既知の調波と雑音の数学モデルから生成した人工音です。人のコーパス音声は使用していません。全例16 kHz・0.256秒です。
現PMLとWORLDは最初の固定計測の通常APIによる結果を引用しています。同一入力のSHAと実行条件を照合し、v2で再計測した結果として扱っていません。
公開WAVは保存float32波形をrint(x×32767)でPCM16へ量子化した試聴コピーです。音量正規化・clip・再合成はしていません。科学的な数値は元の保存データからのものです。
全音声の変換来歴 · 比較へ戻る · 実験リポジトリ