.0912345	[-0.190859, 0.0035644]	-0.111798	[-0.217587, -0.00726041]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	4	0.00420074	[-0.0458471, 0.0561276]	-0.0163626	[-0.0932915, 0.0580757]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	1	0.078901	[0.0152154, 0.151242]	0.0583376	[-0.0149365, 0.128587]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	7	-0.231644	[-0.307897, -0.153318]	-0.252207	[-0.349648, -0.159374]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	6	-0.0999238	[-0.169331, -0.0307323]	-0.120487	[-0.234735, -0.0137749]	許容成功 107 / 失敗 13 直接値 107・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.00764335	120	40
WORLD Harvest	0.0491289	120	40
FACodec v1	—	0	0
HiFi-Glot	-0.0848642	120	40
GOLF-ff	0.0089434	120	40
SiFi-GAN	0.0719089	120	40
LLSM2 Layer0	-0.261697	120	40
MagPhase	-0.0999238	107	40

音高操作・音高−3半音・話者類似度

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 107録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.760029	[0.743652, 0.776593]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	0.825519	[0.813456, 0.837825]	0.06549	[0.0557994, 0.0750452]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	0.401102	[0.375653, 0.423218]	-0.358927	[-0.389486, -0.330949]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	0.743174	[0.724434, 0.761632]	-0.0168547	[-0.0296883, -0.00403599]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	1	0.852587	[0.841588, 0.863682]	0.0925585	[0.0823742, 0.103686]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	6	0.487926	[0.458209, 0.520409]	-0.272103	[-0.300523, -0.242875]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	0.80342	[0.788249, 0.819766]	0.0433914	[0.0349972, 0.0513495]	許容成功 107 / 失敗 13 直接値 107・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.758018	120	40
WORLD Harvest	0.826241	120	40
FACodec v1	—	0	0
HiFi-Glot	0.398609	120	40
GOLF-ff	0.742639	120	40
SiFi-GAN	0.853069	120	40
LLSM2 Layer0	0.487209	120	40
MagPhase	0.80342	107	40

音高操作・音高−3半音・話者類似度・未編集との差

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 107録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	6	-0.147818	[-0.163687, -0.132048]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	-0.104081	[-0.114285, -0.0939025]	0.0437374	[0.0349244, 0.0524707]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	1	-0.0621363	[-0.0747448, -0.0502553]	0.0856818	[0.0694839, 0.101296]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	2	-0.0812963	[-0.0927068, -0.0695334]	0.0665219	[0.0574094, 0.076384]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	-0.0975636	[-0.108449, -0.0863433]	0.0502545	[0.0419637, 0.059227]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	7	-0.467879	[-0.499427, -0.433172]	-0.320061	[-0.350253, -0.288875]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	5	-0.145895	[-0.160721, -0.130694]	0.00192327	[-0.0048854, 0.00841611]	許容成功 107 / 失敗 13 直接値 107・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.148887	120	40
WORLD Harvest	-0.104378	120	40
FACodec v1	—	0	0
HiFi-Glot	-0.0615818	120	40
GOLF-ff	-0.0823615	120	40
SiFi-GAN	-0.0982741	120	40
LLSM2 Layer0	-0.469715	120	40
MagPhase	-0.145895	107	40

音高操作・未編集・予測MOS

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	2.57676	[2.48842, 2.66658]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	3.04539	[2.94414, 3.1484]	0.468634	[0.383919, 0.547461]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	1	3.37593	[3.27735, 3.46758]	0.799174	[0.70646, 0.888515]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	2.96308	[2.85465, 3.06513]	0.386319	[0.293478, 0.476331]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	3.15325	[3.05819, 3.25231]	0.576488	[0.502487, 0.653987]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	4	3.08377	[2.98133, 3.17923]	0.507011	[0.422, 0.589322]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	2	3.26207	[3.17161, 3.35584]	0.685312	[0.591313, 0.784664]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.57676	120	40
WORLD Harvest	3.04539	120	40
FACodec v1	—	0	0
HiFi-Glot	3.37593	120	40
GOLF-ff	2.96308	120	40
SiFi-GAN	3.15325	120	40
LLSM2 Layer0	3.08377	120	40
MagPhase	3.26207	120	40

音高操作・未編集・話者類似度

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	0.906905	[0.900567, 0.912774]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.930619	[0.925081, 0.935704]	0.0237134	[0.0178742, 0.029337]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	0.46019	[0.432574, 0.484454]	-0.446715	[-0.471928, -0.4247]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.825	[0.808857, 0.839004]	-0.0819051	[-0.0973883, -0.0681]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.951343	[0.94668, 0.955358]	0.0444377	[0.0393147, 0.0496906]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.956925	[0.950819, 0.961722]	0.0500191	[0.0431337, 0.0560066]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	0.949884	[0.94624, 0.953278]	0.0429782	[0.0377104, 0.0484989]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.906905	120	40
WORLD Harvest	0.930619	120	40
FACodec v1	—	0	0
HiFi-Glot	0.46019	120	40
GOLF-ff	0.825	120	40
SiFi-GAN	0.951343	120	40
LLSM2 Layer0	0.956925	120	40
MagPhase	0.949884	120	40

音高操作・音高＋3半音・予測MOS

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	2.34118	[2.23544, 2.44364]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	2.86097	[2.75919, 2.96247]	0.519786	[0.427231, 0.605672]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	1	3.23441	[3.1414, 3.31603]	0.893227	[0.769118, 1.01532]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	4	2.86814	[2.75175, 2.9748]	0.526963	[0.408282, 0.640489]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	2.94537	[2.85837, 3.0306]	0.604187	[0.520974, 0.688172]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	6	2.63834	[2.55475, 2.72239]	0.297157	[0.230519, 0.363956]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	2	2.96259	[2.85047, 3.07611]	0.621406	[0.528783, 0.71635]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.34118	120	40
WORLD Harvest	2.86097	120	40
FACodec v1	—	0	0
HiFi-Glot	3.23441	120	40
GOLF-ff	2.86814	120	40
SiFi-GAN	2.94537	120	40
LLSM2 Layer0	2.63834	120	40
MagPhase	2.96259	120	40

音高操作・音高＋3半音・予測MOS・未編集との差

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	-0.235577	[-0.287584, -0.17767]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	-0.184426	[-0.232631, -0.133456]	0.0511514	[-0.0269346, 0.121825]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	2	-0.141524	[-0.196812, -0.0823226]	0.0940537	[0.00729262, 0.174707]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	1	-0.0949338	[-0.144035, -0.0473167]	0.140643	[0.0700673, 0.204614]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	-0.207878	[-0.269769, -0.149036]	0.0276993	[-0.0355505, 0.0853044]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	7	-0.445431	[-0.520466, -0.373422]	-0.209854	[-0.292341, -0.134331]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	6	-0.299484	[-0.392542, -0.220135]	-0.0639063	[-0.163872, 0.0234434]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.235577	120	40
WORLD Harvest	-0.184426	120	40
FACodec v1	—	0	0
HiFi-Glot	-0.141524	120	40
GOLF-ff	-0.0949338	120	40
SiFi-GAN	-0.207878	120	40
LLSM2 Layer0	-0.445431	120	40
MagPhase	-0.299484	120	40

音高操作・音高＋3半音・話者類似度

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.797445	[0.785115, 0.809189]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	0.861441	[0.853121, 0.870429]	0.0639963	[0.0564669, 0.0725329]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	0.403783	[0.378867, 0.425561]	-0.393663	[-0.419941, -0.369947]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	0.777243	[0.760387, 0.792185]	-0.0202023	[-0.0342652, -0.00771741]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	1	0.879776	[0.869723, 0.889392]	0.0823307	[0.073568, 0.0909286]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	6	0.422615	[0.396661, 0.448115]	-0.37483	[-0.397213, -0.352967]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	0.832949	[0.819064, 0.847688]	0.0355034	[0.0273588, 0.0442446]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.797445	120	40
WORLD Harvest	0.861441	120	40
FACodec v1	—	0	0
HiFi-Glot	0.403783	120	40
GOLF-ff	0.777243	120	40
SiFi-GAN	0.879776	120	40
LLSM2 Layer0	0.422615	120	40
MagPhase	0.832949	120	40

音高操作・音高＋3半音・話者類似度・未編集との差

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	-0.10946	[-0.120919, -0.0978259]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	-0.0691774	[-0.076064, -0.0617156]	0.0402829	[0.0327807, 0.0485673]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	2	-0.0564079	[-0.0694512, -0.0439648]	0.0530525	[0.0399358, 0.0676363]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	1	-0.0477576	[-0.0545219, -0.0411732]	0.0617028	[0.0520114, 0.0715259]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	-0.0715673	[-0.0812081, -0.062444]	0.037893	[0.0313468, 0.0445975]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	7	-0.534309	[-0.561491, -0.507094]	-0.424849	[-0.449153, -0.400471]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	6	-0.116935	[-0.130165, -0.102697]	-0.00747479	[-0.0130174, -0.00138055]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.10946	120	40
WORLD Harvest	-0.0691774	120	40
FACodec v1	—	0	0
HiFi-Glot	-0.0564079	120	40
GOLF-ff	-0.0477576	120	40
SiFi-GAN	-0.0715673	120	40
LLSM2 Layer0	-0.534309	120	40
MagPhase	-0.116935	120	40

音量操作・音量−6dB・予測MOS

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	2.57676	[2.48842, 2.66658]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	3.04544	[2.94423, 3.14824]	0.468679	[0.38392, 0.547532]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	1	3.30506	[3.19652, 3.39694]	0.728305	[0.62196, 0.823847]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	2.9631	[2.85467, 3.06516]	0.386345	[0.293494, 0.476369]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	3.17172	[3.06844, 3.27549]	0.594961	[0.516541, 0.672173]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	4	3.08045	[2.97836, 3.17752]	0.503686	[0.419215, 0.586253]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	2	3.26207	[3.1716, 3.35584]	0.685311	[0.591313, 0.784663]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.57676	120	40
WORLD Harvest	3.04544	120	40
FACodec v1	—	0	0
HiFi-Glot	3.30506	120	40
GOLF-ff	2.9631	120	40
SiFi-GAN	3.17172	120	40
LLSM2 Layer0	3.08045	120	40
MagPhase	3.26207	120	40

音量操作・音量−6dB・予測MOS・未編集との差

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	-7.58966e-07	[-9.3778e-07, -5.96046e-07]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	4.33981e-05	[-0.00015608, 0.000211022]	4.41571e-05	[-0.000155361, 0.000211751]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	-0.0708693	[-0.133598, -0.0102]	-0.0708685	[-0.133598, -0.010199]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	3	2.5483e-05	[8.01235e-07, 5.06421e-05]	2.62419e-05	[1.47313e-06, 5.14165e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	1	0.0184728	[-0.0118729, 0.0458601]	0.0184735	[-0.0118721, 0.0458609]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	6	-0.0033253	[-0.00714569, 5.16397e-05]	-0.00332454	[-0.00714496, 5.23532e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	5	-1.30932e-06	[-1.92528e-06, -6.61512e-07]	-5.5035e-07	[-1.0849e-06, 1.19706e-08]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-7.58966e-07	120	40
WORLD Harvest	4.33981e-05	120	40
FACodec v1	—	0	0
HiFi-Glot	-0.0708693	120	40
GOLF-ff	2.5483e-05	120	40
SiFi-GAN	0.0184728	120	40
LLSM2 Layer0	-0.0033253	120	40
MagPhase	-1.30932e-06	120	40

音量操作・音量−6dB・話者類似度

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	0.906905	[0.900567, 0.912774]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.930612	[0.925077, 0.935697]	0.0237064	[0.0178649, 0.029332]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	0.437477	[0.412852, 0.46036]	-0.469429	[-0.491835, -0.448553]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.825001	[0.808858, 0.839005]	-0.0819048	[-0.0973886, -0.0681009]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	0.947837	[0.942512, 0.952161]	0.0409318	[0.035068, 0.0466555]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.956773	[0.950689, 0.961576]	0.0498674	[0.043013, 0.0557597]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	2	0.949884	[0.94624, 0.953278]	0.0429782	[0.0377104, 0.0484988]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.906905	120	40
WORLD Harvest	0.930612	120	40
FACodec v1	—	0	0
HiFi-Glot	0.437477	120	40
GOLF-ff	0.825001	120	40
SiFi-GAN	0.947837	120	40
LLSM2 Layer0	0.956773	120	40
MagPhase	0.949884	120	40

音量操作・音量−6dB・話者類似度・未編集との差

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	6.45717e-09	[-1.44045e-08, 2.73188e-08]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	-6.97176e-06	[-1.49445e-05, -9.00949e-07]	-6.97821e-06	[-1.49464e-05, -9.0049e-07]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	-0.0227135	[-0.0360215, -0.00975576]	-0.0227135	[-0.0360215, -0.00975576]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	1	3.20375e-07	[-6.94481e-07, 1.30037e-06]	3.13918e-07	[-6.98902e-07, 1.29644e-06]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	-0.0035059	[-0.00526739, -0.00207281]	-0.00350591	[-0.0052674, -0.00207282]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	-0.000151718	[-0.000285261, -2.80408e-05]	-0.000151725	[-0.000285269, -2.80239e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	-1.49012e-09	[-1.69004e-08, 1.49012e-08]	-7.94729e-09	[-3.12924e-08, 1.58946e-08]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	6.45717e-09	120	40
WORLD Harvest	-6.97176e-06	120	40
FACodec v1	—	0	0
HiFi-Glot	-0.0227135	120	40
GOLF-ff	3.20375e-07	120	40
SiFi-GAN	-0.0035059	120	40
LLSM2 Layer0	-0.000151718	120	40
MagPhase	-1.49012e-09	120	40

音量操作・未編集・予測MOS

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	2.57676	[2.48842, 2.66658]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	3.04539	[2.94414, 3.1484]	0.468634	[0.383919, 0.547461]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	1	3.37593	[3.27735, 3.46758]	0.799174	[0.70646, 0.888515]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	2.96308	[2.85465, 3.06513]	0.386319	[0.293478, 0.476331]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	3.15325	[3.05819, 3.25231]	0.576488	[0.502487, 0.653987]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	4	3.08377	[2.98133, 3.17923]	0.507011	[0.422, 0.589322]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	2	3.26207	[3.17161, 3.35584]	0.685312	[0.591313, 0.784664]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.57676	120	40
WORLD Harvest	3.04539	120	40
FACodec v1	—	0	0
HiFi-Glot	3.37593	120	40
GOLF-ff	2.96308	120	40
SiFi-GAN	3.15325	120	40
LLSM2 Layer0	3.08377	120	40
MagPhase	3.26207	120	40

音量操作・未編集・話者類似度

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	0.906905	[0.900567, 0.912774]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.930619	[0.925081, 0.935704]	0.0237134	[0.0178742, 0.029337]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	0.46019	[0.432574, 0.484454]	-0.446715	[-0.471928, -0.4247]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.825	[0.808857, 0.839004]	-0.0819051	[-0.0973883, -0.0681]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.951343	[0.94668, 0.955358]	0.0444377	[0.0393147, 0.0496906]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.956925	[0.950819, 0.961722]	0.0500191	[0.0431337, 0.0560066]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	0.949884	[0.94624, 0.953278]	0.0429782	[0.0377104, 0.0484989]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.906905	120	40
WORLD Harvest	0.930619	120	40
FACodec v1	—	0	0
HiFi-Glot	0.46019	120	40
GOLF-ff	0.825	120	40
SiFi-GAN	0.951343	120	40
LLSM2 Layer0	0.956925	120	40
MagPhase	0.949884	120	40

音量操作・音量＋6dB・予測MOS

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	2.57676	[2.48842, 2.66658]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	3.04535	[2.94418, 3.14848]	0.468588	[0.383889, 0.547462]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	1	3.42165	[3.35229, 3.48602]	0.844886	[0.758189, 0.931801]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	2.9631	[2.85467, 3.06515]	0.386342	[0.293511, 0.47637]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	3.16413	[3.0695, 3.26118]	0.587373	[0.517793, 0.659994]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	4	3.08498	[2.98264, 3.18106]	0.508216	[0.422758, 0.591618]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	2	3.26207	[3.1716, 3.35584]	0.685311	[0.591312, 0.784663]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.57676	120	40
WORLD Harvest	3.04535	120	40
FACodec v1	—	0	0
HiFi-Glot	3.42165	120	40
GOLF-ff	2.9631	120	40
SiFi-GAN	3.16413	120	40
LLSM2 Layer0	3.08498	120	40
MagPhase	3.26207	120	40

音量操作・音量＋6dB・予測MOS・未編集との差

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	-6.61612e-07	[-8.26567e-07, -5.00679e-07]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	7	-4.71751e-05	[-0.000158506, 7.67511e-05]	-4.65135e-05	[-0.000157913, 7.73773e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	1	0.0457119	[-0.0164657, 0.108567]	0.0457126	[-0.0164649, 0.108568]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	4	2.26537e-05	[-2.78577e-06, 5.00689e-05]	2.33154e-05	[-2.05244e-06, 5.07713e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.0108845	[-0.0182869, 0.0412482]	0.0108852	[-0.0182863, 0.041249]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	3	0.00120496	[-0.0014358, 0.00360101]	0.00120562	[-0.00143513, 0.00360169]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	6	-1.52588e-06	[-1.99288e-06, -1.10065e-06]	-8.64267e-07	[-1.31329e-06, -4.40975e-07]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-6.61612e-07	120	40
WORLD Harvest	-4.71751e-05	120	40
FACodec v1	—	0	0
HiFi-Glot	0.0457119	120	40
GOLF-ff	2.26537e-05	120	40
SiFi-GAN	0.0108845	120	40
LLSM2 Layer0	0.00120496	120	40
MagPhase	-1.52588e-06	120	40

音量操作・音量＋6dB・話者類似度

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	0.906905	[0.900567, 0.912774]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.930622	[0.925083, 0.935707]	0.023717	[0.0178778, 0.0293383]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	0.465799	[0.438161, 0.491023]	-0.441106	[-0.467927, -0.416307]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.825001	[0.808858, 0.839005]	-0.0819048	[-0.0973885, -0.0681009]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.95278	[0.948068, 0.956962]	0.045875	[0.040962, 0.0509736]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.95706	[0.950937, 0.961881]	0.0501546	[0.0432265, 0.0561717]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	0.949884	[0.94624, 0.953278]	0.0429782	[0.0377105, 0.0484989]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.906905	120	40
WORLD Harvest	0.930622	120	40
FACodec v1	—	0	0
HiFi-Glot	0.465799	120	40
GOLF-ff	0.825001	120	40
SiFi-GAN	0.95278	120	40
LLSM2 Layer0	0.95706	120	40
MagPhase	0.949884	120	40

音量操作・音量＋6dB・話者類似度・未編集との差

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	-2.48353e-09	[-2.4351e-08, 1.93715e-08]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	3.6185e-06	[-4.36443e-07, 7.93563e-06]	3.62098e-06	[-4.33475e-07, 7.93627e-06]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	1	0.00560896	[-0.00620863, 0.0174695]	0.00560896	[-0.00620862, 0.0174695]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	2.43386e-07	[-9.04078e-07, 1.32582e-06]	2.45869e-07	[-9.07021e-07, 1.31585e-06]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.00143731	[9.74739e-05, 0.00286041]	0.00143731	[9.74708e-05, 0.00286042]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	3	0.000135511	[4.31708e-05, 0.000233591]	0.000135513	[4.31633e-05, 0.000233608]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	6	6.45717e-09	[-1.39078e-08, 2.73188e-08]	8.9407e-09	[-2.38419e-08, 4.42068e-08]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-2.48353e-09	120	40
WORLD Harvest	3.6185e-06	120	40
FACodec v1	—	0	0
HiFi-Glot	0.00560896	120	40
GOLF-ff	2.43386e-07	120	40
SiFi-GAN	0.00143731	120	40
LLSM2 Layer0	0.000135511	120	40
MagPhase	6.45717e-09	120	40

時間操作・未編集・予測MOS

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	2.57676	[2.48842, 2.66658]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	3.04539	[2.94414, 3.1484]	0.468634	[0.383919, 0.547461]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.57676	120	40
WORLD Harvest	3.04539	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

時間操作・未編集・話者類似度

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.906905	[0.900567, 0.912774]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	0.930619	[0.925081, 0.935704]	0.0237134	[0.0178742, 0.029337]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.906905	120	40
WORLD Harvest	0.930619	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

時間操作・時間1.25倍・予測MOS

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	2.35833	[2.26978, 2.44439]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	2.87185	[2.79136, 2.95389]	0.513516	[0.429543, 0.600346]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.35833	120	40
WORLD Harvest	2.87185	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

時間操作・時間1.25倍・予測MOS・未編集との差

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	-0.21843	[-0.276018, -0.158059]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	-0.173549	[-0.239708, -0.114393]	0.0448816	[-0.0468655, 0.126526]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.21843	120	40
WORLD Harvest	-0.173549	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

時間操作・時間1.25倍・話者類似度

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.869857	[0.861003, 0.878265]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	0.882734	[0.874879, 0.890013]	0.0128765	[0.00470579, 0.0206842]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.869857	120	40
WORLD Harvest	0.882734	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

時間操作・時間1.25倍・話者類似度・未編集との差

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	-0.0370483	[-0.0420479, -0.0324496]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	-0.0478851	[-0.0526202, -0.0435577]	-0.0108368	[-0.0151986, -0.00627652]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.0370483	120	40
WORLD Harvest	-0.0478851	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

傾斜操作・傾斜−3dB/oct・予測MOS

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	2.42387	[2.35249, 2.49441]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	2.88762	[2.79399, 2.98447]	0.463756	[0.373644, 0.552788]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.42387	120	40
WORLD Harvest	2.88762	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

傾斜操作・傾斜−3dB/oct・予測MOS・未編集との差

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	-0.152893	[-0.195184, -0.109562]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	-0.157771	[-0.192457, -0.123361]	-0.00487817	[-0.0362285, 0.0264833]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.152893	120	40
WORLD Harvest	-0.157771	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

傾斜操作・傾斜−3dB/oct・話者類似度

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.893172	[0.885375, 0.900437]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	0.922414	[0.916806, 0.927523]	0.029242	[0.0231205, 0.0354561]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.893172	120	40
WORLD Harvest	0.922414	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

傾斜操作・傾斜−3dB/oct・話者類似度・未編集との差

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	-0.0137336	[-0.0170953, -0.0106426]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	-0.00820496	[-0.0105644, -0.00604914]	0.00552867	[0.00341434, 0.00766447]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.0137336	120	40
WORLD Harvest	-0.00820496	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

傾斜操作・未編集・予測MOS

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	2.57676	[2.48842, 2.66658]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	3.04539	[2.94414, 3.1484]	0.468634	[0.383919, 0.547461]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.57676	120	40
WORLD Harvest	3.04539	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

傾斜操作・未編集・話者類似度

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.906905	[0.900567, 0.912774]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	0.930619	[0.925081, 0.935704]	0.0237134	[0.0178742, 0.029337]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.906905	120	40
WORLD Harvest	0.930619	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

傾斜操作・傾斜＋3dB/oct・予測MOS

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	2.53329	[2.41525, 2.65009]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	3.05199	[2.92916, 3.17412]	0.518698	[0.435287, 0.594989]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.53329	120	40
WORLD Harvest	3.05199	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

傾斜操作・傾斜＋3dB/oct・予測MOS・未編集との差

predicted MOS・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	-0.0434698	[-0.0878224, -0.00192878]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	0.00659401	[-0.0433514, 0.0547996]	0.0500638	[0.0150549, 0.0842564]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.0434698	120	40
WORLD Harvest	0.00659401	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

傾斜操作・傾斜＋3dB/oct・話者類似度

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.902697	[0.896789, 0.908196]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	0.923922	[0.918273, 0.929092]	0.0212243	[0.0151993, 0.02691]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.902697	120	40
WORLD Harvest	0.923922	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

傾斜操作・傾斜＋3dB/oct・話者類似度・未編集との差

cosine・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	-0.00420812	[-0.0063848, -0.00208696]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	-0.0066972	[-0.00841053, -0.00510068]	-0.00248908	[-0.00395569, -0.00103813]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.00420812	120	40
WORLD Harvest	-0.0066972	120	40
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

既存人間評定と近傍一致

既存の声同一性評定・Spearman相関

既存の声同一性評定・Spearman相関
correlation・大きいほどこの指標が良い

比較分母の実証跡は未到着

録音対等重みの相関／B話者等重みの最近傍一致。話者グラフに条件付きの記述的node再抽出区間。有効な比較支持がある場合の設定は最大2000回・seed20261014。共通0や2話者未満では区間を算出しません。実行回数は保存証拠に従います。95%区間は記述的で多重比較未補正。HNM差は同じ比較集合・同じ再抽出による「方式−HNM」。同点は未丸め値の絶対1e-12/相対1e-9許容差を同点群先頭と比較する競技順位。区間の重なりだけで同点や有意差を決めません。失敗・適用外・未完は0点や最下位にしません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
MagPhase	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象

評定済み候補内・最近傍一致率

評定済み候補内・最近傍一致率
fraction・大きいほどこの指標が良い

比較分母の実証跡は未到着

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象
MagPhase	—	—	—	—	—	未完 1 直接値 0・同一性からの値 0	対象

取得済み100録音の別群・声同一性評定とのSpearman相関

録音対等重みの人間対平均評定と負Euclidean距離のSpearman相関
相関係数・大きいほどこの指標が良い

取得可用性で事後追加した100録音80対27話者・B基準20録音20話者の別群。元105録音の未完を置換しません。原音の特徴距離と既存の同一人物らしさの評定との一致です。復号音のMOSや総合品質ではありません。 Spearmanは録音対等重み。最近傍一致は評定済みA候補内でBごとに求め、B話者を等重みにします。全800抽出終端後に、学習校正成功かつ有効な予定対が1対以上ある方式を全て固定。共通数や一致値で再選別しません。条件付き規則は320特徴の抽出状態を確認した後、一致値の計算前に固定した事後規則です。事前登録とは呼びません。 MagPhaseの既存resample後のPCM16入力範囲外は抽出処理の失敗です。特徴の品質劣位、0点、最下位とは解釈しません。全8主群の共通0と値・順位・区間のnullを保持し、成功方式条件付きの値だけを別表に示します。今回の両指標で、対応HNM差の95%区間は全方式で0を含みます。順位だけでHNMに対する優位性を確定しません。

予定 100録音・27話者 / 方式

予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者

固定された人間対平均と観測話者グラフに条件付きの記述的node bootstrap。評定者不確実性・公式CI・厳密なnominal coverageは保証せず、多重比較未補正。
原音の特徴距離と既存の声同一性評定との一致であり、再合成MOSや総合品質ではない
元corpusはVCTK由来。既存学習型vocoderの訓練音声/話者重複可能性を排除していない
音声は公式録音IDとlossless FLACを結合。Web試聴player PCMそのものの一致は別検証なし

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
WORLD Harvest	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
FACodec v1	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
HiFi-Glot	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
GOLF-ff	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
SiFi-GAN	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
MagPhase	—	—	—	—	—	失敗 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象

終端後に成功方式を固定した補助比較

全800抽出終端後に、学習校正成功かつ有効な予定対が1対以上ある方式を全て固定。共通数や一致値で再選別しません。条件付き規則は320特徴の抽出状態を確認した後、一致値の計算前に固定した事後規則です。事前登録とは呼びません。予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 100録音・27話者・80対・20基準録音・20基準話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.552103	[0.262082, 0.720821]	0	[0, 0]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
WORLD Harvest	4	0.449475	[0.111415, 0.71196]	-0.102628	[-0.366182, 0.160588]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
FACodec v1	1	0.686984	[0.40772, 0.827327]	0.134881	[-0.11961, 0.402118]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
HiFi-Glot	6	0.29886	[-0.0316595, 0.584131]	-0.253243	[-0.647469, 0.144401]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
GOLF-ff	7	0.191082	[-0.0834164, 0.42215]	-0.361021	[-0.699976, 0.0250326]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
SiFi-GAN	3	0.533377	[0.0767007, 0.806549]	-0.0187257	[-0.40771, 0.286743]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
LLSM2 Layer0	5	0.391492	[0.106999, 0.604196]	-0.160612	[-0.399881, 0.046247]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
MagPhase	—	—	—	—	—	失敗 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	比較対象外

取得済み100録音の別群・評定済み候補内の最近傍一致

Bごとの評定済みA候補限定の最短距離と最高評定の一致率、B話者macro
割合・大きいほどこの指標が良い

予定 100録音・27話者 / 方式

予定: 100録音・27話者・80対・20基準録音・20基準話者 / 共通有効: 0録音・0話者・0対・0基準録音・0基準話者

固定された人間対平均と観測話者グラフに条件付きの記述的node bootstrap。評定者不確実性・公式CI・厳密なnominal coverageは保証せず、多重比較未補正。
原音の特徴距離と既存の声同一性評定との一致であり、再合成MOSや総合品質ではない
元corpusはVCTK由来。既存学習型vocoderの訓練音声/話者重複可能性を排除していない
音声は公式録音IDとlossless FLACを結合。Web試聴player PCMそのものの一致は別検証なし

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
WORLD Harvest	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
FACodec v1	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
HiFi-Glot	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
GOLF-ff	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
SiFi-GAN	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
MagPhase	—	—	—	—	—	失敗 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象

終端後に成功方式を固定した補助比較

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	0.45	[0.263158, 0.75]	0	[0, 0]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
WORLD Harvest	5	0.45	[0.263158, 0.727273]	0	[-0.277778, 0.266818]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
FACodec v1	2	0.5	[0.294056, 0.736842]	0.05	[-0.238095, 0.263246]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
HiFi-Glot	2	0.5	[0.332955, 0.789474]	0.05	[-0.263158, 0.33375]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
GOLF-ff	7	0.4	[0.210263, 0.695761]	-0.05	[-0.421053, 0.294118]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
SiFi-GAN	1	0.65	[0.444444, 0.88]	0.2	[-0.105263, 0.444444]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
LLSM2 Layer0	2	0.5	[0.35, 0.857143]	0.05	[-0.190476, 0.384722]	許容成功 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	対象
MagPhase	—	—	—	—	—	失敗 100 状態の単位は入力録音の特徴抽出。評定対や指標値の件数ではありません。	比較対象外

音素ABX

音素ABX・同話者・層等重み

音素ABX・同話者・層等重み
error_fraction・小さいほどこの指標が良い

予定: 62録音・26話者・186三つ組・171音素区間 / 共通有効: 62録音・26話者・186三つ組・171音素区間

集計順序（各段階を等重み）: 条件/有向音素対/文脈/A話者/X話者の層内三つ組平均→全層等重み
層は条件・有向音素対・文脈・A話者・X話者で定義し、まず層内の三つ組を平均する。三つ組全体の単純平均とは別の集計。
同話者ABXの対象は62録音・26話者に限定。主評価120録音全体の結果ではない。
95%区間は今回固定した独立学習集合と校正・学習済みパラメータに条件付き。学習集合を再抽出・再学習する不確実性は含まない。
公式6秒部分群でありabxLS全corpus順位ではない
nestedは本研究の明示補助。公式ZeroSpeech集計との厳密同値性は未検証
固定話者グラフに条件付きの記述的node bootstrap。多重比較未補正

直前の専用定義に従う層・X話者・音素対と文脈の集約。話者グラフに条件付きのnode再抽出区間。有効な比較支持がある場合の設定は最大2000回・seed20261014。共通0や2話者未満では区間を算出しません。実行回数は保存証拠に従います。95%区間は記述的で多重比較未補正。HNM差は同じ比較集合・同じ再抽出による「方式−HNM」。同点は未丸め値の絶対1e-12/相対1e-9許容差を同点群先頭と比較する競技順位。区間の重なりだけで同点や有意差を決めません。失敗・適用外・未完は0点や最下位にしません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	0.353865	[0.250893, 0.478414]	0	[0, 0]	許容成功 186 直接値 1・同一性からの値 0	対象
WORLD Harvest	6	0.345411	[0.258857, 0.457002]	-0.00845411	[-0.103495, 0.076668]	許容成功 186 直接値 1・同一性からの値 0	対象
FACodec v1	8	0.433575	[0.325961, 0.543656]	0.0797101	[-0.0635119, 0.209312]	許容成功 186 直接値 1・同一性からの値 0	対象
HiFi-Glot	2	0.179952	[0.0968323, 0.283635]	-0.173913	[-0.27874, -0.0882285]	許容成功 186 直接値 1・同一性からの値 0	対象
GOLF-ff	3	0.200483	[0.118056, 0.273225]	-0.153382	[-0.286164, -0.0467472]	許容成功 186 直接値 1・同一性からの値 0	対象
SiFi-GAN	3	0.200483	[0.106585, 0.336066]	-0.153382	[-0.253212, -0.0474533]	許容成功 186 直接値 1・同一性からの値 0	対象
LLSM2 Layer0	5	0.327295	[0.212326, 0.480311]	-0.02657	[-0.163992, 0.100243]	許容成功 186 直接値 1・同一性からの値 0	対象
MagPhase	1	0.155797	[0.0856221, 0.225933]	-0.198068	[-0.329937, -0.0762583]	許容成功 186 直接値 1・同一性からの値 0	対象

音素ABX・同話者・X話者等重み

音素ABX・同話者・X話者等重み
error_fraction・小さいほどこの指標が良い

予定: 62録音・26話者・186三つ組・171音素区間 / 共通有効: 62録音・26話者・186三つ組・171音素区間

集計順序（各段階を等重み）: X話者内の層等重み平均→X話者等重み
層は条件・有向音素対・文脈・A話者・X話者で定義し、まず層内の三つ組を平均する。三つ組全体の単純平均とは別の集計。
同話者ABXの対象は62録音・26話者に限定。主評価120録音全体の結果ではない。
95%区間は今回固定した独立学習集合と校正・学習済みパラメータに条件付き。学習集合を再抽出・再学習する不確実性は含まない。
公式6秒部分群でありabxLS全corpus順位ではない
nestedは本研究の明示補助。公式ZeroSpeech集計との厳密同値性は未検証
固定話者グラフに条件付きの記述的node bootstrap。多重比較未補正

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	0.394031	[0.269568, 0.523816]	0	[0, 0]	許容成功 186 直接値 1・同一性からの値 0	対象
WORLD Harvest	6	0.400758	[0.305354, 0.504089]	0.00672661	[-0.125001, 0.149148]	許容成功 186 直接値 1・同一性からの値 0	対象
FACodec v1	8	0.502431	[0.398945, 0.61234]	0.1084	[-0.0378228, 0.260187]	許容成功 186 直接値 1・同一性からの値 0	対象
HiFi-Glot	3	0.180003	[0.102314, 0.265032]	-0.214028	[-0.350605, -0.0864006]	許容成功 186 直接値 1・同一性からの値 0	対象
GOLF-ff	1	0.163649	[0.0793998, 0.261605]	-0.230382	[-0.354945, -0.122983]	許容成功 186 直接値 1・同一性からの値 0	対象
SiFi-GAN	4	0.276611	[0.14862, 0.422622]	-0.11742	[-0.298113, 0.0734092]	許容成功 186 直接値 1・同一性からの値 0	対象
LLSM2 Layer0	7	0.401911	[0.266067, 0.544881]	0.00787962	[-0.163577, 0.176932]	許容成功 186 直接値 1・同一性からの値 0	対象
MagPhase	2	0.174213	[0.0842912, 0.278534]	-0.219818	[-0.373996, -0.0578014]	許容成功 186 直接値 1・同一性からの値 0	対象

音素ABX・同話者・音素対・文脈入れ子補助

音素ABX・同話者・音素対・文脈入れ子補助
error_fraction・小さいほどこの指標が良い

予定: 62録音・26話者・186三つ組・171音素区間 / 共通有効: 62録音・26話者・186三つ組・171音素区間

集計順序（各段階を等重み）: 有向音素対×文脈内の話者対平均→音素対内文脈平均→有向音素対平均
層は条件・有向音素対・文脈・A話者・X話者で定義し、まず層内の三つ組を平均する。三つ組全体の単純平均とは別の集計。
同話者ABXの対象は62録音・26話者に限定。主評価120録音全体の結果ではない。
95%区間は今回固定した独立学習集合と校正・学習済みパラメータに条件付き。学習集合を再抽出・再学習する不確実性は含まない。
公式6秒部分群でありabxLS全corpus順位ではない
nestedは本研究の明示補助。公式ZeroSpeech集計との厳密同値性は未検証
固定話者グラフに条件付きの記述的node bootstrap。多重比較未補正

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	6	0.338694	[0.258314, 0.45603]	0	[0, 0]	許容成功 186 直接値 1・同一性からの値 0	対象
WORLD Harvest	7	0.34308	[0.269226, 0.443457]	0.00438596	[-0.0707141, 0.0740803]	許容成功 186 直接値 1・同一性からの値 0	対象
FACodec v1	8	0.417154	[0.336693, 0.525474]	0.07846	[-0.0537735, 0.197688]	許容成功 186 直接値 1・同一性からの値 0	対象
HiFi-Glot	2	0.158382	[0.0949074, 0.245534]	-0.180312	[-0.273151, -0.10036]	許容成功 186 直接値 1・同一性からの値 0	対象
GOLF-ff	4	0.201267	[0.129625, 0.26127]	-0.137427	[-0.280303, -0.0561362]	許容成功 186 直接値 1・同一性からの値 0	対象
SiFi-GAN	3	0.185673	[0.109747, 0.305556]	-0.153021	[-0.238031, -0.0724105]	許容成功 186 直接値 1・同一性からの値 0	対象
LLSM2 Layer0	5	0.299708	[0.219998, 0.425022]	-0.0389864	[-0.134037, 0.0754216]	許容成功 186 直接値 1・同一性からの値 0	対象
MagPhase	1	0.139864	[0.0772793, 0.20395]	-0.19883	[-0.321788, -0.108948]	許容成功 186 直接値 1・同一性からの値 0	対象

音素ABX・異話者・層等重み

音素ABX・異話者・層等重み
error_fraction・小さいほどこの指標が良い

予定: 113録音・39話者・4774三つ組・1694音素区間 / 共通有効: 113録音・39話者・4774三つ組・1694音素区間

集計順序（各段階を等重み）: 条件/有向音素対/文脈/A話者/X話者の層内三つ組平均→全層等重み
層は条件・有向音素対・文脈・A話者・X話者で定義し、まず層内の三つ組を平均する。三つ組全体の単純平均とは別の集計。
95%区間は今回固定した独立学習集合と校正・学習済みパラメータに条件付き。学習集合を再抽出・再学習する不確実性は含まない。
公式6秒部分群でありabxLS全corpus順位ではない
nestedは本研究の明示補助。公式ZeroSpeech集計との厳密同値性は未検証
固定話者グラフに条件付きの記述的node bootstrap。多重比較未補正

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	0.472992	[0.438704, 0.514409]	0	[0, 0]	許容成功 4774 直接値 1・同一性からの値 0	対象
WORLD Harvest	5	0.440982	[0.403418, 0.481849]	-0.0320101	[-0.0720033, 0.00391881]	許容成功 4774 直接値 1・同一性からの値 0	対象
FACodec v1	8	0.477773	[0.440361, 0.512588]	0.00478042	[-0.0460483, 0.0479704]	許容成功 4774 直接値 1・同一性からの値 0	対象
HiFi-Glot	1	0.344508	[0.301838, 0.384792]	-0.128484	[-0.17846, -0.0801592]	許容成功 4774 直接値 1・同一性からの値 0	対象
GOLF-ff	2	0.368523	[0.328683, 0.402085]	-0.104469	[-0.158357, -0.0593775]	許容成功 4774 直接値 1・同一性からの値 0	対象
SiFi-GAN	3	0.404522	[0.367321, 0.443609]	-0.0684701	[-0.117834, -0.0264048]	許容成功 4774 直接値 1・同一性からの値 0	対象
LLSM2 Layer0	6	0.445902	[0.409941, 0.48808]	-0.0270905	[-0.063622, 0.00837202]	許容成功 4774 直接値 1・同一性からの値 0	対象
MagPhase	4	0.413848	[0.36535, 0.46447]	-0.0591441	[-0.111258, -0.011222]	許容成功 4774 直接値 1・同一性からの値 0	対象

音素ABX・異話者・X話者等重み

音素ABX・異話者・X話者等重み
error_fraction・小さいほどこの指標が良い

予定: 113録音・39話者・4774三つ組・1694音素区間 / 共通有効: 113録音・39話者・4774三つ組・1694音素区間

集計順序（各段階を等重み）: X話者内の層等重み平均→X話者等重み
層は条件・有向音素対・文脈・A話者・X話者で定義し、まず層内の三つ組を平均する。三つ組全体の単純平均とは別の集計。
95%区間は今回固定した独立学習集合と校正・学習済みパラメータに条件付き。学習集合を再抽出・再学習する不確実性は含まない。
公式6秒部分群でありabxLS全corpus順位ではない
nestedは本研究の明示補助。公式ZeroSpeech集計との厳密同値性は未検証
固定話者グラフに条件付きの記述的node bootstrap。多重比較未補正

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	8	0.47813	[0.441346, 0.520011]	0	[0, 0]	許容成功 4774 直接値 1・同一性からの値 0	対象
WORLD Harvest	5	0.439255	[0.402294, 0.481428]	-0.0388751	[-0.0782512, -0.00105434]	許容成功 4774 直接値 1・同一性からの値 0	対象
FACodec v1	7	0.477469	[0.439223, 0.513229]	-0.000661073	[-0.0529215, 0.0448267]	許容成功 4774 直接値 1・同一性からの値 0	対象
HiFi-Glot	1	0.344796	[0.298676, 0.388802]	-0.133334	[-0.18337, -0.0856486]	許容成功 4774 直接値 1・同一性からの値 0	対象
GOLF-ff	2	0.3656	[0.322959, 0.401862]	-0.112529	[-0.169451, -0.063516]	許容成功 4774 直接値 1・同一性からの値 0	対象
SiFi-GAN	3	0.410159	[0.37114, 0.450642]	-0.0679707	[-0.121259, -0.0237002]	許容成功 4774 直接値 1・同一性からの値 0	対象
LLSM2 Layer0	6	0.456525	[0.417849, 0.500304]	-0.021605	[-0.0591444, 0.0143682]	許容成功 4774 直接値 1・同一性からの値 0	対象
MagPhase	4	0.413292	[0.365485, 0.463406]	-0.0648382	[-0.118878, -0.0140356]	許容成功 4774 直接値 1・同一性からの値 0	対象

音素ABX・異話者・音素対・文脈入れ子補助

音素ABX・異話者・音素対・文脈入れ子補助
error_fraction・小さいほどこの指標が良い

予定: 113録音・39話者・4774三つ組・1694音素区間 / 共通有効: 113録音・39話者・4774三つ組・1694音素区間

集計順序（各段階を等重み）: 有向音素対×文脈内の話者対平均→音素対内文脈平均→有向音素対平均
層は条件・有向音素対・文脈・A話者・X話者で定義し、まず層内の三つ組を平均する。三つ組全体の単純平均とは別の集計。
95%区間は今回固定した独立学習集合と校正・学習済みパラメータに条件付き。学習集合を再抽出・再学習する不確実性は含まない。
公式6秒部分群でありabxLS全corpus順位ではない
nestedは本研究の明示補助。公式ZeroSpeech集計との厳密同値性は未検証
固定話者グラフに条件付きの記述的node bootstrap。多重比較未補正

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	0.456952	[0.42168, 0.49218]	0	[0, 0]	許容成功 4774 直接値 1・同一性からの値 0	対象
WORLD Harvest	5	0.432253	[0.386979, 0.462776]	-0.0246981	[-0.0746675, 0.0102563]	許容成功 4774 直接値 1・同一性からの値 0	対象
FACodec v1	8	0.462083	[0.428968, 0.504354]	0.00513125	[-0.0358828, 0.0595636]	許容成功 4774 直接値 1・同一性からの値 0	対象
HiFi-Glot	1	0.336064	[0.303919, 0.379372]	-0.120888	[-0.15913, -0.0706143]	許容成功 4774 直接値 1・同一性からの値 0	対象
GOLF-ff	2	0.34495	[0.318035, 0.391243]	-0.112002	[-0.146006, -0.0558497]	許容成功 4774 直接値 1・同一性からの値 0	対象
SiFi-GAN	3	0.376881	[0.344817, 0.408727]	-0.0800702	[-0.116088, -0.0426106]	許容成功 4774 直接値 1・同一性からの値 0	対象
LLSM2 Layer0	6	0.43685	[0.401239, 0.469076]	-0.020101	[-0.0557353, 0.0188624]	許容成功 4774 直接値 1・同一性からの値 0	対象
MagPhase	4	0.407332	[0.368201, 0.453376]	-0.0496192	[-0.0899676, 0.0025558]	許容成功 4774 直接値 1・同一性からの値 0	対象

線形読み出し

線形読み出し・推定対数F0絶対誤差

各録音絶対誤差→話者内平均→話者等重みMAE
ln(Hz)・小さいほどこの指標が良い

予定 120録音・40話者 / 共通 120録音・40話者

独立学習集合（train）の目標値が有効な録音: 119/120録音・40話者。評価集合の分母とは別。
学習目標値の欠測理由: YINで正値の有声F0推定が得られない（1録音）。0埋めしない。
目標値はHz単位の推定F0の自然対数。MAEはln(Hz)の差の絶対誤差であり、Hzやcentの誤差ではない。
95%区間は今回固定した独立学習集合と校正・学習済みパラメータに条件付き。学習集合を再抽出・再学習する不確実性は含まない。
独立推定した原音属性の読み出しであり人間評定・因果制御・復号品質ではない
話者bootstrapの記述的95%区間。trainは固定し多重比較は補正しない

同じ録音→話者内平均→話者等重み。有効な比較支持がある場合の設定は最大2000回・seed20261014。共通0や2話者未満では区間を算出しません。実行回数は保存証拠に従います。95%区間は記述的で多重比較未補正。HNM差は同じ比較集合・同じ再抽出による「方式−HNM」。同点は未丸め値の絶対1e-12/相対1e-9許容差を同点群先頭と比較する競技順位。区間の重なりだけで同点や有意差を決めません。失敗・適用外・未完は0点や最下位にしません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	0.137136	[0.114589, 0.162762]	0	[0, 0]	許容成功 1 直接値 1・同一性からの値 0	対象
WORLD Harvest	8	0.208125	[0.167284, 0.253647]	0.0709893	[0.0316239, 0.115458]	許容成功 1 直接値 1・同一性からの値 0	対象
FACodec v1	7	0.160104	[0.135488, 0.185549]	0.0229678	[-0.00669243, 0.0528818]	許容成功 1 直接値 1・同一性からの値 0	対象
HiFi-Glot	1	0.0844931	[0.071919, 0.0976209]	-0.0526428	[-0.080479, -0.0276594]	許容成功 1 直接値 1・同一性からの値 0	対象
GOLF-ff	5	0.144769	[0.117854, 0.174241]	0.00763269	[-0.0218774, 0.0391969]	許容成功 1 直接値 1・同一性からの値 0	対象
SiFi-GAN	4	0.142239	[0.119424, 0.166958]	0.00510285	[-0.0214044, 0.032388]	許容成功 1 直接値 1・同一性からの値 0	対象
LLSM2 Layer0	2	0.120069	[0.0927528, 0.155866]	-0.0170671	[-0.0446371, 0.00909626]	許容成功 1 直接値 1・同一性からの値 0	対象
MagPhase	6	0.159854	[0.135245, 0.185779]	0.0227181	[-0.0101593, 0.0549861]	許容成功 1 直接値 1・同一性からの値 0	対象

線形読み出し・RMS絶対誤差

各録音絶対誤差→話者内平均→話者等重みMAE
dB（RMS目標値はdBFS）・小さいほどこの指標が良い

予定 120録音・40話者 / 共通 120録音・40話者

独立学習集合（train）の目標値が有効な録音: 120/120録音・40話者。評価集合の分母とは別。
RMS目標値はdBFS。表のMAEとHNMとの差は、その差分の単位であるdBで示す。
95%区間は今回固定した独立学習集合と校正・学習済みパラメータに条件付き。学習集合を再抽出・再学習する不確実性は含まない。
独立推定した原音属性の読み出しであり人間評定・因果制御・復号品質ではない
話者bootstrapの記述的95%区間。trainは固定し多重比較は補正しない

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	6	2.82784	[2.39852, 3.32046]	0	[0, 0]	許容成功 1 直接値 1・同一性からの値 0	対象
WORLD Harvest	8	3.82312	[2.86434, 5.00469]	0.99528	[0.0974811, 2.15854]	許容成功 1 直接値 1・同一性からの値 0	対象
FACodec v1	1	1.26922	[1.08708, 1.46842]	-1.55862	[-2.06484, -1.09666]	許容成功 1 直接値 1・同一性からの値 0	対象
HiFi-Glot	2	1.87354	[1.51283, 2.27255]	-0.954299	[-1.58611, -0.336025]	許容成功 1 直接値 1・同一性からの値 0	対象
GOLF-ff	3	2.073	[1.77604, 2.40634]	-0.75484	[-1.36964, -0.193551]	許容成功 1 直接値 1・同一性からの値 0	対象
SiFi-GAN	7	3.76916	[3.0436, 4.60053]	0.941324	[0.0125058, 1.93124]	許容成功 1 直接値 1・同一性からの値 0	対象
LLSM2 Layer0	4	2.26278	[1.89082, 2.71416]	-0.565062	[-1.20617, 0.0900346]	許容成功 1 直接値 1・同一性からの値 0	対象
MagPhase	5	2.65387	[2.1695, 3.20102]	-0.173973	[-0.785544, 0.468496]	許容成功 1 直接値 1・同一性からの値 0	対象

線形読み出し・スペクトル傾斜絶対誤差

各録音絶対誤差→話者内平均→話者等重みMAE
dB/octave・小さいほどこの指標が良い

予定 120録音・40話者 / 共通 120録音・40話者

独立学習集合（train）の目標値が有効な録音: 120/120録音・40話者。評価集合の分母とは別。
95%区間は今回固定した独立学習集合と校正・学習済みパラメータに条件付き。学習集合を再抽出・再学習する不確実性は含まない。
独立推定した原音属性の読み出しであり人間評定・因果制御・復号品質ではない
話者bootstrapの記述的95%区間。trainは固定し多重比較は補正しない

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	1.61036	[1.37583, 1.88655]	0	[0, 0]	許容成功 1 直接値 1・同一性からの値 0	対象
WORLD Harvest	8	1.86372	[1.49408, 2.27501]	0.253365	[-0.141491, 0.667254]	許容成功 1 直接値 1・同一性からの値 0	対象
FACodec v1	4	1.3011	[1.07307, 1.55322]	-0.309263	[-0.658534, 0.00710761]	許容成功 1 直接値 1・同一性からの値 0	対象
HiFi-Glot	3	1.269	[1.0464, 1.48029]	-0.341364	[-0.684962, -0.0135676]	許容成功 1 直接値 1・同一性からの値 0	対象
GOLF-ff	6	1.53663	[1.30419, 1.78501]	-0.0737294	[-0.381741, 0.228265]	許容成功 1 直接値 1・同一性からの値 0	対象
SiFi-GAN	5	1.38881	[1.19787, 1.57843]	-0.221545	[-0.532484, 0.0748615]	許容成功 1 直接値 1・同一性からの値 0	対象
LLSM2 Layer0	2	1.24793	[1.08338, 1.42507]	-0.362426	[-0.672106, -0.0875774]	許容成功 1 直接値 1・同一性からの値 0	対象
MagPhase	1	1.22413	[0.990958, 1.52354]	-0.386233	[-0.746005, -0.0333931]	許容成功 1 直接値 1・同一性からの値 0	対象

補間

補間中点の予測MOS落込み

同じ発話の原音入力と−6dB入力の再解析端点、中間点が両端より低い量
predicted MOS・小さいほどこの指標が良い

有限3点の予測品質診断。連続性や知覚的滑らかさの証明ではない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	3.0001e-07	[2.20537e-07, 3.83506e-07]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	1.90735e-07	[0, 5.72205e-07]	-1.09275e-07	[-3.67562e-07, 3.39746e-07]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	6	0.021453	[0.0134634, 0.0297965]	0.0214527	[0.0134631, 0.0297961]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	5	0.0205088	[0.0112813, 0.0305593]	0.0205085	[0.011281, 0.030559]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	4	0.00785858	[0.00446827, 0.011992]	0.00785828	[0.00446804, 0.0119916]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	7	0.0225716	[0.0132106, 0.0331744]	0.0225713	[0.0132103, 0.033174]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	3	0.000441684	[0.000230135, 0.000678628]	0.000441384	[0.000229766, 0.00067833]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	3.0001e-07	120	40
WORLD Harvest	1.90735e-07	120	40
FACodec v1	0.021453	120	40
HiFi-Glot	0.0205088	120	40
GOLF-ff	0.00785858	120	40
SiFi-GAN	0.0225716	120	40
LLSM2 Layer0	0.000441684	120	40
MagPhase	—	0	0

補間中点の話者類似度落込み

同じ発話の原音入力と−6dB入力の再解析端点、中間点が両端より低い量
cosine・小さいほどこの指標が良い

有限3点の予測品質診断。連続性や知覚的滑らかさの証明ではない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	1.73847e-08	[1.09275e-08, 2.43386e-08]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	1.24176e-08	[0, 2.88089e-08]	-4.96705e-09	[-1.88748e-08, 1.14242e-08]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	4	3.79557e-05	[0, 9.66693e-05]	3.79384e-05	[-1.6888e-08, 9.6646e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	0.002829	[0.00152294, 0.00441881]	0.00282898	[0.00152293, 0.00441879]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.00253407	[0.00139496, 0.00381831]	0.00253405	[0.00139494, 0.00381829]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	0.000129845	[5.66534e-05, 0.000224426]	0.000129827	[5.66376e-05, 0.000224408]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	3	3.66817e-06	[8.05594e-07, 7.18668e-06]	3.65078e-06	[7.91599e-07, 7.16986e-06]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	1.73847e-08	120	40
WORLD Harvest	1.24176e-08	120	40
FACodec v1	3.79557e-05	120	40
HiFi-Glot	0.002829	120	40
GOLF-ff	0.00253407	120	40
SiFi-GAN	0.000129845	120	40
LLSM2 Layer0	3.66817e-06	120	40
MagPhase	—	0	0

補間の推定音高・中点の端点線形値からの偏差

native全長属性の有限3点差分
cent・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	5.38876e-12	[3.53187e-12, 7.69281e-12]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	5.3199e-05	[2.61077e-05, 8.81159e-05]	5.3199e-05	[2.61077e-05, 8.81159e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	7.14801	[4.54324, 10.2714]	7.14801	[4.54324, 10.2714]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	20.3453	[12.3933, 29.6641]	20.3453	[12.3933, 29.6641]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	6.75075	[2.57427, 13.3346]	6.75075	[2.57427, 13.3346]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	3.70501	[2.68144, 4.85324]	3.70501	[2.68144, 4.85324]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0.0308674	[0.00601314, 0.0692835]	0.0308674	[0.00601314, 0.0692835]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	5.38876e-12	120	40
WORLD Harvest	5.3199e-05	120	40
FACodec v1	7.14801	120	40
HiFi-Glot	20.3453	120	40
GOLF-ff	6.75075	120	40
SiFi-GAN	3.70501	120	40
LLSM2 Layer0	0.0308674	120	40
MagPhase	—	0	0

補間の推定音高・最大傾き

native全長属性の有限3点差分
cent・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	1.34757e-11	[9.3822e-12, 1.82206e-11]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0.000968517	[0.000586823, 0.00141664]	0.000968517	[0.000586823, 0.00141664]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	27.2288	[17.7233, 39.3672]	27.2288	[17.7233, 39.3672]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	73.7998	[47.3307, 105.816]	73.7998	[47.3307, 105.816]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	27.536	[11.1888, 52.8938]	27.536	[11.1888, 52.8938]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	14.7588	[10.6629, 19.3811]	14.7588	[10.6629, 19.3811]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0.134337	[0.0245351, 0.30949]	0.134337	[0.0245351, 0.30949]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	1.34757e-11	120	40
WORLD Harvest	0.000968517	120	40
FACodec v1	27.2288	120	40
HiFi-Glot	73.7998	120	40
GOLF-ff	27.536	120	40
SiFi-GAN	14.7588	120	40
LLSM2 Layer0	0.134337	120	40
MagPhase	—	0	0

補間の推定音高・最大傾き変化

native全長属性の有限3点差分
cent・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	2.15853e-11	[1.41877e-11, 3.07879e-11]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0.000212796	[0.000104431, 0.000352464]	0.000212796	[0.000104431, 0.000352464]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	28.592	[18.173, 41.0855]	28.592	[18.173, 41.0855]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	81.3812	[49.5731, 118.656]	81.3812	[49.5731, 118.656]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	27.003	[10.2971, 53.3385]	27.003	[10.2971, 53.3385]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	14.82	[10.7258, 19.4129]	14.82	[10.7258, 19.4129]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0.12347	[0.0240525, 0.277134]	0.12347	[0.0240525, 0.277134]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.15853e-11	120	40
WORLD Harvest	0.000212796	120	40
FACodec v1	28.592	120	40
HiFi-Glot	81.3812	120	40
GOLF-ff	27.003	120	40
SiFi-GAN	14.82	120	40
LLSM2 Layer0	0.12347	120	40
MagPhase	—	0	0

補間の推定音高・反転区間数

native全長属性の有限3点差分
count・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	適用外 118 / 許容成功 2 直接値 2・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	適用外 111 / 許容成功 9 直接値 9・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	適用外 117 / 許容成功 3 直接値 3・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 1録音・1話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	—	0	—	—	—	適用外 118 / 許容成功 2 直接値 2・同一性からの値 0	対象
HiFi-Glot	—	0	—	—	—	適用外 111 / 許容成功 9 直接値 9・同一性からの値 0	対象
GOLF-ff	—	0	—	—	—	適用外 117 / 許容成功 3 直接値 3・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	0	2	2
HiFi-Glot	0.125	9	8
GOLF-ff	0	3	3
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

補間のRMS音量・中点の端点線形値からの偏差

native全長属性の有限3点差分
dB・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	6.29126e-14	[4.62141e-14, 8.37597e-14]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	1.82712e-07	[8.16441e-08, 3.17472e-07]	1.82712e-07	[8.1644e-08, 3.17472e-07]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	0.152655	[0.145618, 0.160221]	0.152655	[0.145618, 0.160221]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	0.0475303	[0.0389148, 0.0579102]	0.0475303	[0.0389148, 0.0579102]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	0.0523066	[0.0429538, 0.0638383]	0.0523066	[0.0429538, 0.0638383]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	0.0129676	[0.0111089, 0.0149307]	0.0129676	[0.0111089, 0.0149307]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	2.8128e-05	[1.94476e-05, 4.05416e-05]	2.8128e-05	[1.94476e-05, 4.05416e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	6.29126e-14	120	40
WORLD Harvest	1.82712e-07	120	40
FACodec v1	0.152655	120	40
HiFi-Glot	0.0475303	120	40
GOLF-ff	0.0523066	120	40
SiFi-GAN	0.0129676	120	40
LLSM2 Layer0	2.8128e-05	120	40
MagPhase	—	0	0

補間のRMS音量・最大傾き

native全長属性の有限3点差分
dB・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	6	[6, 6]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	6	[6, 6]	-1.06354e-07	[-1.36517e-06, 9.36997e-07]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	6.14097	[6.10656, 6.17571]	0.140969	[0.106555, 0.175709]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	6.07696	[6.03591, 6.11693]	0.0769596	[0.0359101, 0.116932]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	6.52739	[6.45859, 6.60215]	0.527385	[0.458593, 0.602151]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	5.96446	[5.93521, 5.994]	-0.0355362	[-0.064785, -0.00599768]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	6.00018	[6.00013, 6.00023]	0.000178801	[0.000134757, 0.000230718]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	6	120	40
WORLD Harvest	6	120	40
FACodec v1	6.14097	120	40
HiFi-Glot	6.07696	120	40
GOLF-ff	6.52739	120	40
SiFi-GAN	5.96446	120	40
LLSM2 Layer0	6.00018	120	40
MagPhase	—	0	0

補間のRMS音量・最大傾き変化

native全長属性の有限3点差分
dB・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	2.52006e-13	[1.8533e-13, 3.35043e-13]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	7.30848e-07	[3.26576e-07, 1.26989e-06]	7.30848e-07	[3.26576e-07, 1.26989e-06]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	0.61062	[0.582471, 0.640885]	0.61062	[0.582471, 0.640885]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	0.190121	[0.155659, 0.231641]	0.190121	[0.155659, 0.231641]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	0.209226	[0.171815, 0.255353]	0.209226	[0.171815, 0.255353]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	0.0518704	[0.0444357, 0.0597227]	0.0518704	[0.0444357, 0.0597227]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0.000112512	[7.77903e-05, 0.000162167]	0.000112512	[7.77903e-05, 0.000162167]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.52006e-13	120	40
WORLD Harvest	7.30848e-07	120	40
FACodec v1	0.61062	120	40
HiFi-Glot	0.190121	120	40
GOLF-ff	0.209226	120	40
SiFi-GAN	0.0518704	120	40
LLSM2 Layer0	0.000112512	120	40
MagPhase	—	0	0

補間のRMS音量・反転区間数

native全長属性の有限3点差分
count・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0	120	40
WORLD Harvest	0	120	40
FACodec v1	0	120	40
HiFi-Glot	0	120	40
GOLF-ff	0	120	40
SiFi-GAN	0	120	40
LLSM2 Layer0	0	120	40
MagPhase	—	0	0

補間のスペクトル傾斜・中点の端点線形値からの偏差

native全長属性の有限3点差分
dB/oct・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	2.24834e-13	[1.81607e-13, 2.74056e-13]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	5.92774e-07	[2.82711e-07, 9.96226e-07]	5.92774e-07	[2.82711e-07, 9.96226e-07]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	0.039896	[0.0343421, 0.0458518]	0.039896	[0.0343421, 0.0458518]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	0.0609091	[0.0496111, 0.0739261]	0.0609091	[0.0496111, 0.0739261]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	0.0142935	[0.0119127, 0.0168948]	0.0142935	[0.0119127, 0.0168948]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	0.0118171	[0.0102486, 0.0135698]	0.0118171	[0.0102486, 0.0135698]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0.000168729	[0.000118454, 0.000232397]	0.000168729	[0.000118454, 0.000232397]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.24834e-13	120	40
WORLD Harvest	5.92774e-07	120	40
FACodec v1	0.039896	120	40
HiFi-Glot	0.0609091	120	40
GOLF-ff	0.0142935	120	40
SiFi-GAN	0.0118171	120	40
LLSM2 Layer0	0.000168729	120	40
MagPhase	—	0	0

補間のスペクトル傾斜・最大傾き

native全長属性の有限3点差分
dB/oct・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	5.49236e-13	[4.3828e-13, 6.69539e-13]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	2.31381e-05	[1.75805e-05, 2.90987e-05]	2.31381e-05	[1.75805e-05, 2.90987e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	0.21261	[0.191432, 0.235987]	0.21261	[0.191432, 0.235987]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	0.31119	[0.271195, 0.35389]	0.31119	[0.271195, 0.35389]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	0.17444	[0.150849, 0.198402]	0.17444	[0.150849, 0.198402]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	0.0756663	[0.0667822, 0.0850032]	0.0756663	[0.0667822, 0.0850032]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0.00114666	[0.000875336, 0.00146008]	0.00114666	[0.000875336, 0.00146008]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	5.49236e-13	120	40
WORLD Harvest	2.31381e-05	120	40
FACodec v1	0.21261	120	40
HiFi-Glot	0.31119	120	40
GOLF-ff	0.17444	120	40
SiFi-GAN	0.0756663	120	40
LLSM2 Layer0	0.00114666	120	40
MagPhase	—	0	0

補間のスペクトル傾斜・最大傾き変化

native全長属性の有限3点差分
dB/oct・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	8.99132e-13	[7.26092e-13, 1.09599e-12]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	2.3711e-06	[1.13084e-06, 3.9849e-06]	2.3711e-06	[1.13084e-06, 3.9849e-06]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	0.159584	[0.137368, 0.183407]	0.159584	[0.137368, 0.183407]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	0.243636	[0.198445, 0.295704]	0.243636	[0.198445, 0.295704]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	0.0571739	[0.0476509, 0.0675792]	0.0571739	[0.0476509, 0.0675792]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	0.0472685	[0.0409942, 0.0542791]	0.0472685	[0.0409942, 0.0542791]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0.000674917	[0.000473817, 0.000929586]	0.000674917	[0.000473817, 0.000929586]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	8.99132e-13	120	40
WORLD Harvest	2.3711e-06	120	40
FACodec v1	0.159584	120	40
HiFi-Glot	0.243636	120	40
GOLF-ff	0.0571739	120	40
SiFi-GAN	0.0472685	120	40
LLSM2 Layer0	0.000674917	120	40
MagPhase	—	0	0

補間のスペクトル傾斜・反転区間数

native全長属性の有限3点差分
count・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

補間の全長・中点の端点線形値からの偏差

native全長属性の有限3点差分
s・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0	120	40
WORLD Harvest	0	120	40
FACodec v1	0	120	40
HiFi-Glot	0	120	40
GOLF-ff	0	120	40
SiFi-GAN	0	120	40
LLSM2 Layer0	0	120	40
MagPhase	—	0	0

補間の全長・最大傾き

native全長属性の有限3点差分
s・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0	120	40
WORLD Harvest	0	120	40
FACodec v1	0	120	40
HiFi-Glot	0	120	40
GOLF-ff	0	120	40
SiFi-GAN	0	120	40
LLSM2 Layer0	0	120	40
MagPhase	—	0	0

補間の全長・最大傾き変化

native全長属性の有限3点差分
s・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0	120	40
WORLD Harvest	0	120	40
FACodec v1	0	120	40
HiFi-Glot	0	120	40
GOLF-ff	0	120	40
SiFi-GAN	0	120	40
LLSM2 Layer0	0	120	40
MagPhase	—	0	0

補間の全長・反転区間数

native全長属性の有限3点差分
count・診断・順位なし

線形応答を良さと仮定しない。順位対象外。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
GOLF-ff	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
SiFi-GAN	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
LLSM2 Layer0	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	—	0	0
HiFi-Glot	—	0	0
GOLF-ff	—	0	0
SiFi-GAN	—	0	0
LLSM2 Layer0	—	0	0
MagPhase	—	0	0

表現量子化への頑健性

事後追加の量子化共通先頭区間による聴覚差。元の厳格全長比較を置換しません。方式ごとの入力変化量が異なり、同じ摂動強度の耐性比較ではありません。全8固定・成功方式条件付きの補助結果と長さ差／補助JSON。#17と#18は同一聴覚値を参照し、独立した評価や投票には数えません。

float16混合精度保存・聴覚帯域変化

同方式native無編集に対する共通16kHz同長全区間ERB32帯域MAE
dB・小さいほどこの指標が良い

保存忠実性の機械指標。長さ不一致は適用外、切り詰め・整列なし。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	1	0.0226607	[0.0221625, 0.0231869]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	4	0.362279	[0.333539, 0.394951]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	15.9544	[8.78882, 24.3314]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	0.175144	[0.156939, 0.19389]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	2	0.0226851	[0.0191811, 0.0262431]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	0.0226607	120	40
HiFi-Glot	0.362279	120	40
GOLF-ff	15.9544	120	40
SiFi-GAN	0.175144	120	40
LLSM2 Layer0	0.0226851	120	40
MagPhase	—	0	0

float16混合精度保存・推定音高絶対変化

同方式native全長属性との差
cent・小さいほどこの指標が良い

絶対音声真値や知覚JNDではない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 107 / 適用外 13 直接値 107・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 107録音・39話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	2	0.954927	[0.506912, 1.4736]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	4	4.09222	[2.52379, 6.24576]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	299.084	[147.214, 468.949]	—	—	許容成功 107 / 適用外 13 直接値 107・同一性からの値 0	対象
SiFi-GAN	3	3.49227	[2.16987, 5.21297]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.121235	[0.0215376, 0.25202]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	5	5.84629	[4.38072, 7.69851]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	0.93783	120	40
HiFi-Glot	3.83361	120	40
GOLF-ff	299.084	107	39
SiFi-GAN	3.31174	120	40
LLSM2 Layer0	0.127304	120	40
MagPhase	6.0484	120	40

float16混合精度保存・RMS音量絶対変化

同方式native全長属性との差
dB・小さいほどこの指標が良い

絶対音声真値や知覚JNDではない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	2	0.00136466	[0.00117559, 0.00157633]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	5	0.00970489	[0.00775163, 0.0120204]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	52.7219	[38.5813, 68.1453]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	0.00409993	[0.00331953, 0.004929]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.000106883	[8.31206e-05, 0.000133873]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	4	0.00736386	[0.00526969, 0.00997264]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	0.00136466	120	40
HiFi-Glot	0.00970489	120	40
GOLF-ff	52.7219	120	40
SiFi-GAN	0.00409993	120	40
LLSM2 Layer0	0.000106883	120	40
MagPhase	0.00736386	120	40

float16混合精度保存・スペクトル傾斜絶対変化

同方式native全長属性との差
dB/oct・小さいほどこの指標が良い

絶対音声真値や知覚JNDではない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	2	0.00180299	[0.00155009, 0.00205412]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	4	0.023041	[0.0185949, 0.0279752]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	1.7908	[1.34449, 2.26315]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	0.0089654	[0.00706744, 0.0110035]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.000264634	[0.000226146, 0.00030843]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	5	0.0338447	[0.0280717, 0.040014]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	0.00180299	120	40
HiFi-Glot	0.023041	120	40
GOLF-ff	1.7908	120	40
SiFi-GAN	0.0089654	120	40
LLSM2 Layer0	0.000264634	120	40
MagPhase	0.0338447	120	40

float16混合精度保存・全長絶対変化

同方式native全長属性との差
s・小さいほどこの指標が良い

絶対音声真値や知覚JNDではない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	1	0	[0, 0]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	1	0	[0, 0]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	1	0	[0, 0]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	1	0	[0, 0]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0	[0, 0]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	6	0.00265243	[0.00228452, 0.00299484]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	0	120	40
HiFi-Glot	0	120	40
GOLF-ff	0	120	40
SiFi-GAN	0	120	40
LLSM2 Layer0	0	120	40
MagPhase	0.00265243	120	40

float16混合精度保存・予測MOSのnative比変化

同じ評価器・固定原音参照での全長品質値差
predicted MOS・大きいほどこの指標が良い

知覚的改善や原音忠実性の保証ではない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	3	4.1463e-05	[-0.001029, 0.0011865]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	2	0.00321352	[-0.0224699, 0.0296674]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	-0.848836	[-1.02412, -0.677016]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	1	0.00389756	[-0.0143905, 0.0231338]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	4	-0.00137404	[-0.00537002, 0.00194142]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	5	-0.00964517	[-0.036569, 0.0193712]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	4.1463e-05	120	40
HiFi-Glot	0.00321352	120	40
GOLF-ff	-0.848836	120	40
SiFi-GAN	0.00389756	120	40
LLSM2 Layer0	-0.00137404	120	40
MagPhase	-0.00964517	120	40

float16混合精度保存・話者類似度のnative比変化

同じ評価器・固定原音参照での全長品質値差
cosine・大きいほどこの指標が良い

知覚的改善や原音忠実性の保証ではない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	3	-4.00037e-05	[-9.63534e-05, 1.42203e-05]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	5	-0.00012926	[-0.00220122, 0.00192005]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	-0.390418	[-0.475357, -0.30376]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	-4.39972e-05	[-0.000355656, 0.000266284]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	-9.80794e-06	[-0.00010458, 0.000105202]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	2	-2.40202e-05	[-0.000912632, 0.000928539]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	-4.00037e-05	120	40
HiFi-Glot	-0.00012926	120	40
GOLF-ff	-0.390418	120	40
SiFi-GAN	-4.39972e-05	120	40
LLSM2 Layer0	-9.80794e-06	120	40
MagPhase	-2.40202e-05	120	40

float16復元後の音高−3半音追従誤差

同じ量子化点の無編集復号を基準とするnative操作
cent・小さいほどこの指標が良い

MagPhaseは既存epoch対応内のみ。未知端点を挿入しない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	許容成功 119 / 適用外 1 直接値 119・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 105 / 適用外 15 直接値 105・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	許容成功 107 / 失敗 13 直接値 107・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 93録音・37話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	4	41.2652	[33.0341, 49.8748]	—	—	許容成功 119 / 適用外 1 直接値 119・同一性からの値 0	対象
GOLF-ff	5	57.3421	[34.6658, 83.3428]	—	—	許容成功 105 / 適用外 15 直接値 105・同一性からの値 0	対象
SiFi-GAN	3	10.331	[7.19784, 14.4328]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	4.84496	[3.53424, 7.10003]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	2	8.50536	[7.09889, 10.0185]	—	—	許容成功 107 / 失敗 13 直接値 107・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	—	0	0
HiFi-Glot	40.4323	119	40
GOLF-ff	53.2144	105	39
SiFi-GAN	10.2337	120	40
LLSM2 Layer0	4.76316	120	40
MagPhase	8.40361	107	40

float16復元後の音高＋3半音追従誤差

同じ量子化点の無編集復号を基準とするnative操作
cent・小さいほどこの指標が良い

MagPhaseは既存epoch対応内のみ。未知端点を挿入しない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 105 / 適用外 15 直接値 105・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 105録音・39話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	4	33.066	[27.4837, 39.9273]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	51.5555	[30.3359, 76.4744]	—	—	許容成功 105 / 適用外 15 直接値 105・同一性からの値 0	対象
SiFi-GAN	3	10.995	[8.14538, 14.6923]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	3.60832	[2.96745, 4.49347]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	2	9.18597	[7.86917, 10.6889]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	—	0	0
HiFi-Glot	32.7702	120	40
GOLF-ff	51.5555	105	39
SiFi-GAN	10.8221	120	40
LLSM2 Layer0	3.71922	120	40
MagPhase	9.20112	120	40

float16復元後の音量−6dB追従誤差

同じ量子化点の無編集復号を基準とするnative操作
dB・小さいほどこの指標が良い

MagPhaseは既存epoch対応内のみ。未知端点を挿入しない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	5	1.14365	[0.999832, 1.29853]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	2	0.137737	[0.0910826, 0.186594]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	0.543198	[0.458544, 0.645766]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	4	0.722362	[0.101939, 1.69028]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	3.54166e-15	[3.32682e-15, 3.79556e-15]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	—	0	0
HiFi-Glot	1.14365	120	40
GOLF-ff	0.137737	120	40
SiFi-GAN	0.543198	120	40
LLSM2 Layer0	0.722362	120	40
MagPhase	3.54166e-15	120	40

float16復元後の音量＋6dB追従誤差

同じ量子化点の無編集復号を基準とするnative操作
dB・小さいほどこの指標が良い

MagPhaseは既存epoch対応内のみ。未知端点を挿入しない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	5	1.07838	[0.864489, 1.33841]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	3	0.13713	[0.0921829, 0.183633]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	0.502791	[0.427904, 0.588176]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	2	0.0171713	[0.0123459, 0.022579]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	2.3571e-15	[2.25909e-15, 2.45561e-15]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	—	0	0
HiFi-Glot	1.07838	120	40
GOLF-ff	0.13713	120	40
SiFi-GAN	0.502791	120	40
LLSM2 Layer0	0.0171713	120	40
MagPhase	2.3571e-15	120	40

float32混合精度保存・聴覚帯域変化

同方式native無編集に対する共通16kHz同長全区間ERB32帯域MAE
dB・小さいほどこの指標が良い

保存忠実性の機械指標。長さ不一致は適用外、切り詰め・整列なし。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 0・同一性からの値 120	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 0・同一性からの値 120	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 0・同一性からの値 120	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 0・同一性からの値 120	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	0.000678402	[0.000620902, 0.000736591]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	1.3912e-05	[9.19819e-06, 2.10688e-05]	-0.00066449	[-0.00072329, -0.000604588]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	1	0	[0, 0]	-0.000678402	[-0.000736591, -0.000620902]	許容成功 120 直接値 0・同一性からの値 120	対象
HiFi-Glot	1	0	[0, 0]	-0.000678402	[-0.000736591, -0.000620902]	許容成功 120 直接値 0・同一性からの値 120	対象
GOLF-ff	1	0	[0, 0]	-0.000678402	[-0.000736591, -0.000620902]	許容成功 120 直接値 0・同一性からの値 120	対象
SiFi-GAN	5	7.19294e-06	[0, 2.15788e-05]	-0.000671209	[-0.0007248, -0.000617048]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0	[0, 0]	-0.000678402	[-0.000736591, -0.000620902]	許容成功 120 直接値 0・同一性からの値 120	対象
MagPhase	—	—	—	—	—	適用外 120 直接値 0・同一性からの値 0	比較対象外

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.000678402	120	40
WORLD Harvest	1.3912e-05	120	40
FACodec v1	0	120	40
HiFi-Glot	0	120	40
GOLF-ff	0	120	40
SiFi-GAN	7.19294e-06	120	40
LLSM2 Layer0	0	120	40
MagPhase	—	0	0

float32混合精度保存・推定音高絶対変化

同方式native全長属性との差
cent・小さいほどこの指標が良い

絶対音声真値や知覚JNDではない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	0.0064182	[0.00179554, 0.0150503]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	1.26148e-05	[1.0755e-05, 1.43223e-05]	-0.00640559	[-0.0150371, -0.00178208]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	1	0	[0, 0]	-0.0064182	[-0.0150503, -0.00179554]	許容成功 120 直接値 0・同一性からの値 120	対象
HiFi-Glot	1	0	[0, 0]	-0.0064182	[-0.0150503, -0.00179554]	許容成功 120 直接値 0・同一性からの値 120	対象
GOLF-ff	1	0	[0, 0]	-0.0064182	[-0.0150503, -0.00179554]	許容成功 120 直接値 0・同一性からの値 120	対象
SiFi-GAN	1	0	[0, 0]	-0.0064182	[-0.0150503, -0.00179554]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0	[0, 0]	-0.0064182	[-0.0150503, -0.00179554]	許容成功 120 直接値 0・同一性からの値 120	対象
MagPhase	8	6.54251	[4.30514, 9.96924]	6.53609	[4.30022, 9.96336]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.0064182	120	40
WORLD Harvest	1.26148e-05	120	40
FACodec v1	0	120	40
HiFi-Glot	0	120	40
GOLF-ff	0	120	40
SiFi-GAN	0	120	40
LLSM2 Layer0	0	120	40
MagPhase	6.54251	120	40

float32混合精度保存・RMS音量絶対変化

同方式native全長属性との差
dB・小さいほどこの指標が良い

絶対音声真値や知覚JNDではない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	1.24353e-05	[9.83429e-06, 1.53056e-05]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	1.95218e-07	[6.84381e-08, 3.87571e-07]	-1.22401e-05	[-1.51519e-05, -9.60907e-06]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	1	0	[0, 0]	-1.24353e-05	[-1.53056e-05, -9.83429e-06]	許容成功 120 直接値 0・同一性からの値 120	対象
HiFi-Glot	1	0	[0, 0]	-1.24353e-05	[-1.53056e-05, -9.83429e-06]	許容成功 120 直接値 0・同一性からの値 120	対象
GOLF-ff	1	0	[0, 0]	-1.24353e-05	[-1.53056e-05, -9.83429e-06]	許容成功 120 直接値 0・同一性からの値 120	対象
SiFi-GAN	6	8.18048e-07	[0, 2.45414e-06]	-1.16173e-05	[-1.43408e-05, -9.24332e-06]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0	[0, 0]	-1.24353e-05	[-1.53056e-05, -9.83429e-06]	許容成功 120 直接値 0・同一性からの値 120	対象
MagPhase	8	0.00745599	[0.00545546, 0.0101576]	0.00744355	[0.00544142, 0.0101464]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	1.24353e-05	120	40
WORLD Harvest	1.95218e-07	120	40
FACodec v1	0	120	40
HiFi-Glot	0	120	40
GOLF-ff	0	120	40
SiFi-GAN	8.18048e-07	120	40
LLSM2 Layer0	0	120	40
MagPhase	0.00745599	120	40

float32混合精度保存・スペクトル傾斜絶対変化

同方式native全長属性との差
dB/oct・小さいほどこの指標が良い

絶対音声真値や知覚JNDではない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	3.51574e-05	[2.78039e-05, 4.39501e-05]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	1.16834e-06	[5.78249e-07, 2.10563e-06]	-3.39891e-05	[-4.30682e-05, -2.65648e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	1	0	[0, 0]	-3.51574e-05	[-4.39501e-05, -2.78039e-05]	許容成功 120 直接値 0・同一性からの値 120	対象
HiFi-Glot	1	0	[0, 0]	-3.51574e-05	[-4.39501e-05, -2.78039e-05]	許容成功 120 直接値 0・同一性からの値 120	対象
GOLF-ff	1	0	[0, 0]	-3.51574e-05	[-4.39501e-05, -2.78039e-05]	許容成功 120 直接値 0・同一性からの値 120	対象
SiFi-GAN	6	5.71883e-06	[0, 1.71565e-05]	-2.94386e-05	[-4.1996e-05, -1.35344e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0	[0, 0]	-3.51574e-05	[-4.39501e-05, -2.78039e-05]	許容成功 120 直接値 0・同一性からの値 120	対象
MagPhase	8	0.0365696	[0.0306098, 0.0426234]	0.0365345	[0.0305712, 0.0425907]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	3.51574e-05	120	40
WORLD Harvest	1.16834e-06	120	40
FACodec v1	0	120	40
HiFi-Glot	0	120	40
GOLF-ff	0	120	40
SiFi-GAN	5.71883e-06	120	40
LLSM2 Layer0	0	120	40
MagPhase	0.0365696	120	40

float32混合精度保存・全長絶対変化

同方式native全長属性との差
s・小さいほどこの指標が良い

絶対音声真値や知覚JNDではない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 0・同一性からの値 120	対象
HiFi-Glot	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 0・同一性からの値 120	対象
GOLF-ff	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 0・同一性からの値 120	対象
SiFi-GAN	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0	[0, 0]	0	[0, 0]	許容成功 120 直接値 0・同一性からの値 120	対象
MagPhase	8	0.00297882	[0.0026373, 0.00330886]	0.00297882	[0.0026373, 0.00330886]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0	120	40
WORLD Harvest	0	120	40
FACodec v1	0	120	40
HiFi-Glot	0	120	40
GOLF-ff	0	120	40
SiFi-GAN	0	120	40
LLSM2 Layer0	0	120	40
MagPhase	0.00297882	120	40

float32混合精度保存・予測MOSのnative比変化

同じ評価器・固定原音参照での全長品質値差
predicted MOS・大きいほどこの指標が良い

知覚的改善や原音忠実性の保証ではない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	8.6846e-05	[-3.56254e-05, 0.000216918]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	1.507e-05	[-1.71488e-06, 4.281e-05]	-7.17759e-05	[-0.000200459, 5.44813e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0	[0, 0]	-8.6846e-05	[-0.000216918, 3.56254e-05]	許容成功 120 直接値 0・同一性からの値 120	対象
HiFi-Glot	3	0	[0, 0]	-8.6846e-05	[-0.000216918, 3.56254e-05]	許容成功 120 直接値 0・同一性からの値 120	対象
GOLF-ff	3	0	[0, 0]	-8.6846e-05	[-0.000216918, 3.56254e-05]	許容成功 120 直接値 0・同一性からの値 120	対象
SiFi-GAN	7	-3.2266e-06	[-9.67979e-06, 0]	-9.00726e-05	[-0.000219493, 3.14942e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	3	0	[0, 0]	-8.6846e-05	[-0.000216918, 3.56254e-05]	許容成功 120 直接値 0・同一性からの値 120	対象
MagPhase	8	-0.0129903	[-0.0436864, 0.0179165]	-0.0130771	[-0.0437864, 0.0178308]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	8.6846e-05	120	40
WORLD Harvest	1.507e-05	120	40
FACodec v1	0	120	40
HiFi-Glot	0	120	40
GOLF-ff	0	120	40
SiFi-GAN	-3.2266e-06	120	40
LLSM2 Layer0	0	120	40
MagPhase	-0.0129903	120	40

float32混合精度保存・話者類似度のnative比変化

同じ評価器・固定原音参照での全長品質値差
cosine・大きいほどこの指標が良い

知覚的改善や原音忠実性の保証ではない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	2.02904e-06	[1.88239e-07, 3.86772e-06]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	-8.44399e-08	[-1.84774e-07, -3.47694e-09]	-2.11348e-06	[-3.95024e-06, -2.71971e-07]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	2	0	[0, 0]	-2.02904e-06	[-3.86772e-06, -1.88239e-07]	許容成功 120 直接値 0・同一性からの値 120	対象
HiFi-Glot	2	0	[0, 0]	-2.02904e-06	[-3.86772e-06, -1.88239e-07]	許容成功 120 直接値 0・同一性からの値 120	対象
GOLF-ff	2	0	[0, 0]	-2.02904e-06	[-3.86772e-06, -1.88239e-07]	許容成功 120 直接値 0・同一性からの値 120	対象
SiFi-GAN	7	-3.86437e-07	[-1.15931e-06, 0]	-2.41548e-06	[-4.50268e-06, -3.50438e-07]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	2	0	[0, 0]	-2.02904e-06	[-3.86772e-06, -1.88239e-07]	許容成功 120 直接値 0・同一性からの値 120	対象
MagPhase	8	-4.17953e-05	[-0.000869936, 0.000778336]	-4.38243e-05	[-0.000871723, 0.000776396]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.02904e-06	120	40
WORLD Harvest	-8.44399e-08	120	40
FACodec v1	0	120	40
HiFi-Glot	0	120	40
GOLF-ff	0	120	40
SiFi-GAN	-3.86437e-07	120	40
LLSM2 Layer0	0	120	40
MagPhase	-4.17953e-05	120	40

float32復元後の音高−3半音追従誤差

同じ量子化点の無編集復号を基準とするnative操作
cent・小さいほどこの指標が良い

MagPhaseは既存epoch対応内のみ。未知端点を挿入しない。

予定 120録音・40話者 / 方式

共通 106録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	6.00129	[5.01729, 7.24963]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	26.5362	[13.6513, 42.3996]	20.5349	[8.01003, 35.9432]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	41.2947	[33.6624, 49.6281]	35.2935	[27.836, 43.2894]	許容成功 119 / 適用外 1 直接値 119・同一性からの値 0	対象
GOLF-ff	2	4.78033	[4.1432, 5.45877]	-1.22095	[-2.30388, -0.339994]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	10.2105	[7.22961, 13.7979]	4.20923	[1.5773, 7.44956]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	4.74715	[3.52801, 6.75308]	-1.25413	[-2.92592, 0.973436]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	4	8.48759	[7.22946, 9.89851]	2.48631	[1.42617, 3.60971]	許容成功 107 / 失敗 13 直接値 107・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	6.04128	120	40
WORLD Harvest	29.2742	120	40
FACodec v1	—	0	0
HiFi-Glot	40.6286	119	40
GOLF-ff	4.73218	120	40
SiFi-GAN	9.65351	120	40
LLSM2 Layer0	4.76596	120	40
MagPhase	8.47527	107	40

float32復元後の音高＋3半音追従誤差

同じ量子化点の無編集復号を基準とするnative操作
cent・小さいほどこの指標が良い

MagPhaseは既存epoch対応内のみ。未知端点を挿入しない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	6.28621	[4.86006, 7.97763]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	25.011	[13.8986, 38.3304]	18.7248	[8.13319, 31.4445]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	32.9	[27.3428, 38.8164]	26.6138	[21.399, 32.4193]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	2	6.03098	[4.99653, 7.39615]	-0.255231	[-1.52316, 0.87066]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	10.4814	[7.78016, 13.753]	4.19519	[1.61719, 7.54177]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	3.72207	[2.99707, 4.64765]	-2.56414	[-4.11726, -1.27796]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	4	9.33718	[8.03987, 10.7784]	3.05097	[1.49272, 4.57128]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	6.28621	120	40
WORLD Harvest	25.011	120	40
FACodec v1	—	0	0
HiFi-Glot	32.9	120	40
GOLF-ff	6.03098	120	40
SiFi-GAN	10.4814	120	40
LLSM2 Layer0	3.72207	120	40
MagPhase	9.33718	120	40

float32復元後の音量−6dB追従誤差

同じ量子化点の無編集復号を基準とするnative操作
dB・小さいほどこの指標が良い

MagPhaseは既存epoch対応内のみ。未知端点を挿入しない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	4.84622e-16	[4.72423e-16, 4.96343e-16]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	8.54678e-05	[4.3436e-05, 0.000149506]	8.54678e-05	[4.3436e-05, 0.000149506]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	1.14295	[0.998275, 1.29738]	1.14295	[0.998275, 1.29738]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	4	0.000942388	[8.93032e-05, 0.00214277]	0.000942388	[8.93032e-05, 0.00214277]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	0.543167	[0.458081, 0.645584]	0.543167	[0.458081, 0.645584]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	6	0.727455	[0.107124, 1.69594]	0.727455	[0.107124, 1.69594]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	3.55275e-15	[3.32916e-15, 3.81958e-15]	3.06813e-15	[2.8482e-15, 3.33131e-15]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	4.84622e-16	120	40
WORLD Harvest	8.54678e-05	120	40
FACodec v1	—	0	0
HiFi-Glot	1.14295	120	40
GOLF-ff	0.000942388	120	40
SiFi-GAN	0.543167	120	40
LLSM2 Layer0	0.727455	120	40
MagPhase	3.55275e-15	120	40

float32復元後の音量＋6dB追従誤差

同じ量子化点の無編集復号を基準とするnative操作
dB・小さいほどこの指標が良い

MagPhaseは既存epoch対応内のみ。未知端点を挿入しない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	4.98087e-16	[4.87205e-16, 5.10217e-16]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	8.08045e-05	[2.99536e-05, 0.000170525]	8.08045e-05	[2.99536e-05, 0.000170525]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	未対応 120 直接値 0・同一性からの値 0	比較対象外
HiFi-Glot	7	1.07876	[0.864728, 1.33957]	1.07876	[0.864728, 1.33957]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	4	0.00189792	[0.000163313, 0.00448436]	0.00189792	[0.000163313, 0.00448436]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	0.502938	[0.427993, 0.58838]	0.502938	[0.427993, 0.58838]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	0.0294025	[0.0182276, 0.0426906]	0.0294025	[0.0182276, 0.0426906]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	2.3756e-15	[2.28103e-15, 2.47099e-15]	1.87752e-15	[1.7877e-15, 1.96704e-15]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	4.98087e-16	120	40
WORLD Harvest	8.08045e-05	120	40
FACodec v1	—	0	0
HiFi-Glot	1.07876	120	40
GOLF-ff	0.00189792	120	40
SiFi-GAN	0.502938	120	40
LLSM2 Layer0	0.0294025	120	40
MagPhase	2.3756e-15	120	40

品質と表現量

native発話payload量

実測NPZ全bytes×8÷固定元入力秒。構造JSON・ヘッダー込み
bit/s・小さいほどこの指標が良い

容器量のみの順序。固定共有資産は別途必要、自己完結総bitrateや品質の順位ではない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	8	1.10937e+07	[1.09082e+07, 1.12795e+07]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	7	1.03103e+07	[1.01658e+07, 1.04591e+07]	-783445	[-921891, -659478]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	554195	[552902, 555040]	-1.05395e+07	[-1.07251e+07, -1.03545e+07]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	1	19094.7	[18971.4, 19219.6]	-1.10746e+07	[-1.12604e+07, -1.08892e+07]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	4	811975	[810277, 813634]	-1.02818e+07	[-1.04668e+07, -1.00967e+07]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	282790	[282245, 283306]	-1.08109e+07	[-1.09965e+07, -1.06256e+07]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	6	7.18285e+06	[7.11628e+06, 7.25287e+06]	-3.91088e+06	[-4.09463e+06, -3.7249e+06]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	5	1.56212e+06	[1.4759e+06, 1.64322e+06]	-9.53161e+06	[-9.70018e+06, -9.36009e+06]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	1.10937e+07	120	40
WORLD Harvest	1.03103e+07	120	40
FACodec v1	554195	120	40
HiFi-Glot	19094.7	120	40
GOLF-ff	811975	120	40
SiFi-GAN	282790	120	40
LLSM2 Layer0	7.18285e+06	120	40
MagPhase	1.56212e+06	120	40

native表現量点の予測MOS

native全長の非参照MOSまたは固定原音参照ECAPA
predicted MOS・大きいほどこの指標が良い

容量と別軸。合成順位・総合勝者を作らない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	8	2.57676	[2.48842, 2.66658]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	3.04539	[2.94414, 3.1484]	0.468634	[0.383919, 0.547461]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	1	3.98601	[3.92262, 4.05377]	1.40925	[1.3132, 1.51236]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	2	3.37593	[3.27735, 3.46758]	0.799174	[0.70646, 0.888515]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	2.96308	[2.85465, 3.06513]	0.386319	[0.293478, 0.476331]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	3.15325	[3.05819, 3.25231]	0.576488	[0.502487, 0.653987]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	3.08377	[2.98133, 3.17923]	0.507011	[0.422, 0.589322]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	3.26207	[3.17161, 3.35584]	0.685312	[0.591313, 0.784664]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.57676	120	40
WORLD Harvest	3.04539	120	40
FACodec v1	3.98601	120	40
HiFi-Glot	3.37593	120	40
GOLF-ff	2.96308	120	40
SiFi-GAN	3.15325	120	40
LLSM2 Layer0	3.08377	120	40
MagPhase	3.26207	120	40

native表現量点の話者類似度

native全長の非参照MOSまたは固定原音参照ECAPA
cosine・大きいほどこの指標が良い

容量と別軸。合成順位・総合勝者を作らない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	0.906905	[0.900567, 0.912774]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.930619	[0.925081, 0.935704]	0.0237134	[0.0178742, 0.029337]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	6	0.856534	[0.845833, 0.865659]	-0.0503719	[-0.0607052, -0.041436]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	0.46019	[0.432574, 0.484454]	-0.446715	[-0.471928, -0.4247]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	0.825	[0.808857, 0.839004]	-0.0819051	[-0.0973883, -0.0681]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.951343	[0.94668, 0.955358]	0.0444377	[0.0393147, 0.0496906]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.956925	[0.950819, 0.961722]	0.0500191	[0.0431337, 0.0560066]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	0.949884	[0.94624, 0.953278]	0.0429782	[0.0377104, 0.0484989]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.906905	120	40
WORLD Harvest	0.930619	120	40
FACodec v1	0.856534	120	40
HiFi-Glot	0.46019	120	40
GOLF-ff	0.825	120	40
SiFi-GAN	0.951343	120	40
LLSM2 Layer0	0.956925	120	40
MagPhase	0.949884	120	40

quantized_float16発話payload量

実測NPZ全bytes×8÷固定元入力秒。構造JSON・ヘッダー込み
bit/s・小さいほどこの指標が良い

容器量のみの順序。固定共有資産は別途必要、自己完結総bitrateや品質の順位ではない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	3	245692	[245086, 246159]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	1	11401.6	[11230, 11585.1]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	392309	[390450, 394052]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	153833	[153444, 154196]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	6	5.96527e+06	[5.93412e+06, 5.99776e+06]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	4	374411	[353946, 393633]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	245692	120	40
HiFi-Glot	11401.6	120	40
GOLF-ff	392309	120	40
SiFi-GAN	153833	120	40
LLSM2 Layer0	5.96527e+06	120	40
MagPhase	374411	120	40

quantized_float16表現量点の予測MOS

native全長の非参照MOSまたは固定原音参照ECAPA
predicted MOS・大きいほどこの指標が良い

容量と別軸。合成順位・総合勝者を作らない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	1	3.98605	[3.92281, 4.0538]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	2	3.37915	[3.28621, 3.4656]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	2.11424	[1.95003, 2.27768]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	3.15714	[3.06107, 3.25641]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	3.0824	[2.98095, 3.17854]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	3.25243	[3.16401, 3.34419]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	3.98605	120	40
HiFi-Glot	3.37915	120	40
GOLF-ff	2.11424	120	40
SiFi-GAN	3.15714	120	40
LLSM2 Layer0	3.0824	120	40
MagPhase	3.25243	120	40

quantized_float16表現量点の話者類似度

native全長の非参照MOSまたは固定原音参照ECAPA
cosine・大きいほどこの指標が良い

容量と別軸。合成順位・総合勝者を作らない。

予定 120録音・40話者 / 方式

共通 0録音・0話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	対象
FACodec v1	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	—	—	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

終端後に成功方式を固定した補助比較

全予定状態の終端後、許容状態の有限値が1件以上の全方式を固定。共通数で方式を選ばない。共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
WORLD Harvest	—	—	—	—	—	失敗 120 直接値 0・同一性からの値 0	比較対象外
FACodec v1	4	0.856494	[0.845824, 0.865656]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	5	0.460061	[0.432273, 0.484485]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.434583	[0.347244, 0.525165]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.951299	[0.946585, 0.95548]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.956915	[0.950808, 0.961724]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	0.94986	[0.946264, 0.953226]	—	—	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	—	0	0
WORLD Harvest	—	0	0
FACodec v1	0.856494	120	40
HiFi-Glot	0.460061	120	40
GOLF-ff	0.434583	120	40
SiFi-GAN	0.951299	120	40
LLSM2 Layer0	0.956915	120	40
MagPhase	0.94986	120	40

quantized_float32発話payload量

実測NPZ全bytes×8÷固定元入力秒。構造JSON・ヘッダー込み
bit/s・小さいほどこの指標が良い

容器量のみの順序。固定共有資産は別途必要、自己完結総bitrateや品質の順位ではない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	7	5.3527e+06	[5.26603e+06, 5.43965e+06]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	5.01813e+06	[4.94644e+06, 5.09202e+06]	-334562	[-398556, -277373]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	554239	[552946, 555087]	-4.79846e+06	[-4.88542e+06, -4.71198e+06]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	1	19099.7	[18945.4, 19264.9]	-5.3336e+06	[-5.42049e+06, -5.24698e+06]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	812034	[810336, 813692]	-4.54066e+06	[-4.6267e+06, -4.4547e+06]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	282917	[282370, 283430]	-5.06978e+06	[-5.15655e+06, -4.98349e+06]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	8	7.19615e+06	[7.12953e+06, 7.26615e+06]	1.84346e+06	[1.74845e+06, 1.94168e+06]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	4	760739	[718784, 800348]	-4.59196e+06	[-4.67124e+06, -4.51113e+06]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	5.3527e+06	120	40
WORLD Harvest	5.01813e+06	120	40
FACodec v1	554239	120	40
HiFi-Glot	19099.7	120	40
GOLF-ff	812034	120	40
SiFi-GAN	282917	120	40
LLSM2 Layer0	7.19615e+06	120	40
MagPhase	760739	120	40

quantized_float32表現量点の予測MOS

native全長の非参照MOSまたは固定原音参照ECAPA
predicted MOS・大きいほどこの指標が良い

容量と別軸。合成順位・総合勝者を作らない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

予測MOSは今回の音声群の人間評定では校正していない自動予測です。FACodecの予測値が原音より高くても、聴感上の優越を証明しません。

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	8	2.57685	[2.48842, 2.66679]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	3.04541	[2.94416, 3.1484]	0.468563	[0.383892, 0.547334]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	1	3.98601	[3.92262, 4.05377]	1.40916	[1.31312, 1.51227]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	2	3.37593	[3.27735, 3.46758]	0.799087	[0.70639, 0.888375]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	2.96308	[2.85465, 3.06513]	0.386232	[0.293374, 0.476317]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	3.15324	[3.05819, 3.2523]	0.576398	[0.50245, 0.653944]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	3.08377	[2.98133, 3.17923]	0.506924	[0.421865, 0.5891]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	3.24908	[3.16014, 3.34217]	0.672235	[0.588919, 0.760131]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.57685	120	40
WORLD Harvest	3.04541	120	40
FACodec v1	3.98601	120	40
HiFi-Glot	3.37593	120	40
GOLF-ff	2.96308	120	40
SiFi-GAN	3.15324	120	40
LLSM2 Layer0	3.08377	120	40
MagPhase	3.24908	120	40

quantized_float32表現量点の話者類似度

native全長の非参照MOSまたは固定原音参照ECAPA
cosine・大きいほどこの指標が良い

容量と別軸。合成順位・総合勝者を作らない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	0.906908	[0.900568, 0.912775]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.930619	[0.925081, 0.935704]	0.0237113	[0.0178718, 0.0293348]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	6	0.856534	[0.845833, 0.865659]	-0.0503739	[-0.0607067, -0.0414378]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	0.46019	[0.432574, 0.484454]	-0.446717	[-0.47193, -0.424701]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	0.825	[0.808857, 0.839004]	-0.0819071	[-0.0973913, -0.0681015]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.951343	[0.94668, 0.955357]	0.0444353	[0.0393112, 0.0496886]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.956925	[0.950819, 0.961722]	0.0500171	[0.0431332, 0.0560064]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	0.949842	[0.946318, 0.953134]	0.0429344	[0.0375762, 0.0484385]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.906908	120	40
WORLD Harvest	0.930619	120	40
FACodec v1	0.856534	120	40
HiFi-Glot	0.46019	120	40
GOLF-ff	0.825	120	40
SiFi-GAN	0.951343	120	40
LLSM2 Layer0	0.956925	120	40
MagPhase	0.949842	120	40

固定共有資産の宣言ファイル量

固定decoder/model/source/config資産の宣言ファイル合計
bytes・診断・順位なし

OS/runtimeを全て含む自己完結bundle容量ではない。録音へ複写せず話者CIの入力にしない。

方式ごとの定数です。録音へ複写せず、順位・話者区間はありません。

方式	宣言bytes	状態
HNM v3（現base）	25121	measured
WORLD Harvest	145440	measured
FACodec v1	4.14799e+08	measured
HiFi-Glot	8.7959e+07	measured
GOLF-ff	7.421e+07	measured
SiFi-GAN	1.17773e+09	measured
LLSM2 Layer0	913328	measured
MagPhase	3.35383e+06	measured

既存音響診断・速度

20ms ERB帯域距離

全8が同時に成立した固定16kHz共通先頭区間
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	2.10337	[1.9972, 2.21256]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	2.17212	[2.03069, 2.32433]	0.068755	[0.00435589, 0.144117]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	2	2.03422	[1.94057, 2.13413]	-0.0691446	[-0.121548, -0.0148961]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	3.55633	[3.36629, 3.76484]	1.45297	[1.3339, 1.58814]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	2.38941	[2.28296, 2.50875]	0.286043	[0.189615, 0.378775]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	2.57384	[2.43009, 2.73521]	0.470477	[0.400448, 0.556035]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	1.36666	[1.29579, 1.4401]	-0.736711	[-0.782853, -0.69128]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	2.99485	[2.62363, 3.40016]	0.891487	[0.53437, 1.25982]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	2.10337	120	40
WORLD Harvest	2.17212	120	40
FACodec v1	2.03422	120	40
HiFi-Glot	3.55633	120	40
GOLF-ff	2.38941	120	40
SiFi-GAN	2.57384	120	40
LLSM2 Layer0	1.36666	120	40
MagPhase	2.99485	120	40

5ms STFT 対数振幅MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	5.72651	[5.61509, 5.8349]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	6.47895	[6.32433, 6.63156]	0.752442	[0.67209, 0.836563]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	6.34839	[6.27426, 6.41718]	0.621885	[0.534924, 0.713732]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	8.98477	[8.83962, 9.13654]	3.25826	[3.12109, 3.40681]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	7.59395	[7.46628, 7.7262]	1.86744	[1.76948, 1.97211]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	7.32365	[7.17583, 7.47282]	1.59714	[1.53346, 1.66421]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	4.73942	[4.6426, 4.83934]	-0.987091	[-1.03321, -0.935651]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	6	7.409	[6.9973, 7.8352]	1.68249	[1.36111, 2.00498]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	5.72651	120	40
WORLD Harvest	6.47895	120	40
FACodec v1	6.34839	120	40
HiFi-Glot	8.98477	120	40
GOLF-ff	7.59395	120	40
SiFi-GAN	7.32365	120	40
LLSM2 Layer0	4.73942	120	40
MagPhase	7.409	120	40

5ms STFT スペクトル相対誤差

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
ratio・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	0.287161	[0.26419, 0.31183]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	8	0.614314	[0.588121, 0.642934]	0.327153	[0.296234, 0.358066]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	2	0.266067	[0.24868, 0.285156]	-0.0210942	[-0.035087, -0.00667688]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	4	0.483511	[0.46642, 0.501628]	0.196351	[0.180274, 0.212666]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	0.568684	[0.543334, 0.598612]	0.281523	[0.252999, 0.310201]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	0.56914	[0.54123, 0.601261]	0.281979	[0.252952, 0.313179]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.217891	[0.196739, 0.241985]	-0.0692702	[-0.0824023, -0.0541828]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	0.592772	[0.548407, 0.641538]	0.305611	[0.261209, 0.350805]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.287161	120	40
WORLD Harvest	0.614314	120	40
FACodec v1	0.266067	120	40
HiFi-Glot	0.483511	120	40
GOLF-ff	0.568684	120	40
SiFi-GAN	0.56914	120	40
LLSM2 Layer0	0.217891	120	40
MagPhase	0.592772	120	40

20ms STFT 対数振幅MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	5.45912	[5.37387, 5.53099]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	5.30852	[5.22357, 5.39148]	-0.150601	[-0.196089, -0.102372]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	7	6.67176	[6.58039, 6.75768]	1.21263	[1.1305, 1.29339]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	8.8423	[8.69213, 8.99415]	3.38317	[3.25758, 3.51861]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	6.49206	[6.3719, 6.60817]	1.03294	[0.938062, 1.14422]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	6.32262	[6.23747, 6.39723]	0.863491	[0.820638, 0.908575]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	4.41221	[4.33311, 4.48854]	-1.04691	[-1.08892, -1.00175]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	6	6.52353	[6.13841, 6.92846]	1.06441	[0.712916, 1.43412]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	5.45912	120	40
WORLD Harvest	5.30852	120	40
FACodec v1	6.67176	120	40
HiFi-Glot	8.8423	120	40
GOLF-ff	6.49206	120	40
SiFi-GAN	6.32262	120	40
LLSM2 Layer0	4.41221	120	40
MagPhase	6.52353	120	40

20ms STFT スペクトル相対誤差

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
ratio・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	0.277608	[0.256461, 0.299931]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	0.328791	[0.31031, 0.349306]	0.0511835	[0.0361538, 0.0654257]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	2	0.273485	[0.25284, 0.29585]	-0.00412249	[-0.0160871, 0.00753256]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	0.410444	[0.385884, 0.436526]	0.132836	[0.117939, 0.147273]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	4	0.326634	[0.306003, 0.349193]	0.0490269	[0.0315145, 0.0679183]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	0.329431	[0.309134, 0.350321]	0.0518235	[0.0416996, 0.0621603]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.204908	[0.186393, 0.225794]	-0.0726998	[-0.0870646, -0.0566523]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	0.373799	[0.332449, 0.421279]	0.096191	[0.0546799, 0.138655]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.277608	120	40
WORLD Harvest	0.328791	120	40
FACodec v1	0.273485	120	40
HiFi-Glot	0.410444	120	40
GOLF-ff	0.326634	120	40
SiFi-GAN	0.329431	120	40
LLSM2 Layer0	0.204908	120	40
MagPhase	0.373799	120	40

80ms STFT 対数振幅MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	5.75904	[5.65003, 5.85634]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	5.67825	[5.58213, 5.7696]	-0.0807889	[-0.145321, -0.0115786]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	7	6.78614	[6.68959, 6.88437]	1.02709	[0.936204, 1.11401]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	8.62407	[8.46373, 8.78219]	2.86503	[2.75273, 2.99068]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	6.6453	[6.51059, 6.7733]	0.886263	[0.791609, 0.993405]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	6.31326	[6.21007, 6.41039]	0.554222	[0.490328, 0.620029]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	4.85617	[4.75118, 4.96117]	-0.902874	[-0.983135, -0.818784]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	4	6.19873	[5.93828, 6.48232]	0.439693	[0.181328, 0.714134]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	5.75904	120	40
WORLD Harvest	5.67825	120	40
FACodec v1	6.78614	120	40
HiFi-Glot	8.62407	120	40
GOLF-ff	6.6453	120	40
SiFi-GAN	6.31326	120	40
LLSM2 Layer0	4.85617	120	40
MagPhase	6.19873	120	40

80ms STFT スペクトル相対誤差

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
ratio・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.28994	[0.266652, 0.313897]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	0.349288	[0.329399, 0.372543]	0.0593486	[0.0419392, 0.0757332]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.294512	[0.273325, 0.318418]	0.00457235	[-0.00868497, 0.017789]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	0.463058	[0.439585, 0.487969]	0.173118	[0.15846, 0.18801]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	0.34676	[0.321801, 0.373615]	0.0568207	[0.0359904, 0.0813049]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	0.326051	[0.305643, 0.349067]	0.0361119	[0.0261931, 0.0464027]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.233766	[0.209134, 0.262299]	-0.0561733	[-0.0753972, -0.0319012]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	0.357604	[0.318258, 0.402055]	0.0676645	[0.0300492, 0.106316]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.28994	120	40
WORLD Harvest	0.349288	120	40
FACodec v1	0.294512	120	40
HiFi-Glot	0.463058	120	40
GOLF-ff	0.34676	120	40
SiFi-GAN	0.326051	120	40
LLSM2 Layer0	0.233766	120	40
MagPhase	0.357604	120	40

全時間帯域エネルギーMAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	0.229794	[0.208209, 0.253765]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	0.793103	[0.72441, 0.863747]	0.56331	[0.490875, 0.636198]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	5	0.746259	[0.688393, 0.80477]	0.516465	[0.455059, 0.576865]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	1.28938	[1.20097, 1.39071]	1.05959	[0.970005, 1.15785]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	1.19781	[1.09225, 1.31056]	0.968015	[0.862937, 1.08425]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	0.609779	[0.567026, 0.658458]	0.379985	[0.330951, 0.431988]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	3	0.361304	[0.336965, 0.385625]	0.13151	[0.100159, 0.163548]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	2	0.325275	[0.304458, 0.349755]	0.0954811	[0.0608663, 0.129301]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.229794	120	40
WORLD Harvest	0.793103	120	40
FACodec v1	0.746259	120	40
HiFi-Glot	1.28938	120	40
GOLF-ff	1.19781	120	40
SiFi-GAN	0.609779	120	40
LLSM2 Layer0	0.361304	120	40
MagPhase	0.325275	120	40

3窓平均MR-STFT対数振幅MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	5.64823	[5.55616, 5.72768]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	5.82191	[5.732, 5.90594]	0.173684	[0.129638, 0.21906]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	4	6.6021	[6.51856, 6.68062]	0.953871	[0.874992, 1.03175]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	8.81705	[8.67076, 8.96222]	3.16882	[3.04812, 3.29925]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	6.91044	[6.79671, 7.02219]	1.26221	[1.17682, 1.35766]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	6.65317	[6.55957, 6.74327]	1.00495	[0.959142, 1.05042]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	4.66927	[4.58064, 4.75577]	-0.97896	[-1.03132, -0.922026]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	6	6.71042	[6.35313, 7.07253]	1.0622	[0.754056, 1.38236]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	5.64823	120	40
WORLD Harvest	5.82191	120	40
FACodec v1	6.6021	120	40
HiFi-Glot	8.81705	120	40
GOLF-ff	6.91044	120	40
SiFi-GAN	6.65317	120	40
LLSM2 Layer0	4.66927	120	40
MagPhase	6.71042	120	40

符号付きRMS差（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	-0.090581	[-0.10964, -0.0625017]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0.979027	[0.861141, 1.08999]	1.06961	[0.936218, 1.18876]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	-0.592783	[-0.667619, -0.516022]	-0.502202	[-0.591786, -0.419302]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	-0.830925	[-0.906453, -0.758836]	-0.740344	[-0.825103, -0.661415]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	-0.968645	[-1.09472, -0.852649]	-0.878064	[-1.00228, -0.767372]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	-0.187021	[-0.275176, -0.0919366]	-0.0964405	[-0.19695, 0.00242748]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	-0.216429	[-0.24106, -0.192809]	-0.125848	[-0.160941, -0.0974816]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	-0.283551	[-0.318863, -0.246558]	-0.19297	[-0.237532, -0.15049]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.090581	120	40
WORLD Harvest	0.979027	120	40
FACodec v1	-0.592783	120	40
HiFi-Glot	-0.830925	120	40
GOLF-ff	-0.968645	120	40
SiFi-GAN	-0.187021	120	40
LLSM2 Layer0	-0.216429	120	40
MagPhase	-0.283551	120	40

RMS絶対差

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	0.110465	[0.0949162, 0.131773]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	8	1.00492	[0.89961, 1.1044]	0.894455	[0.786543, 0.995492]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	5	0.593229	[0.516892, 0.667784]	0.482764	[0.411083, 0.551345]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	6	0.830925	[0.758836, 0.906453]	0.720459	[0.65506, 0.792784]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	0.968645	[0.852649, 1.09472]	0.85818	[0.735589, 0.986335]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	0.30707	[0.257065, 0.363561]	0.196604	[0.148181, 0.243467]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	2	0.216429	[0.192809, 0.24106]	0.105964	[0.0783818, 0.133403]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	3	0.288678	[0.252683, 0.321672]	0.178213	[0.141006, 0.212952]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.110465	120	40
WORLD Harvest	1.00492	120	40
FACodec v1	0.593229	120	40
HiFi-Glot	0.830925	120	40
GOLF-ff	0.968645	120	40
SiFi-GAN	0.30707	120	40
LLSM2 Layer0	0.216429	120	40
MagPhase	0.288678	120	40

低エネルギー区間の出力エネルギー比（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
fraction・診断・順位なし

予定 120録音・40話者 / 方式

共通 108録音・38話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	0.000125333	[9.54549e-05, 0.000160935]	0	[0, 0]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
WORLD Harvest	—	7.03995e-05	[5.795e-05, 8.43963e-05]	-5.49331e-05	[-8.36239e-05, -3.13464e-05]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
FACodec v1	—	7.48285e-05	[6.1051e-05, 9.12592e-05]	-5.05041e-05	[-8.3137e-05, -2.32803e-05]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
HiFi-Glot	—	6.3115e-05	[5.32092e-05, 7.43018e-05]	-6.22176e-05	[-9.33849e-05, -3.79236e-05]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
GOLF-ff	—	8.69894e-05	[7.09344e-05, 0.00010464]	-3.83432e-05	[-6.81905e-05, -1.24054e-05]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
SiFi-GAN	—	0.000265984	[0.000179191, 0.000364701]	0.000140651	[7.70347e-05, 0.00021869]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
LLSM2 Layer0	—	0.000106292	[8.53253e-05, 0.000130584]	-1.90409e-05	[-3.56251e-05, -5.81262e-06]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
MagPhase	—	0.000421028	[0.000182896, 0.0007714]	0.000295695	[6.03193e-05, 0.0006436]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.000125333	108	38
WORLD Harvest	7.03995e-05	108	38
FACodec v1	7.48285e-05	108	38
HiFi-Glot	6.3115e-05	108	38
GOLF-ff	8.69894e-05	108	38
SiFi-GAN	0.000265984	108	38
LLSM2 Layer0	0.000106292	108	38
MagPhase	0.000421028	108	38

低エネルギー区間の出力RMS（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dBFS・診断・順位なし

予定 120録音・40話者 / 方式

共通 108録音・38話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	-56.7994	[-58.0049, -55.6299]	0	[0, 0]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
WORLD Harvest	—	-58.1212	[-59.1811, -57.0563]	-1.32178	[-1.94387, -0.653354]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
FACodec v1	—	-59.136	[-60.3891, -57.8935]	-2.33656	[-3.059, -1.66579]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
HiFi-Glot	—	-59.8438	[-61.0737, -58.5824]	-3.04434	[-3.68584, -2.45713]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
GOLF-ff	—	-58.6452	[-59.9233, -57.3509]	-1.84577	[-2.65959, -1.13804]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
SiFi-GAN	—	-56.358	[-57.8212, -54.8747]	0.44139	[-0.697188, 1.56454]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
LLSM2 Layer0	—	-57.6286	[-58.8727, -56.3544]	-0.829221	[-1.08024, -0.569266]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
MagPhase	—	-56.2196	[-57.9594, -54.2727]	0.579838	[-0.533309, 1.80338]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-56.7994	108	38
WORLD Harvest	-58.1212	108	38
FACodec v1	-59.136	108	38
HiFi-Glot	-59.8438	108	38
GOLF-ff	-58.6452	108	38
SiFi-GAN	-56.358	108	38
LLSM2 Layer0	-57.6286	108	38
MagPhase	-56.2196	108	38

低エネルギー区間の出力peak（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
amplitude・診断・順位なし

予定 120録音・40話者 / 方式

共通 108録音・38話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	0.0256164	[0.0197645, 0.0325977]	0	[0, 0]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
WORLD Harvest	—	0.0223962	[0.0174725, 0.0281012]	-0.00322028	[-0.00775034, 0.000712969]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
FACodec v1	—	0.0120042	[0.00959763, 0.0147421]	-0.0136122	[-0.0195214, -0.00870676]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
HiFi-Glot	—	0.0125163	[0.00997882, 0.015201]	-0.0131001	[-0.0194093, -0.00807885]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
GOLF-ff	—	0.00873714	[0.00709144, 0.0107735]	-0.0168793	[-0.0229055, -0.0117934]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
SiFi-GAN	—	0.0571303	[0.0428235, 0.0736579]	0.0315139	[0.0217952, 0.0425664]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
LLSM2 Layer0	—	0.0230124	[0.017698, 0.0290693]	-0.00260407	[-0.00483704, -0.000528336]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象
MagPhase	—	0.032171	[0.0223164, 0.0435575]	0.00655459	[-0.00380003, 0.0176907]	許容成功 108 / その他終端 12 直接値 108・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.0256164	108	38
WORLD Harvest	0.0223962	108	38
FACodec v1	0.0120042	108	38
HiFi-Glot	0.0125163	108	38
GOLF-ff	0.00873714	108	38
SiFi-GAN	0.0571303	108	38
LLSM2 Layer0	0.0230124	108	38
MagPhase	0.032171	108	38

共通区間RMS（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dBFS・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	-25.1775	[-25.928, -24.4643]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	-24.1079	[-24.8634, -23.3851]	1.06961	[0.936218, 1.18876]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	-25.6797	[-26.4284, -24.9514]	-0.502202	[-0.591786, -0.419302]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	-25.9179	[-26.6674, -25.1989]	-0.740344	[-0.825103, -0.661415]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	-26.0556	[-26.8386, -25.322]	-0.878064	[-1.00228, -0.767372]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	-25.274	[-26.0354, -24.5433]	-0.0964405	[-0.19695, 0.00242748]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	-25.3034	[-26.049, -24.5835]	-0.125848	[-0.160941, -0.0974816]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	-25.3705	[-26.0938, -24.6687]	-0.19297	[-0.237532, -0.15049]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-25.1775	120	40
WORLD Harvest	-24.1079	120	40
FACodec v1	-25.6797	120	40
HiFi-Glot	-25.9179	120	40
GOLF-ff	-26.0556	120	40
SiFi-GAN	-25.274	120	40
LLSM2 Layer0	-25.3034	120	40
MagPhase	-25.3705	120	40

peak（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
amplitude・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	0.506854	[0.4671, 0.546185]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0.638556	[0.588732, 0.689154]	0.131703	[0.104473, 0.158925]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	0.460148	[0.426655, 0.492274]	-0.0467055	[-0.0702932, -0.0266238]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	0.473385	[0.438804, 0.509365]	-0.0334682	[-0.0567243, -0.0140508]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	0.479271	[0.438, 0.519658]	-0.0275827	[-0.0467757, -0.00837748]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	0.482046	[0.445124, 0.518206]	-0.0248078	[-0.047179, -0.0061307]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0.499072	[0.46202, 0.535144]	-0.00778192	[-0.0258502, 0.00683077]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	0.528927	[0.490119, 0.566472]	0.0220733	[0.00776057, 0.036172]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.506854	120	40
WORLD Harvest	0.638556	120	40
FACodec v1	0.460148	120	40
HiFi-Glot	0.473385	120	40
GOLF-ff	0.479271	120	40
SiFi-GAN	0.482046	120	40
LLSM2 Layer0	0.499072	120	40
MagPhase	0.528927	120	40

波高率（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	18.7831	[18.2626, 19.3035]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	19.7146	[19.1348, 20.3027]	0.931427	[0.613623, 1.26945]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	18.535	[17.8861, 19.1737]	-0.248105	[-0.534098, 0.0516246]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	18.97	[18.3492, 19.563]	0.186892	[-0.122952, 0.503936]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	19.1085	[18.4747, 19.7212]	0.325423	[0.0445962, 0.59158]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	18.5012	[17.859, 19.1314]	-0.281968	[-0.554034, -0.00184192]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	18.8442	[18.2497, 19.4318]	0.0610798	[-0.145895, 0.252142]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	19.3737	[18.7613, 19.9465]	0.590531	[0.420708, 0.769997]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	18.7831	120	40
WORLD Harvest	19.7146	120	40
FACodec v1	18.535	120	40
HiFi-Glot	18.97	120	40
GOLF-ff	19.1085	120	40
SiFi-GAN	18.5012	120	40
LLSM2 Layer0	18.8442	120	40
MagPhase	19.3737	120	40

振幅1以上の比率（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
fraction・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	7.87815e-06	[0, 2.36345e-05]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	1.68255e-05	[1.21731e-06, 3.85606e-05]	8.94739e-06	[-1.52387e-05, 3.40178e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	0	[0, 0]	-7.87815e-06	[-2.36345e-05, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	5.60036e-07	[0, 1.68011e-06]	-7.31812e-06	[-2.36345e-05, 1.68011e-06]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	1.74526e-06	[0, 4.39311e-06]	-6.13289e-06	[-2.32867e-05, 3.76792e-06]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	0	[0, 0]	-7.87815e-06	[-2.36345e-05, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0	[0, 0]	-7.87815e-06	[-2.36345e-05, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	4.21386e-07	[0, 1.0956e-06]	-7.45677e-06	[-2.34701e-05, 9.2705e-07]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	7.87815e-06	120	40
WORLD Harvest	1.68255e-05	120	40
FACodec v1	0	120	40
HiFi-Glot	5.60036e-07	120	40
GOLF-ff	1.74526e-06	120	40
SiFi-GAN	0	120	40
LLSM2 Layer0	0	120	40
MagPhase	4.21386e-07	120	40

振幅0.999以上の比率（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
fraction・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	7.87815e-06	[0, 2.36345e-05]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	1.71395e-05	[1.30426e-06, 3.91806e-05]	9.2613e-06	[-1.52244e-05, 3.47601e-05]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	0	[0, 0]	-7.87815e-06	[-2.36345e-05, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	5.60036e-07	[0, 1.68011e-06]	-7.31812e-06	[-2.36345e-05, 1.68011e-06]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	1.74526e-06	[0, 4.39311e-06]	-6.13289e-06	[-2.32867e-05, 3.76792e-06]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	0	[0, 0]	-7.87815e-06	[-2.36345e-05, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0	[0, 0]	-7.87815e-06	[-2.36345e-05, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	4.21386e-07	[0, 1.0956e-06]	-7.45677e-06	[-2.34701e-05, 9.2705e-07]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	7.87815e-06	120	40
WORLD Harvest	1.71395e-05	120	40
FACodec v1	0	120	40
HiFi-Glot	5.60036e-07	120	40
GOLF-ff	1.74526e-06	120	40
SiFi-GAN	0	120	40
LLSM2 Layer0	0	120	40
MagPhase	4.21386e-07	120	40

振幅1以上の最長連続長（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
samples・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	0.3	[0, 0.9]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0.141667	[0.0416667, 0.266667]	-0.158333	[-0.825, 0.25]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	0	[0, 0]	-0.3	[-0.9, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	0.0166667	[0, 0.05]	-0.283333	[-0.9, 0.05]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	0.0333333	[0, 0.075]	-0.266667	[-0.891667, 0.0666667]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	0	[0, 0]	-0.3	[-0.9, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	0	[0, 0]	-0.3	[-0.9, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	0.0166667	[0, 0.0416667]	-0.283333	[-0.891875, 0.0333333]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.3	120	40
WORLD Harvest	0.141667	120	40
FACodec v1	0	120	40
HiFi-Glot	0.0166667	120	40
GOLF-ff	0.0333333	120	40
SiFi-GAN	0	120	40
LLSM2 Layer0	0	120	40
MagPhase	0.0166667	120	40

推定音高差中央値

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
cent・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	1.55427	[1.46192, 1.64369]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	5.73757	[5.32527, 6.16415]	4.1833	[3.79921, 4.58046]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	2	3.59388	[3.32659, 3.89214]	2.03961	[1.79687, 2.31806]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	9.9526	[9.24719, 10.7005]	8.39833	[7.71979, 9.11388]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	3	5.51915	[4.98258, 6.17438]	3.96488	[3.43696, 4.63312]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	6.24996	[5.94132, 6.61661]	4.69569	[4.41363, 5.03328]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	8	11.108	[1.02285, 31.1945]	9.55377	[-0.53887, 29.654]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	6	6.70784	[5.59549, 7.93705]	5.15357	[4.04144, 6.36779]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	1.55427	120	40
WORLD Harvest	5.73757	120	40
FACodec v1	3.59388	120	40
HiFi-Glot	9.9526	120	40
GOLF-ff	5.51915	120	40
SiFi-GAN	6.24996	120	40
LLSM2 Layer0	11.108	120	40
MagPhase	6.70784	120	40

推定音高差P95

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
cent・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	18.6132	[8.20529, 38.8124]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	8	220.51	[114.874, 349.593]	201.897	[98.0779, 323.189]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	1	15.9932	[14.4093, 17.7561]	-2.61999	[-23.3202, 8.49503]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	103.933	[59.1437, 159.548]	85.3197	[42.7435, 138.789]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	54.2758	[22.2426, 95.7714]	35.6626	[11.6829, 72.4947]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	35.0246	[24.2711, 54.9815]	16.4114	[-13.3466, 45.3799]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	2	16.4689	[6.14198, 36.7466]	-2.14428	[-32.0459, 27.9864]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	5	40.3625	[26.3899, 62.8466]	21.7494	[16.0018, 28.0755]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	18.6132	120	40
WORLD Harvest	220.51	120	40
FACodec v1	15.9932	120	40
HiFi-Glot	103.933	120	40
GOLF-ff	54.2758	120	40
SiFi-GAN	35.0246	120	40
LLSM2 Layer0	16.4689	120	40
MagPhase	40.3625	120	40

推定有声対応率

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
fraction・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.898359	[0.867928, 0.923736]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	0.902065	[0.873598, 0.923378]	0.00370644	[-0.0147609, 0.0227088]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	1	0.929989	[0.916474, 0.942249]	0.0316305	[0.00380724, 0.06166]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	0.815265	[0.781975, 0.846616]	-0.0830937	[-0.12286, -0.0458724]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	0.896196	[0.848319, 0.93228]	-0.00216272	[-0.0488633, 0.0348276]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.903321	[0.872103, 0.928312]	0.00496251	[-0.0210767, 0.0302421]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	6	0.892973	[0.857407, 0.918761]	-0.00538576	[-0.0322398, 0.0230591]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	0.834883	[0.794422, 0.871095]	-0.0634752	[-0.107739, -0.0213739]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.898359	120	40
WORLD Harvest	0.902065	120	40
FACodec v1	0.929989	120	40
HiFi-Glot	0.815265	120	40
GOLF-ff	0.896196	120	40
SiFi-GAN	0.903321	120	40
LLSM2 Layer0	0.892973	120	40
MagPhase	0.834883	120	40

原音推定有声に対する出力有声未検出率

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
fraction・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.101641	[0.0762644, 0.132072]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	0.0979349	[0.0766221, 0.126402]	-0.00370644	[-0.0227088, 0.0147609]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	1	0.0700108	[0.0577514, 0.0835258]	-0.0316305	[-0.06166, -0.00380724]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	0.184735	[0.153384, 0.218025]	0.0830937	[0.0458724, 0.12286]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	0.103804	[0.0677197, 0.151681]	0.00216272	[-0.0348276, 0.0488633]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.0966789	[0.0716883, 0.127897]	-0.00496251	[-0.0302421, 0.0210767]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	6	0.107027	[0.0812394, 0.142593]	0.00538576	[-0.0230591, 0.0322398]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	0.165117	[0.128905, 0.205578]	0.0634752	[0.0213739, 0.107739]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.101641	120	40
WORLD Harvest	0.0979349	120	40
FACodec v1	0.0700108	120	40
HiFi-Glot	0.184735	120	40
GOLF-ff	0.103804	120	40
SiFi-GAN	0.0966789	120	40
LLSM2 Layer0	0.107027	120	40
MagPhase	0.165117	120	40

全帯域 10ms 対数RMS MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.997446	[0.932545, 1.06524]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	2.14378	[1.93731, 2.37547]	1.14633	[0.988457, 1.32582]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	1.37077	[1.28235, 1.46615]	0.373326	[0.300719, 0.448231]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	4	1.81282	[1.71456, 1.92243]	0.815372	[0.761476, 0.872859]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	2.26215	[2.14164, 2.39295]	1.2647	[1.14277, 1.39118]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	8	2.72535	[2.47617, 3.00162]	1.72791	[1.53759, 1.94643]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.938935	[0.869421, 1.01635]	-0.0585104	[-0.0785544, -0.0370304]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	2.64367	[2.2523, 3.05929]	1.64623	[1.29085, 2.01446]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.997446	120	40
WORLD Harvest	2.14378	120	40
FACodec v1	1.37077	120	40
HiFi-Glot	1.81282	120	40
GOLF-ff	2.26215	120	40
SiFi-GAN	2.72535	120	40
LLSM2 Layer0	0.938935	120	40
MagPhase	2.64367	120	40

全帯域 10ms RMS包絡正規化RMSE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
ratio・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.0855052	[0.079415, 0.0925286]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	7	0.200095	[0.189579, 0.210794]	0.11459	[0.103608, 0.125734]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.127367	[0.119294, 0.136543]	0.0418619	[0.034838, 0.0484811]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	4	0.141972	[0.133942, 0.150485]	0.0564668	[0.0506095, 0.0626452]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.179592	[0.168408, 0.193135]	0.0940869	[0.0820494, 0.108438]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	0.170983	[0.163081, 0.180062]	0.085478	[0.0812863, 0.0897221]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.076512	[0.0711574, 0.0826016]	-0.00899326	[-0.0138383, -0.00402474]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.23451	[0.198893, 0.273649]	0.149005	[0.114202, 0.185765]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.0855052	120	40
WORLD Harvest	0.200095	120	40
FACodec v1	0.127367	120	40
HiFi-Glot	0.141972	120	40
GOLF-ff	0.179592	120	40
SiFi-GAN	0.170983	120	40
LLSM2 Layer0	0.076512	120	40
MagPhase	0.23451	120	40

全帯域 10ms 包絡相関

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
correlation・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.992028	[0.990434, 0.99333]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	0.978106	[0.973222, 0.981784]	-0.0139218	[-0.0173154, -0.0112669]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	4	0.986465	[0.983656, 0.988745]	-0.00556263	[-0.00723661, -0.00399497]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	3	0.987095	[0.985233, 0.988721]	-0.00493338	[-0.0060385, -0.00387044]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.975131	[0.969335, 0.979491]	-0.0168966	[-0.0221531, -0.0130142]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	7	0.969339	[0.963835, 0.973448]	-0.022689	[-0.0265995, -0.0197108]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.993868	[0.992597, 0.994906]	0.00184026	[0.000796062, 0.00278996]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.924148	[0.898186, 0.946715]	-0.0678801	[-0.0932224, -0.0457369]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.992028	120	40
WORLD Harvest	0.978106	120	40
FACodec v1	0.986465	120	40
HiFi-Glot	0.987095	120	40
GOLF-ff	0.975131	120	40
SiFi-GAN	0.969339	120	40
LLSM2 Layer0	0.993868	120	40
MagPhase	0.924148	120	40

全帯域 10ms 符号付き包絡RMS差（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	-0.0906102	[-0.109677, -0.0625368]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0.978962	[0.861048, 1.09006]	1.06957	[0.936337, 1.18866]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	-0.592813	[-0.667627, -0.516118]	-0.502202	[-0.59173, -0.419262]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	-0.83086	[-0.90621, -0.758796]	-0.740249	[-0.825152, -0.661247]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	-0.968795	[-1.09478, -0.852554]	-0.878185	[-1.00247, -0.767718]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	-0.18697	[-0.275108, -0.0919436]	-0.0963602	[-0.196845, 0.00248814]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	-0.216462	[-0.241098, -0.192821]	-0.125851	[-0.160918, -0.0974532]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	-0.28401	[-0.319756, -0.246619]	-0.193399	[-0.238205, -0.150456]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.0906102	120	40
WORLD Harvest	0.978962	120	40
FACodec v1	-0.592813	120	40
HiFi-Glot	-0.83086	120	40
GOLF-ff	-0.968795	120	40
SiFi-GAN	-0.18697	120	40
LLSM2 Layer0	-0.216462	120	40
MagPhase	-0.28401	120	40

全帯域 10ms 変調帯域MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.401858	[0.346917, 0.472437]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	8	1.08045	[0.922367, 1.25235]	0.678589	[0.529229, 0.841872]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.626297	[0.521977, 0.761854]	0.224439	[0.146987, 0.324384]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	6	0.857907	[0.780151, 0.941662]	0.456049	[0.379785, 0.539205]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	0.984164	[0.849336, 1.13123]	0.582306	[0.430855, 0.742284]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	0.637512	[0.517125, 0.787867]	0.235653	[0.133553, 0.360789]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	0.67781	[0.618705, 0.742052]	0.275952	[0.177167, 0.367356]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	0.339608	[0.297718, 0.390317]	-0.06225	[-0.139249, 0.0093687]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.401858	120	40
WORLD Harvest	1.08045	120	40
FACodec v1	0.626297	120	40
HiFi-Glot	0.857907	120	40
GOLF-ff	0.984164	120	40
SiFi-GAN	0.637512	120	40
LLSM2 Layer0	0.67781	120	40
MagPhase	0.339608	120	40

全帯域 40ms 対数RMS MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	0.535256	[0.502737, 0.568599]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	1.69358	[1.4952, 1.91311]	1.15833	[0.98439, 1.34929]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	1.13221	[1.05568, 1.21602]	0.596957	[0.528867, 0.667702]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	4	1.50776	[1.40955, 1.61991]	0.972507	[0.896318, 1.05911]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	1.80873	[1.66853, 1.95735]	1.27347	[1.12479, 1.42967]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	8	2.18105	[1.936, 2.45023]	1.6458	[1.43475, 1.88641]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	2	0.578858	[0.541608, 0.617833]	0.0436027	[0.0273096, 0.0601861]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	1.91162	[1.59628, 2.24417]	1.37636	[1.07993, 1.68673]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.535256	120	40
WORLD Harvest	1.69358	120	40
FACodec v1	1.13221	120	40
HiFi-Glot	1.50776	120	40
GOLF-ff	1.80873	120	40
SiFi-GAN	2.18105	120	40
LLSM2 Layer0	0.578858	120	40
MagPhase	1.91162	120	40

全帯域 40ms RMS包絡正規化RMSE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
ratio・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	1	0.0474546	[0.0431959, 0.0525994]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	7	0.162038	[0.148299, 0.175002]	0.114584	[0.100487, 0.127887]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	4	0.115811	[0.10803, 0.124693]	0.0683568	[0.0616756, 0.0750335]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	5	0.117177	[0.109441, 0.125543]	0.0697226	[0.0635012, 0.0763471]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.144882	[0.133028, 0.15819]	0.0974271	[0.0841232, 0.112465]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	0.113148	[0.106248, 0.121506]	0.0656933	[0.0612807, 0.070474]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	2	0.0483241	[0.0446074, 0.0522141]	0.000869515	[-0.00408294, 0.00530182]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.167385	[0.137332, 0.200379]	0.11993	[0.0902205, 0.152595]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.0474546	120	40
WORLD Harvest	0.162038	120	40
FACodec v1	0.115811	120	40
HiFi-Glot	0.117177	120	40
GOLF-ff	0.144882	120	40
SiFi-GAN	0.113148	120	40
LLSM2 Layer0	0.0483241	120	40
MagPhase	0.167385	120	40

全帯域 40ms 包絡相関

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
correlation・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.997313	[0.996349, 0.997957]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.98904	[0.984482, 0.99212]	-0.00827342	[-0.0120642, -0.00559821]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	5	0.988652	[0.985918, 0.990818]	-0.00866121	[-0.0106369, -0.00690537]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	3	0.993747	[0.992649, 0.994664]	-0.00356617	[-0.0042555, -0.00297413]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.98679	[0.982753, 0.99004]	-0.010523	[-0.0146088, -0.00732224]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	7	0.985341	[0.980856, 0.988505]	-0.0119727	[-0.0156805, -0.00930294]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.997815	[0.997423, 0.998174]	0.000502144	[-0.000151088, 0.00139524]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.953184	[0.933352, 0.969627]	-0.044129	[-0.0638073, -0.0276945]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.997313	120	40
WORLD Harvest	0.98904	120	40
FACodec v1	0.988652	120	40
HiFi-Glot	0.993747	120	40
GOLF-ff	0.98679	120	40
SiFi-GAN	0.985341	120	40
LLSM2 Layer0	0.997815	120	40
MagPhase	0.953184	120	40

全帯域 40ms 符号付き包絡RMS差（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	-0.090508	[-0.109652, -0.0623912]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0.979243	[0.861357, 1.0902]	1.06975	[0.936508, 1.18899]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	-0.592469	[-0.666915, -0.516087]	-0.501961	[-0.591205, -0.418423]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	-0.830975	[-0.905966, -0.758693]	-0.740467	[-0.825894, -0.661012]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	-0.968668	[-1.09462, -0.852215]	-0.87816	[-1.00243, -0.767208]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	-0.186623	[-0.274545, -0.0917415]	-0.0961153	[-0.196717, 0.00266839]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	-0.216443	[-0.241139, -0.19264]	-0.125935	[-0.160999, -0.0974618]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	-0.284782	[-0.32065, -0.247448]	-0.194274	[-0.238652, -0.15081]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.090508	120	40
WORLD Harvest	0.979243	120	40
FACodec v1	-0.592469	120	40
HiFi-Glot	-0.830975	120	40
GOLF-ff	-0.968668	120	40
SiFi-GAN	-0.186623	120	40
LLSM2 Layer0	-0.216443	120	40
MagPhase	-0.284782	120	40

全帯域 40ms 変調帯域MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.494212	[0.414494, 0.586724]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	8	1.12541	[0.970882, 1.295]	0.631196	[0.471958, 0.78898]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	4	0.666414	[0.544922, 0.825432]	0.172203	[0.0721792, 0.288171]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	6	0.861596	[0.781688, 0.946878]	0.367385	[0.283348, 0.453005]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	1.00831	[0.865789, 1.16333]	0.514097	[0.351333, 0.681442]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	0.651798	[0.502931, 0.836]	0.157586	[0.0445248, 0.288746]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	0.734799	[0.668302, 0.810007]	0.240587	[0.129224, 0.347132]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	0.368677	[0.321511, 0.422942]	-0.125535	[-0.207153, -0.0482025]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.494212	120	40
WORLD Harvest	1.12541	120	40
FACodec v1	0.666414	120	40
HiFi-Glot	0.861596	120	40
GOLF-ff	1.00831	120	40
SiFi-GAN	0.651798	120	40
LLSM2 Layer0	0.734799	120	40
MagPhase	0.368677	120	40

300–1000Hz 10ms 対数RMS MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	1.55724	[1.47466, 1.64823]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	5	2.08484	[1.93832, 2.28277]	0.527603	[0.437911, 0.652165]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	1.56656	[1.49678, 1.64175]	0.00932443	[-0.0481231, 0.0705435]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	2.63823	[2.50972, 2.77278]	1.081	[0.988994, 1.17776]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	4	2.04778	[1.9487, 2.14901]	0.490547	[0.377932, 0.610935]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	2.26477	[2.17108, 2.35909]	0.707535	[0.638526, 0.775416]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	1.05118	[0.984299, 1.12377]	-0.50606	[-0.553176, -0.46037]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	3.16307	[2.64941, 3.69886]	1.60583	[1.13182, 2.10056]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	1.55724	120	40
WORLD Harvest	2.08484	120	40
FACodec v1	1.56656	120	40
HiFi-Glot	2.63823	120	40
GOLF-ff	2.04778	120	40
SiFi-GAN	2.26477	120	40
LLSM2 Layer0	1.05118	120	40
MagPhase	3.16307	120	40

300–1000Hz 10ms RMS包絡正規化RMSE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
ratio・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.111048	[0.103814, 0.118733]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	7	0.23803	[0.225396, 0.250888]	0.126981	[0.110945, 0.142456]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.128598	[0.123386, 0.134508]	0.0175501	[0.00888984, 0.0260121]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	4	0.180199	[0.170707, 0.191047]	0.0691504	[0.0594527, 0.0784473]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.19897	[0.186432, 0.214563]	0.0879221	[0.0725998, 0.105951]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	0.183483	[0.177658, 0.189938]	0.0724346	[0.0666681, 0.0781016]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.0872156	[0.0804371, 0.0955144]	-0.0238326	[-0.0310901, -0.0160378]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.260916	[0.214849, 0.311997]	0.149868	[0.106473, 0.19645]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.111048	120	40
WORLD Harvest	0.23803	120	40
FACodec v1	0.128598	120	40
HiFi-Glot	0.180199	120	40
GOLF-ff	0.19897	120	40
SiFi-GAN	0.183483	120	40
LLSM2 Layer0	0.0872156	120	40
MagPhase	0.260916	120	40

300–1000Hz 10ms 包絡相関

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
correlation・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.989656	[0.988006, 0.991035]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.981905	[0.979693, 0.983675]	-0.00775044	[-0.00927464, -0.00625032]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.988895	[0.987879, 0.989844]	-0.000761164	[-0.0022249, 0.000752052]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	5	0.975352	[0.970938, 0.978652]	-0.0143034	[-0.0176504, -0.0113484]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.973763	[0.968347, 0.978141]	-0.0158924	[-0.0212758, -0.0115473]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	7	0.973284	[0.971042, 0.97516]	-0.0163718	[-0.0181533, -0.0147128]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.993585	[0.992291, 0.994599]	0.0039288	[0.00235932, 0.00546667]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.922194	[0.893559, 0.947209]	-0.0674617	[-0.0951889, -0.0433729]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.989656	120	40
WORLD Harvest	0.981905	120	40
FACodec v1	0.988895	120	40
HiFi-Glot	0.975352	120	40
GOLF-ff	0.973763	120	40
SiFi-GAN	0.973284	120	40
LLSM2 Layer0	0.993585	120	40
MagPhase	0.922194	120	40

300–1000Hz 10ms 符号付き包絡RMS差（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	-0.157938	[-0.183757, -0.135013]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	1.34899	[1.23046, 1.4609]	1.50693	[1.38881, 1.62036]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	-0.456535	[-0.535894, -0.375688]	-0.298596	[-0.378461, -0.217386]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	-0.391827	[-0.508284, -0.275257]	-0.233889	[-0.345293, -0.116597]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	-0.885694	[-1.05731, -0.725767]	-0.727756	[-0.911101, -0.561898]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	-0.333979	[-0.3929, -0.275924]	-0.17604	[-0.22894, -0.116856]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	-0.196118	[-0.216692, -0.176475]	-0.0381801	[-0.0601552, -0.0167647]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	-0.312831	[-0.343771, -0.28462]	-0.154892	[-0.184738, -0.121422]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.157938	120	40
WORLD Harvest	1.34899	120	40
FACodec v1	-0.456535	120	40
HiFi-Glot	-0.391827	120	40
GOLF-ff	-0.885694	120	40
SiFi-GAN	-0.333979	120	40
LLSM2 Layer0	-0.196118	120	40
MagPhase	-0.312831	120	40

300–1000Hz 10ms 変調帯域MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.597299	[0.543003, 0.658017]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	8	1.35567	[1.20847, 1.51617]	0.758373	[0.602245, 0.918299]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.526643	[0.468552, 0.591071]	-0.0706562	[-0.148856, 0.0156168]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	6	0.790906	[0.699513, 0.888265]	0.193607	[0.0704841, 0.315386]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	1.06118	[0.933627, 1.20266]	0.463878	[0.306259, 0.628898]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.508178	[0.441674, 0.579611]	-0.0891209	[-0.183069, 0.00538676]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	0.706045	[0.638667, 0.77524]	0.108746	[0.0118459, 0.204996]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	0.36785	[0.338825, 0.40126]	-0.229449	[-0.297529, -0.161391]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.597299	120	40
WORLD Harvest	1.35567	120	40
FACodec v1	0.526643	120	40
HiFi-Glot	0.790906	120	40
GOLF-ff	1.06118	120	40
SiFi-GAN	0.508178	120	40
LLSM2 Layer0	0.706045	120	40
MagPhase	0.36785	120	40

300–1000Hz 40ms 対数RMS MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.973608	[0.910757, 1.04733]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	1.66373	[1.52238, 1.85139]	0.690122	[0.59478, 0.818405]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	1.23035	[1.17668, 1.29158]	0.256745	[0.197177, 0.31576]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	2.06971	[1.94989, 2.1991]	1.0961	[0.998357, 1.19953]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	4	1.55769	[1.45522, 1.66448]	0.584082	[0.455613, 0.714966]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	1.64067	[1.56652, 1.71864]	0.667065	[0.596695, 0.741499]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.616734	[0.574973, 0.663411]	-0.356874	[-0.40455, -0.313216]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	2.43372	[1.99525, 2.90246]	1.46011	[1.04487, 1.8936]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.973608	120	40
WORLD Harvest	1.66373	120	40
FACodec v1	1.23035	120	40
HiFi-Glot	2.06971	120	40
GOLF-ff	1.55769	120	40
SiFi-GAN	1.64067	120	40
LLSM2 Layer0	0.616734	120	40
MagPhase	2.43372	120	40

300–1000Hz 40ms RMS包絡正規化RMSE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
ratio・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.064314	[0.0598658, 0.0688818]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	8	0.205166	[0.189658, 0.219951]	0.140852	[0.122784, 0.15733]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.114165	[0.108467, 0.12021]	0.0498512	[0.0424414, 0.057031]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	5	0.148638	[0.139398, 0.158952]	0.0843245	[0.0747494, 0.0938617]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.161687	[0.147953, 0.177238]	0.0973731	[0.082058, 0.11503]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	0.118744	[0.115424, 0.122527]	0.0544295	[0.0506007, 0.0579439]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.0541509	[0.0498543, 0.0594449]	-0.010163	[-0.0147992, -0.00491136]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	0.193052	[0.154259, 0.235781]	0.128738	[0.092314, 0.168893]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.064314	120	40
WORLD Harvest	0.205166	120	40
FACodec v1	0.114165	120	40
HiFi-Glot	0.148638	120	40
GOLF-ff	0.161687	120	40
SiFi-GAN	0.118744	120	40
LLSM2 Layer0	0.0541509	120	40
MagPhase	0.193052	120	40

300–1000Hz 40ms 包絡相関

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
correlation・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.996559	[0.996076, 0.997018]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.990651	[0.989359, 0.991745]	-0.00590882	[-0.00720548, -0.00476424]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.991191	[0.990262, 0.992078]	-0.00536815	[-0.00632589, -0.00442347]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	0.982757	[0.979086, 0.985685]	-0.0138026	[-0.0172761, -0.0108628]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.984235	[0.980034, 0.987811]	-0.0123244	[-0.016598, -0.00865438]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	0.988978	[0.988174, 0.989663]	-0.00758148	[-0.00823102, -0.00696199]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.997584	[0.997052, 0.997996]	0.00102417	[0.000418074, 0.00158158]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.950093	[0.928352, 0.96819]	-0.0464664	[-0.0679687, -0.028717]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.996559	120	40
WORLD Harvest	0.990651	120	40
FACodec v1	0.991191	120	40
HiFi-Glot	0.982757	120	40
GOLF-ff	0.984235	120	40
SiFi-GAN	0.988978	120	40
LLSM2 Layer0	0.997584	120	40
MagPhase	0.950093	120	40

300–1000Hz 40ms 符号付き包絡RMS差（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	-0.157958	[-0.183861, -0.13494]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	1.34927	[1.2307, 1.46119]	1.50723	[1.38886, 1.62094]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	-0.455902	[-0.535479, -0.375032]	-0.297943	[-0.37774, -0.216773]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	-0.391913	[-0.508307, -0.275254]	-0.233955	[-0.345348, -0.116255]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	-0.885165	[-1.05586, -0.724558]	-0.727207	[-0.909888, -0.56047]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	-0.333266	[-0.3916, -0.275325]	-0.175308	[-0.228254, -0.116422]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	-0.196184	[-0.216714, -0.176513]	-0.038226	[-0.0601717, -0.01684]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	-0.313945	[-0.345509, -0.28539]	-0.155986	[-0.185933, -0.122118]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.157958	120	40
WORLD Harvest	1.34927	120	40
FACodec v1	-0.455902	120	40
HiFi-Glot	-0.391913	120	40
GOLF-ff	-0.885165	120	40
SiFi-GAN	-0.333266	120	40
LLSM2 Layer0	-0.196184	120	40
MagPhase	-0.313945	120	40

300–1000Hz 40ms 変調帯域MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.628763	[0.570756, 0.691628]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	8	1.33922	[1.21185, 1.48224]	0.710455	[0.570716, 0.855679]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.529084	[0.469159, 0.598214]	-0.0996783	[-0.173365, -0.0258219]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	6	0.811567	[0.714498, 0.906898]	0.182804	[0.047679, 0.310213]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	1.05844	[0.938207, 1.18701]	0.429675	[0.281798, 0.586597]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.515578	[0.444285, 0.59041]	-0.113185	[-0.2073, -0.0154017]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	0.792348	[0.720967, 0.863419]	0.163585	[0.0724964, 0.258682]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	0.373729	[0.341363, 0.406534]	-0.255034	[-0.321344, -0.189139]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.628763	120	40
WORLD Harvest	1.33922	120	40
FACodec v1	0.529084	120	40
HiFi-Glot	0.811567	120	40
GOLF-ff	1.05844	120	40
SiFi-GAN	0.515578	120	40
LLSM2 Layer0	0.792348	120	40
MagPhase	0.373729	120	40

1000–3000Hz 10ms 対数RMS MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	1.60581	[1.52674, 1.68624]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	1.54835	[1.48946, 1.60391]	-0.0574631	[-0.101829, -0.0158454]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	4	1.68235	[1.6212, 1.74038]	0.07654	[-0.0051766, 0.161484]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	3.19596	[3.06658, 3.32154]	1.59015	[1.47615, 1.70615]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	2.08878	[1.9907, 2.19495]	0.48297	[0.362227, 0.603251]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	2.1259	[2.04252, 2.20918]	0.520094	[0.469608, 0.572483]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	1.10084	[1.03955, 1.1623]	-0.504973	[-0.540845, -0.471212]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	2.97238	[2.46648, 3.48706]	1.36657	[0.922755, 1.8199]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	1.60581	120	40
WORLD Harvest	1.54835	120	40
FACodec v1	1.68235	120	40
HiFi-Glot	3.19596	120	40
GOLF-ff	2.08878	120	40
SiFi-GAN	2.1259	120	40
LLSM2 Layer0	1.10084	120	40
MagPhase	2.97238	120	40

1000–3000Hz 10ms RMS包絡正規化RMSE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
ratio・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.156171	[0.145622, 0.166978]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.188012	[0.180595, 0.195263]	0.0318416	[0.0213563, 0.0419515]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.181982	[0.173347, 0.191432]	0.025811	[0.0146815, 0.0374361]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	0.279006	[0.267407, 0.290499]	0.122835	[0.110505, 0.134817]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.230495	[0.219141, 0.243863]	0.074324	[0.0634292, 0.0872465]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	0.212814	[0.203279, 0.223381]	0.0566431	[0.0497596, 0.0635821]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.11246	[0.103959, 0.121729]	-0.0437105	[-0.0495427, -0.0377974]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.291388	[0.246122, 0.342682]	0.135218	[0.0944009, 0.176612]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.156171	120	40
WORLD Harvest	0.188012	120	40
FACodec v1	0.181982	120	40
HiFi-Glot	0.279006	120	40
GOLF-ff	0.230495	120	40
SiFi-GAN	0.212814	120	40
LLSM2 Layer0	0.11246	120	40
MagPhase	0.291388	120	40

1000–3000Hz 10ms 包絡相関

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
correlation・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.980587	[0.977411, 0.983283]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	0.982477	[0.980028, 0.984586]	0.00189039	[0.000172318, 0.00368446]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.981307	[0.979417, 0.98304]	0.000720206	[-0.00138526, 0.00301662]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	0.950433	[0.94575, 0.954749]	-0.0301538	[-0.0345003, -0.0263777]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	0.971131	[0.967309, 0.974274]	-0.00945581	[-0.0127828, -0.00670795]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	0.964619	[0.960278, 0.968421]	-0.0159677	[-0.0184066, -0.0137974]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.990905	[0.989199, 0.992219]	0.0103179	[0.00854825, 0.0121867]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.910779	[0.882119, 0.936652]	-0.0698079	[-0.0959797, -0.0462805]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.980587	120	40
WORLD Harvest	0.982477	120	40
FACodec v1	0.981307	120	40
HiFi-Glot	0.950433	120	40
GOLF-ff	0.971131	120	40
SiFi-GAN	0.964619	120	40
LLSM2 Layer0	0.990905	120	40
MagPhase	0.910779	120	40

1000–3000Hz 10ms 符号付き包絡RMS差（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	-0.218848	[-0.262685, -0.171853]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0.807173	[0.73039, 0.886723]	1.02602	[0.933289, 1.1162]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	-0.915321	[-1.03956, -0.805473]	-0.696474	[-0.854406, -0.563078]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	-1.17577	[-1.36419, -0.985317]	-0.956917	[-1.12716, -0.785703]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	-1.35247	[-1.4887, -1.22949]	-1.13362	[-1.25986, -1.01731]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	-0.317543	[-0.378466, -0.261442]	-0.0986952	[-0.165901, -0.0354917]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	-0.398729	[-0.448234, -0.353643]	-0.179881	[-0.229907, -0.130269]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	-0.0244176	[-0.0650419, 0.0150686]	0.19443	[0.146086, 0.238032]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.218848	120	40
WORLD Harvest	0.807173	120	40
FACodec v1	-0.915321	120	40
HiFi-Glot	-1.17577	120	40
GOLF-ff	-1.35247	120	40
SiFi-GAN	-0.317543	120	40
LLSM2 Layer0	-0.398729	120	40
MagPhase	-0.0244176	120	40

1000–3000Hz 10ms 変調帯域MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	0.732027	[0.668167, 0.803297]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	0.91379	[0.816882, 1.01098]	0.181763	[0.0624126, 0.311112]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	5	0.785738	[0.711135, 0.866828]	0.0537111	[-0.0269808, 0.133843]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	1.21417	[1.08154, 1.36875]	0.482142	[0.353871, 0.61544]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	8	1.44058	[1.26779, 1.64263]	0.70855	[0.537362, 0.906092]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.509406	[0.430272, 0.601631]	-0.22262	[-0.306873, -0.13882]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	4	0.777288	[0.684029, 0.879309]	0.0452615	[-0.0473413, 0.136252]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	0.29184	[0.248847, 0.341235]	-0.440187	[-0.516457, -0.364031]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.732027	120	40
WORLD Harvest	0.91379	120	40
FACodec v1	0.785738	120	40
HiFi-Glot	1.21417	120	40
GOLF-ff	1.44058	120	40
SiFi-GAN	0.509406	120	40
LLSM2 Layer0	0.777288	120	40
MagPhase	0.29184	120	40

1000–3000Hz 40ms 対数RMS MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	1.01114	[0.95272, 1.0729]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	1.02516	[0.98911, 1.06165]	0.014025	[-0.0453092, 0.0700193]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	5	1.36531	[1.31357, 1.42015]	0.354172	[0.277084, 0.433567]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	2.73008	[2.61128, 2.85285]	1.71894	[1.60069, 1.83903]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	1.69515	[1.58062, 1.82231]	0.684011	[0.542004, 0.826582]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	1.36523	[1.3134, 1.42096]	0.354092	[0.298709, 0.411459]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.717046	[0.676631, 0.760229]	-0.294092	[-0.339341, -0.254232]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	2.1405	[1.7215, 2.5649]	1.12937	[0.757508, 1.51148]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	1.01114	120	40
WORLD Harvest	1.02516	120	40
FACodec v1	1.36531	120	40
HiFi-Glot	2.73008	120	40
GOLF-ff	1.69515	120	40
SiFi-GAN	1.36523	120	40
LLSM2 Layer0	0.717046	120	40
MagPhase	2.1405	120	40

1000–3000Hz 40ms RMS包絡正規化RMSE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
ratio・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.0931285	[0.0860418, 0.100384]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.13196	[0.123646, 0.140562]	0.0388319	[0.0266315, 0.0507303]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	5	0.15842	[0.150128, 0.168172]	0.0652918	[0.0549616, 0.0766859]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	0.240429	[0.228485, 0.25215]	0.147301	[0.135169, 0.159618]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.1858	[0.174174, 0.199683]	0.0926716	[0.081547, 0.106355]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	0.123796	[0.11884, 0.129011]	0.0306675	[0.0246084, 0.0370526]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.0729564	[0.0671256, 0.0796308]	-0.0201721	[-0.0248364, -0.0154783]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	0.200104	[0.162745, 0.241606]	0.106976	[0.0724531, 0.143]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.0931285	120	40
WORLD Harvest	0.13196	120	40
FACodec v1	0.15842	120	40
HiFi-Glot	0.240429	120	40
GOLF-ff	0.1858	120	40
SiFi-GAN	0.123796	120	40
LLSM2 Layer0	0.0729564	120	40
MagPhase	0.200104	120	40

1000–3000Hz 40ms 包絡相関

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
correlation・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	0.993021	[0.991774, 0.994174]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	0.994464	[0.993714, 0.995141]	0.00144205	[0.000433671, 0.00248082]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	5	0.987129	[0.985864, 0.988349]	-0.00589248	[-0.00708039, -0.00460834]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	0.965073	[0.961165, 0.968513]	-0.0279485	[-0.0318416, -0.0246746]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.986777	[0.984083, 0.988866]	-0.00624428	[-0.00914336, -0.00408018]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	0.988377	[0.987365, 0.989279]	-0.00464403	[-0.00549208, -0.00378121]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.997009	[0.996519, 0.997424]	0.00398776	[0.00311443, 0.00493137]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.948753	[0.928653, 0.96622]	-0.0442689	[-0.0636209, -0.027368]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.993021	120	40
WORLD Harvest	0.994464	120	40
FACodec v1	0.987129	120	40
HiFi-Glot	0.965073	120	40
GOLF-ff	0.986777	120	40
SiFi-GAN	0.988377	120	40
LLSM2 Layer0	0.997009	120	40
MagPhase	0.948753	120	40

1000–3000Hz 40ms 符号付き包絡RMS差（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	-0.219136	[-0.263287, -0.172039]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0.807521	[0.730657, 0.886967]	1.02666	[0.933898, 1.11705]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	-0.914492	[-1.03958, -0.804483]	-0.695356	[-0.852874, -0.562155]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	-1.17352	[-1.36213, -0.984095]	-0.954389	[-1.12497, -0.783756]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	-1.35222	[-1.48756, -1.22961]	-1.13308	[-1.25959, -1.01695]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	-0.316306	[-0.377722, -0.260272]	-0.0971708	[-0.163749, -0.0341896]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	-0.399243	[-0.449103, -0.35399]	-0.180107	[-0.230784, -0.130008]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	-0.025201	[-0.0661851, 0.0140574]	0.193935	[0.145219, 0.237636]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.219136	120	40
WORLD Harvest	0.807521	120	40
FACodec v1	-0.914492	120	40
HiFi-Glot	-1.17352	120	40
GOLF-ff	-1.35222	120	40
SiFi-GAN	-0.316306	120	40
LLSM2 Layer0	-0.399243	120	40
MagPhase	-0.025201	120	40

1000–3000Hz 40ms 変調帯域MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.783804	[0.703476, 0.873744]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	0.954897	[0.868516, 1.0422]	0.171093	[0.061263, 0.287255]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	3	0.783602	[0.701209, 0.876411]	-0.000202428	[-0.101509, 0.100162]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	1.21131	[1.07792, 1.3647]	0.427503	[0.295108, 0.56527]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	8	1.44098	[1.25421, 1.65407]	0.657173	[0.478665, 0.868318]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	2	0.536859	[0.450462, 0.631693]	-0.246945	[-0.327124, -0.159181]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	5	0.860536	[0.760778, 0.968694]	0.0767323	[-0.0236735, 0.178498]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	0.336549	[0.286814, 0.394337]	-0.447255	[-0.540685, -0.355094]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.783804	120	40
WORLD Harvest	0.954897	120	40
FACodec v1	0.783602	120	40
HiFi-Glot	1.21131	120	40
GOLF-ff	1.44098	120	40
SiFi-GAN	0.536859	120	40
LLSM2 Layer0	0.860536	120	40
MagPhase	0.336549	120	40

3000–6000Hz 10ms 対数RMS MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	1.74588	[1.65171, 1.83677]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	1.65595	[1.58348, 1.72872]	-0.0899361	[-0.143138, -0.0387395]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	4	1.90683	[1.85738, 1.95323]	0.160947	[0.0728423, 0.246682]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	3.84692	[3.66713, 4.03512]	2.10103	[1.90307, 2.30355]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	2.76453	[2.62334, 2.93986]	1.01864	[0.831298, 1.23817]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	5	2.14096	[2.06292, 2.21268]	0.395072	[0.320385, 0.468972]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	1.18825	[1.12574, 1.25312]	-0.55763	[-0.609164, -0.510358]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	7	3.08372	[2.60194, 3.58689]	1.33784	[0.931562, 1.7752]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	1.74588	120	40
WORLD Harvest	1.65595	120	40
FACodec v1	1.90683	120	40
HiFi-Glot	3.84692	120	40
GOLF-ff	2.76453	120	40
SiFi-GAN	2.14096	120	40
LLSM2 Layer0	1.18825	120	40
MagPhase	3.08372	120	40

3000–6000Hz 10ms RMS包絡正規化RMSE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
ratio・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.209176	[0.194314, 0.226721]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	0.233199	[0.224068, 0.243288]	0.0240227	[0.00535793, 0.0413794]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	4	0.238302	[0.231357, 0.245971]	0.029126	[0.0109611, 0.0455857]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	0.294114	[0.282306, 0.306944]	0.0849375	[0.0643665, 0.104428]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	0.255662	[0.242767, 0.270319]	0.0464853	[0.0257449, 0.0665774]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	0.262987	[0.25492, 0.27142]	0.0538112	[0.034556, 0.0715198]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.133787	[0.128272, 0.13956]	-0.0753894	[-0.0934016, -0.0592258]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.385468	[0.333916, 0.440331]	0.176292	[0.124807, 0.228626]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.209176	120	40
WORLD Harvest	0.233199	120	40
FACodec v1	0.238302	120	40
HiFi-Glot	0.294114	120	40
GOLF-ff	0.255662	120	40
SiFi-GAN	0.262987	120	40
LLSM2 Layer0	0.133787	120	40
MagPhase	0.385468	120	40

3000–6000Hz 10ms 包絡相関

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
correlation・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.966668	[0.95974, 0.972231]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.965375	[0.962429, 0.96801]	-0.00129337	[-0.0075911, 0.00603199]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	5	0.964827	[0.961501, 0.967609]	-0.00184055	[-0.00760708, 0.00435544]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	0.949103	[0.942451, 0.95538]	-0.0175646	[-0.0253925, -0.00968973]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	3	0.965537	[0.962408, 0.968516]	-0.00113137	[-0.00696199, 0.00587064]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	0.952217	[0.948453, 0.955666]	-0.0144505	[-0.0209084, -0.00751674]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.988486	[0.98762, 0.98936]	0.0218186	[0.016192, 0.028725]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.877774	[0.844686, 0.906908]	-0.0888939	[-0.121246, -0.0590751]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.966668	120	40
WORLD Harvest	0.965375	120	40
FACodec v1	0.964827	120	40
HiFi-Glot	0.949103	120	40
GOLF-ff	0.965537	120	40
SiFi-GAN	0.952217	120	40
LLSM2 Layer0	0.988486	120	40
MagPhase	0.877774	120	40

3000–6000Hz 10ms 符号付き包絡RMS差（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	-0.0197784	[-0.084668, 0.0526713]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0.431081	[0.365472, 0.49507]	0.45086	[0.373988, 0.520153]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	-0.880183	[-1.02146, -0.741659]	-0.860405	[-0.995186, -0.724126]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	-1.40671	[-1.56519, -1.25135]	-1.38694	[-1.53987, -1.23799]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	-1.15325	[-1.40183, -0.933193]	-1.13348	[-1.38537, -0.912603]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	-0.817701	[-0.925672, -0.726249]	-0.797923	[-0.899456, -0.703173]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	-0.451287	[-0.496076, -0.408364]	-0.431508	[-0.512632, -0.360711]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	0.338452	[0.269254, 0.411551]	0.35823	[0.273121, 0.44235]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.0197784	120	40
WORLD Harvest	0.431081	120	40
FACodec v1	-0.880183	120	40
HiFi-Glot	-1.40671	120	40
GOLF-ff	-1.15325	120	40
SiFi-GAN	-0.817701	120	40
LLSM2 Layer0	-0.451287	120	40
MagPhase	0.338452	120	40

3000–6000Hz 10ms 変調帯域MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.916648	[0.797349, 1.05624]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	0.883313	[0.779901, 0.9988]	-0.0333357	[-0.217368, 0.146241]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	5	1.02973	[0.929834, 1.1408]	0.113081	[-0.0704949, 0.282187]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	1.62873	[1.47897, 1.7803]	0.712078	[0.511401, 0.906592]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	1.2875	[1.10477, 1.50444]	0.370855	[0.148185, 0.623419]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	1.18336	[1.02125, 1.38475]	0.266713	[0.0342018, 0.510427]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	3	0.913132	[0.819559, 1.01992]	-0.00351648	[-0.169474, 0.156939]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	0.857676	[0.765675, 0.950993]	-0.0589727	[-0.24143, 0.104389]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.916648	120	40
WORLD Harvest	0.883313	120	40
FACodec v1	1.02973	120	40
HiFi-Glot	1.62873	120	40
GOLF-ff	1.2875	120	40
SiFi-GAN	1.18336	120	40
LLSM2 Layer0	0.913132	120	40
MagPhase	0.857676	120	40

3000–6000Hz 40ms 対数RMS MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	1.20162	[1.11205, 1.2928]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	1.04056	[0.997292, 1.0827]	-0.161061	[-0.238825, -0.0893725]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	5	1.57139	[1.52429, 1.61957]	0.369772	[0.272875, 0.462994]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	3.48765	[3.31282, 3.67168]	2.28603	[2.09086, 2.49065]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	2.50618	[2.34934, 2.7006]	1.30457	[1.09604, 1.54377]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	1.38454	[1.33591, 1.43398]	0.182922	[0.0845596, 0.276748]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.829248	[0.778684, 0.880261]	-0.37237	[-0.438698, -0.312332]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	6	2.27733	[1.88294, 2.68805]	1.07571	[0.742081, 1.43515]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	1.20162	120	40
WORLD Harvest	1.04056	120	40
FACodec v1	1.57139	120	40
HiFi-Glot	3.48765	120	40
GOLF-ff	2.50618	120	40
SiFi-GAN	1.38454	120	40
LLSM2 Layer0	0.829248	120	40
MagPhase	2.27733	120	40

3000–6000Hz 40ms RMS包絡正規化RMSE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
ratio・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	2	0.137516	[0.122603, 0.154803]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	0.14297	[0.135663, 0.150743]	0.00545365	[-0.0124522, 0.0217335]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	5	0.19761	[0.189591, 0.206016]	0.0600943	[0.0405494, 0.0778491]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	0.253256	[0.240798, 0.266818]	0.11574	[0.0938105, 0.136098]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	6	0.205166	[0.189571, 0.222974]	0.0676498	[0.0446578, 0.0906227]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	4	0.16979	[0.162731, 0.177883]	0.0322739	[0.0125202, 0.0505346]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.0840832	[0.0797283, 0.0888458]	-0.0534329	[-0.0710266, -0.0374486]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.267686	[0.226012, 0.313733]	0.13017	[0.0868863, 0.175539]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.137516	120	40
WORLD Harvest	0.14297	120	40
FACodec v1	0.19761	120	40
HiFi-Glot	0.253256	120	40
GOLF-ff	0.205166	120	40
SiFi-GAN	0.16979	120	40
LLSM2 Layer0	0.0840832	120	40
MagPhase	0.267686	120	40

3000–6000Hz 40ms 包絡相関

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
correlation・大きいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.982852	[0.977254, 0.987469]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	0.987684	[0.986322, 0.988882]	0.0048326	[6.8125e-05, 0.0104968]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	6	0.97659	[0.973714, 0.979155]	-0.00626162	[-0.0114304, -0.000613431]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	7	0.96464	[0.958586, 0.970402]	-0.0182116	[-0.0256629, -0.0110455]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	5	0.981508	[0.978832, 0.983963]	-0.00134395	[-0.00641976, 0.00465067]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	3	0.982958	[0.981751, 0.98408]	0.000106313	[-0.00461156, 0.00560632]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.996421	[0.996122, 0.996727]	0.0135695	[0.00899321, 0.0191877]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.931495	[0.908468, 0.951967]	-0.0513567	[-0.07457, -0.0304368]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.982852	120	40
WORLD Harvest	0.987684	120	40
FACodec v1	0.97659	120	40
HiFi-Glot	0.96464	120	40
GOLF-ff	0.981508	120	40
SiFi-GAN	0.982958	120	40
LLSM2 Layer0	0.996421	120	40
MagPhase	0.931495	120	40

3000–6000Hz 40ms 符号付き包絡RMS差（診断）

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・診断・順位なし

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	—	-0.0199016	[-0.0849345, 0.0526675]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	—	0.430977	[0.365475, 0.494889]	0.450878	[0.373866, 0.520094]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	—	-0.879949	[-1.02189, -0.740627]	-0.860047	[-0.995111, -0.724128]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	—	-1.40608	[-1.56486, -1.25077]	-1.38618	[-1.5397, -1.23735]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	—	-1.1535	[-1.40221, -0.933621]	-1.1336	[-1.3854, -0.913019]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	—	-0.817146	[-0.925121, -0.72507]	-0.797244	[-0.898057, -0.702904]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	—	-0.451388	[-0.49616, -0.408361]	-0.431487	[-0.512632, -0.360573]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	—	0.3368	[0.267114, 0.409722]	0.356701	[0.272103, 0.441052]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	-0.0199016	120	40
WORLD Harvest	0.430977	120	40
FACodec v1	-0.879949	120	40
HiFi-Glot	-1.40608	120	40
GOLF-ff	-1.1535	120	40
SiFi-GAN	-0.817146	120	40
LLSM2 Layer0	-0.451388	120	40
MagPhase	0.3368	120	40

3000–6000Hz 40ms 変調帯域MAE

全8の固定16kHz共通先頭区間。自然F0絶対真値・知覚総合品質ではない。
dB・小さいほどこの指標が良い

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	5	1.07382	[0.932748, 1.24351]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	2	0.93798	[0.831714, 1.05156]	-0.135838	[-0.34439, 0.0607449]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	4	1.0622	[0.954498, 1.18238]	-0.0116149	[-0.230806, 0.192222]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	1.66523	[1.50941, 1.82393]	0.591414	[0.371525, 0.803745]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	7	1.29422	[1.10218, 1.52347]	0.220404	[-0.0351634, 0.49592]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	1.23795	[1.07812, 1.43752]	0.164135	[-0.0888512, 0.417878]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	3	1.03419	[0.928213, 1.15521]	-0.0396245	[-0.221812, 0.140327]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	1	0.89179	[0.794425, 0.991037]	-0.182027	[-0.397079, 0.00764717]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	1.07382	120	40
WORLD Harvest	0.93798	120	40
FACodec v1	1.0622	120	40
HiFi-Glot	1.66523	120	40
GOLF-ff	1.29422	120	40
SiFi-GAN	1.23795	120	40
LLSM2 Layer0	1.03419	120	40
MagPhase	0.89179	120	40

解析速度（全120録音・保存I/O混在の参考値）

全8とも各ライブラリのスレッド設定2・worker1の独立native工程。単回正式入力、初回を除外しない。解析/未編集復号の秒数を固定原入力秒で割る。初期化・前処理・保存読込を別記。
RTF・小さいほどこの指標が良い

全120録音40話者は保存I/O条件が混在した単回の参考値。batch000–004には時刻重複候補と開始不明の保存工程がある。工程全体の交差から個別の解析/復号への干渉時間や大きさは特定できず、元の測定値を保持し、差し引き・補正しない。95%区間は録音・話者構成の記述。反復計時の安定性、保存I/O干渉の補正、他機械・他環境での速さを表さない。

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.136422	[0.132948, 0.139841]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	6	0.204503	[0.197741, 0.21127]	0.068081	[0.0617948, 0.0742115]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	5	0.172558	[0.167298, 0.178104]	0.0361366	[0.0300282, 0.042004]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	1	0.0171525	[0.0167043, 0.0176561]	-0.119269	[-0.122738, -0.115823]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	3	0.0633634	[0.0612531, 0.0653678]	-0.0730582	[-0.0773506, -0.0694364]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	7	0.313378	[0.304671, 0.321275]	0.176956	[0.168594, 0.185095]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	2	0.0530716	[0.0495834, 0.0565714]	-0.0833499	[-0.086478, -0.080233]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	8	0.544893	[0.527741, 0.562033]	0.408472	[0.389309, 0.427498]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.136422	120	40
WORLD Harvest	0.204503	120	40
FACodec v1	0.172558	120	40
HiFi-Glot	0.0171525	120	40
GOLF-ff	0.0633634	120	40
SiFi-GAN	0.313378	120	40
LLSM2 Layer0	0.0530716	120	40
MagPhase	0.544893	120	40

未編集復号速度（全120録音・保存I/O混在の参考値）

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.0656306	[0.0646174, 0.0667262]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	3	0.0138376	[0.0130729, 0.0146645]	-0.051793	[-0.0532146, -0.0505365]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	7	0.785961	[0.751025, 0.822358]	0.720331	[0.6853, 0.756374]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	1.38484	[1.24459, 1.53108]	1.31921	[1.17916, 1.46518]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	2	0.0136587	[0.0130179, 0.0143573]	-0.0519719	[-0.053373, -0.050599]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	6	0.717436	[0.654773, 0.784555]	0.651805	[0.589641, 0.718577]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.00663264	[0.00637666, 0.0068868]	-0.0589979	[-0.0601365, -0.0579578]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	5	0.141511	[0.136297, 0.147318]	0.0758804	[0.0706582, 0.0818067]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.0656306	120	40
WORLD Harvest	0.0138376	120	40
FACodec v1	0.785961	120	40
HiFi-Glot	1.38484	120	40
GOLF-ff	0.0136587	120	40
SiFi-GAN	0.717436	120	40
LLSM2 Layer0	0.00663264	120	40
MagPhase	0.141511	120	40

解析＋復号速度（全120録音・保存I/O混在の参考値）

予定 120録音・40話者 / 方式

共通 120録音・40話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	0.202052	[0.198227, 0.206081]	0	[0, 0]	許容成功 120 直接値 120・同一性からの値 0	対象
WORLD Harvest	4	0.21834	[0.211832, 0.224906]	0.0162881	[0.0102401, 0.02227]	許容成功 120 直接値 120・同一性からの値 0	対象
FACodec v1	6	0.958519	[0.923982, 0.995219]	0.756467	[0.721139, 0.793562]	許容成功 120 直接値 120・同一性からの値 0	対象
HiFi-Glot	8	1.40199	[1.26163, 1.5483]	1.19994	[1.05707, 1.34819]	許容成功 120 直接値 120・同一性からの値 0	対象
GOLF-ff	2	0.077022	[0.0746337, 0.0793467]	-0.12503	[-0.130093, -0.120693]	許容成功 120 直接値 120・同一性からの値 0	対象
SiFi-GAN	7	1.03081	[0.966685, 1.09881]	0.828762	[0.763781, 0.897279]	許容成功 120 直接値 120・同一性からの値 0	対象
LLSM2 Layer0	1	0.0597043	[0.0560549, 0.0633639]	-0.142348	[-0.145871, -0.138746]	許容成功 120 直接値 120・同一性からの値 0	対象
MagPhase	5	0.686404	[0.666177, 0.706616]	0.484352	[0.462049, 0.506927]	許容成功 120 直接値 120・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.202052	120	40
WORLD Harvest	0.21834	120	40
FACodec v1	0.958519	120	40
HiFi-Glot	1.40199	120	40
GOLF-ff	0.077022	120	40
SiFi-GAN	1.03081	120	40
LLSM2 Layer0	0.0597043	120	40
MagPhase	0.686404	120	40

解析速度（保存処理分離方針下の固定70録音・補助）

保存処理をnative工程間へ移す方針は08:56に告知、方針JSON作成は08:57:03、batch005開始は09:04:29、補助分析計画採用は09:07:50（全て2026-10-14 UTC）。全70録音の合成前に分析計画を事前登録したものではない。指標値・順位で対象を選んでいない。後半の固定70録音24話者は100録音未満で無作為部分集団でもなく、主120録音を置換しない。保存処理分離の運用方針を示すもので、無負荷・方式間で同一の背景負荷を保証しない。95%区間は録音・話者構成の記述。反復計時の安定性、保存I/O干渉の補正、他機械・他環境での速さを表さない。

予定 70録音・24話者 / 方式

共通 70録音・24話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.138854	[0.134488, 0.143101]	0	[0, 0]	許容成功 70 直接値 70・同一性からの値 0	対象
WORLD Harvest	6	0.210173	[0.201984, 0.218415]	0.0713188	[0.0624605, 0.0803444]	許容成功 70 直接値 70・同一性からの値 0	対象
FACodec v1	5	0.17712	[0.17, 0.184569]	0.0382659	[0.0308914, 0.0457765]	許容成功 70 直接値 70・同一性からの値 0	対象
HiFi-Glot	1	0.0177182	[0.0169206, 0.0185807]	-0.121136	[-0.125367, -0.116781]	許容成功 70 直接値 70・同一性からの値 0	対象
GOLF-ff	3	0.0638201	[0.0607072, 0.0667343]	-0.0750339	[-0.080144, -0.0698894]	許容成功 70 直接値 70・同一性からの値 0	対象
SiFi-GAN	7	0.319267	[0.30751, 0.330351]	0.180413	[0.1685, 0.191299]	許容成功 70 直接値 70・同一性からの値 0	対象
LLSM2 Layer0	2	0.0558066	[0.0509565, 0.0609039]	-0.0830475	[-0.0882135, -0.0778002]	許容成功 70 直接値 70・同一性からの値 0	対象
MagPhase	8	0.544444	[0.524208, 0.568625]	0.40559	[0.383366, 0.431107]	許容成功 70 直接値 70・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.138854	70	24
WORLD Harvest	0.210173	70	24
FACodec v1	0.17712	70	24
HiFi-Glot	0.0177182	70	24
GOLF-ff	0.0638201	70	24
SiFi-GAN	0.319267	70	24
LLSM2 Layer0	0.0558066	70	24
MagPhase	0.544444	70	24

未編集復号速度（保存処理分離方針下の固定70録音・補助）

予定 70録音・24話者 / 方式

共通 70録音・24話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	4	0.0666724	[0.0653974, 0.0680682]	0	[0, 0]	許容成功 70 直接値 70・同一性からの値 0	対象
WORLD Harvest	2	0.0136074	[0.0126863, 0.0145956]	-0.0530649	[-0.0547171, -0.051509]	許容成功 70 直接値 70・同一性からの値 0	対象
FACodec v1	7	0.822977	[0.777333, 0.871314]	0.756305	[0.710882, 0.804917]	許容成功 70 直接値 70・同一性からの値 0	対象
HiFi-Glot	8	1.48615	[1.27695, 1.70525]	1.41948	[1.21053, 1.63881]	許容成功 70 直接値 70・同一性からの値 0	対象
GOLF-ff	3	0.0141104	[0.0129793, 0.0154212]	-0.052562	[-0.0546368, -0.0505175]	許容成功 70 直接値 70・同一性からの値 0	対象
SiFi-GAN	6	0.75241	[0.663403, 0.842947]	0.685738	[0.596214, 0.776858]	許容成功 70 直接値 70・同一性からの値 0	対象
LLSM2 Layer0	1	0.00658789	[0.00634172, 0.00685491]	-0.0600845	[-0.0616197, -0.0587813]	許容成功 70 直接値 70・同一性からの値 0	対象
MagPhase	5	0.14327	[0.135995, 0.151246]	0.0765978	[0.0691835, 0.0847062]	許容成功 70 直接値 70・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.0666724	70	24
WORLD Harvest	0.0136074	70	24
FACodec v1	0.822977	70	24
HiFi-Glot	1.48615	70	24
GOLF-ff	0.0141104	70	24
SiFi-GAN	0.75241	70	24
LLSM2 Layer0	0.00658789	70	24
MagPhase	0.14327	70	24

解析＋復号速度（保存処理分離方針下の固定70録音・補助）

予定 70録音・24話者 / 方式

共通 70録音・24話者

方式	順位	値	95%区間	HNMとの差	差の95%区間	全予定状態	比較集合
HNM v3（現base）	3	0.205526	[0.200525, 0.210361]	0	[0, 0]	許容成功 70 直接値 70・同一性からの値 0	対象
WORLD Harvest	4	0.22378	[0.215587, 0.232138]	0.0182538	[0.00915737, 0.0276904]	許容成功 70 直接値 70・同一性からの値 0	対象
FACodec v1	6	1.0001	[0.954877, 1.04721]	0.794571	[0.748851, 0.841071]	許容成功 70 直接値 70・同一性からの値 0	対象
HiFi-Glot	8	1.50387	[1.29399, 1.72345]	1.29834	[1.08728, 1.51781]	許容成功 70 直接値 70・同一性からの値 0	対象
GOLF-ff	2	0.0779305	[0.0742393, 0.0816877]	-0.127596	[-0.133914, -0.12143]	許容成功 70 直接値 70・同一性からの値 0	対象
SiFi-GAN	7	1.07168	[0.983624, 1.16218]	0.866151	[0.775243, 0.95642]	許容成功 70 直接値 70・同一性からの値 0	対象
LLSM2 Layer0	1	0.0623945	[0.0574369, 0.067535]	-0.143132	[-0.148785, -0.137252]	許容成功 70 直接値 70・同一性からの値 0	対象
MagPhase	5	0.687715	[0.662313, 0.716321]	0.482188	[0.455043, 0.512409]	許容成功 70 直接値 70・同一性からの値 0	対象

方式ごとの全有効録音（比較分母が異なる無順位補助）

方式	話者等重み値	有効録音	有効話者
HNM v3（現base）	0.205526	70	24
WORLD Harvest	0.22378	70	24
FACodec v1	1.0001	70	24
HiFi-Glot	1.50387	70	24
GOLF-ff	0.0779305	70	24
SiFi-GAN	1.07168	70	24
LLSM2 Layer0	0.0623945	70	24
MagPhase	0.687715	70	24

長さ・除去末尾・初期化

native全長、16kHz派生全長、共通長、被覆率、除去された末尾、速度に含めない秒数はJSONに録音別で保存しています。共通先頭区間を全長忠実性とは呼びません。