# Noise Morphingを今回の問題へ移す際の条件

2026-10-19。文献調査のみ。新実装・計測・採用はしていない。

一次資料：Eloi Moliner et al., Noise Morphing for Audio Time Stretching, IEEE Signal Processing Letters 31, 1144–1148 (2024), DOI 10.1109/LSP.2024.3386118.
https://acris.aalto.fi/ws/portalfiles/portal/146171731/Noise_Morphing_for_Audio_Time_Stretching.pdf

同論文は音を正弦波・過渡・雑音へsoft maskで分解し、雑音側に連続した白色励振を用いる。隣接STFT frameを別々に無相関な乱数位相へする代わりに、同じ連続noiseをSTFTへ通し、補間した残差振幅を乗じる。振幅の完全置換とは区別される。長い窓は時間詳細を鈍らせ、短い窓にはmusical noiseのリスクがあると述べる。実験は5素材、時間伸長2/4/8倍、13人の主観評価であり、絶対F0編集や本リポジトリの発話120本の評価ではない。

## 今回への推論

- 「無声なら全部noise」という二分にせず、過渡と持続noiseを分ける発想はユーザーの提案と近い。ただしsoft maskは分類確率として校正された値ではない。値が連続というだけで確率と言い換えない。
- 今回のP/Fは同じpulse順のGaussian入力を対にしており、連続した全発話noiseを採用する変更ではない。Fが良くても悪くても、この論文方式の是非まで判定できない。
- 既存PMLの帯域powerには有声高調波も混ざる。高域=雑音として、この論文の残差合成を即移植する根拠にはならない。
- 過渡を別扱いすれば、破裂音をrandom noiseへ広げる危険を避けられる可能性はある。ただしこの論文の過渡経路は抽出した波形を保持・再配置する。目標の制御可能な非MLエンコード／デコードにおいて、その表現が妥当かは別問題である。
- 次に検討するとすれば、まず保存特徴に過渡の時間情報が残っているかを確認する。合成側だけ変えても、解析時に失った開始時刻や急峻さを復元できるとは限らない。

今回の固定P/F runは変更しない。文献は連続励振・過渡分離・時間分解能という別々の設計軸を整理する根拠として保持する。根拠のない改善予測や追加閾値は設定しない。