比較結果へ戻る

音声の出典と掲載用の変換

掲載した原音は、Junichi Yamagishi、Christophe Veaux、Kirsten MacDonaldによる CSTR VCTK Corpus、version 0.92（2019、University of Edinburgh）からの短い抜粋です。配布音声と帰属情報は公式データセットを参照してください。

音声はCreative Commons Attribution 4.0 Internationalに基づき利用しています。配布元のライセンス文書も確認しました。著作者が今回の比較や合成結果を推奨していることを示すものではありません。ライセンスの免責事項も引き続き適用されます。

例は結果を見る前に3録音へ固定した

対象は p225_029、p226_061、p227_065 のマイク1です。原音と、現在の作業ベースApron 24 kHz、候補Apron 48 kHz、比較対象WORLD 48 kHzの出力を掲載します。方式ごとに無編集・−3半音・＋3半音を区別しています。生成できなかった条件を、別録音の音で補うことはしません。

採点した波形と、聴くためのWAVを分けた

掲載用WAVは先頭から最大5秒、各方式の元の標本化周波数を保ったモノラルPCM16です。原音は抜粋、方式の音声は解析・再合成したものです。編集付きは保存特徴へ音高操作を施しました。時間整列や長さを合わせるための無音追加はしていません。

クリッピングを避けるため、同じ録音の全掲載条件に共通の倍率を適用する場合があります。倍率は、その録音の全掲載波形の絶対最大値をPとして min(1, 0.98/P)、P=0のときは1です。個別の音量正規化は行わず、測定用NPYは変更していません。PCM16化、倍率、標本数、元ファイルとWAVの識別情報は音声目録に記録しています。

これらの短例だけで120録音全体の品質を判断せず、同じ録音での指標比較と合わせて確認してください。