ピッチ履歴差と数値表現:保存309窓の比較

基準PMLを維持。PML・既存方式との品質比較は今回未実施です。

これは履歴priorと数値表現の機構診断です。音質改善や品質順位は示しません。既公開の PSHF・PML・RAW_FULL の機構診断・比較音声、関連PR66を参照してください。

309 frameでjoint MAP不変。ただしposteriorは変わる

Aは通常確率で状態を保持した元版の保存結果、Bは同一実数モデルをGaussian log kernelから計算した比較です。3入力各103窓すべてでA/Bのjoint MAPは同じでした。U-U/E-Uの共通後半49窓では、両版とも53–55の3窓でMAPが異なり、56–101の46窓で一致します。49窓は重複する依存窓で、独立した49反復ではありません。

何を固定し、何を比較したか

f*=97.65625 Hz。Uのclean成分は2・3・4次、Eは2・4・6次。固定1seed、同じ雑音、16 kHz、全長1.024秒、窓400サンプル、間隔160サンプルです。境界0.512秒をまたぐframe50–52とpadding0・1・102を、完全後半53–101から区別します。観測・局所logBFは共通後半49/49 byte一致です。

Bは保存logBFのみを使い、元のgrid・F0/K遷移幅・H0係数・記憶条件を保持。音声や局所証拠を再生成していません。有限log値を保持し、表示expのzeroと分けます。新floor・reset・sigma調整はありません。E-Eのclean最小周期は195.3125 Hzで、潜在97.65625 Hz時計への復帰を正解条件にしません。

同じMAPと同じ分布は異なる

青破線A、橙実線B。縦軸はraw半L1の対数。0は下限へ置換せず図外で明記します。56以降の表示分布差は非常に小さくなります。Bの表示jointは60–101でbyte一致しますが、log jointのbyte一致は69–101です。

raw半L1の対数表示10^010^-1010^-2010^-30A frame53: 1.0000000000000084A frame54: 0.9999999999999889A frame55: 0.9999999995396052A frame56: 7.497849619746313e-11A frame57: 1.8679456353677847e-13A frame58: 3.009117899787257e-16A frame59: 2.4300760250276909e-32B frame53: 1.0000000000000084B frame54: 0.9999999999999889B frame55: 0.9996950052389435B frame56: 5.160617016864785e-11B frame57: 1.2678844487442605e-13B frame58: 3.0056465004859334e-16B frame59: 2.4243019803106047e-32535960–101:保存表示値で0(対数図には描画しない)
frameA:U-U/E-U半L1B:U-U/E-U半L1
5311
5411
5510.999695005
567.49784962e-115.16061702e-11
571.86794564e-131.26788445e-13
583.0091179e-163.0056465e-16
592.43007603e-322.42430198e-32
6000

frame55:距離変化の中身

E-Uのf*全K posterior質量は、Aの4.60395191298e-10からBの0.000304994747447へ変化しました。U-Uとの距離は約1から0.999695005239へ下がりますが、E-Uのjoint MAPは両版とも195.3125 Hz/K2のままです。MAPだけではこの質量変化を捉えられません。

E-U frame49–56の保存値

質量は固定f*/2f*セルの全K和です。領域質量や全域joint MAPとは区別します。Aのlogは保存線形質量が正値の場合だけ計算し、zeroは未定義。Bのlogは保存log配列をlogsumexpで集計し、表示質量がzeroでも有限値を残します。A/B半L1は全joint+H0で、各セルに共通です。

frame版セルprior質量log priorposterior質量log posteriorH0log H0MAP HzKA/B半L1
49Af*0未定義(保存zero)0未定義(保存zero)3.89069409e-161-369.357612195.312531.62908496e-137
49Bf*0-806.0420110-820.823073.89069409e-161-369.357612195.312531.62908496e-137
49A2f*0.136356633-1.992481520.999940743-5.9258883e-053.89069409e-161-369.357612195.312531.62908496e-137
49B2f*0.136356633-1.992481520.999940743-5.9258883e-053.89069409e-161-369.357612195.312531.62908496e-137
50Af*0未定義(保存zero)0未定義(保存zero)5.9685898e-157-359.719349195.312533.82790075e-65
50Bf*0-822.8155470-837.3544175.9685898e-157-359.719349195.312533.82790075e-65
50A2f*0.136356317-1.992483840.999698632-0.0003014129755.9685898e-157-359.719349195.312533.82790075e-65
50B2f*0.136356317-1.992483840.999698632-0.0003014129755.9685898e-157-359.719349195.312533.82790075e-65
51Af*0未定義(保存zero)0未定義(保存zero)6.04077061e-84-191.618616195.312531.79732096e-27
51Bf*0-839.3468950-815.7627346.04077061e-84-191.618616195.312531.79732096e-27
51A2f*0.136352607-1.992511050.560128247-0.5795895086.04077061e-84-191.618616195.312531.79732096e-27
51B2f*0.136352607-1.992511050.560128247-0.5795895086.04077061e-84-191.618616195.312531.79732096e-27
52Af*0未定義(保存zero)0未定義(保存zero)1.63925845e-66-151.476372196.28906232.63387237e-29
52Bf*0-759.652284.40963259e-277-636.3322791.63925845e-66-151.476372196.28906232.63387237e-29
52A2f*0.129503799-2.044045060.211962705-1.551344941.63925845e-66-151.476372196.28906232.63387237e-29
52B2f*0.129503799-2.044045060.211962705-1.551344941.63925845e-66-151.476372196.28906232.63387237e-29
53Af*1.43204176e-278-639.7595556.10505619e-188-431.076882.43965143e-70-160.289101195.312522.1263207e-31
53Bf*7.98576337e-273-626.528074.04312759e-182-417.6734682.43965143e-70-160.289101195.312522.1263207e-31
53A2f*0.118712705-2.131048950.643178401-0.4413331422.43965143e-70-160.289101195.312522.1263207e-31
53B2f*0.118712705-2.131048950.643178401-0.4413331422.43965143e-70-160.289101195.312522.1263207e-31
54Af*8.32468523e-189-433.0693571.68223538e-98-225.1332161.2638661e-69-158.644196195.312528.3914816e-39
54Bf*5.5130966e-183-419.6659461.11475698e-92-211.7291921.2638661e-69-158.644196195.312528.3914816e-39
54A2f*0.130615544-2.035497050.564126958-0.572475951.2638661e-69-158.644196195.312528.3914816e-39
54B2f*0.130615544-2.035497050.564126958-0.572475951.2638661e-69-158.644196195.312528.3914816e-39
55Af*2.29384956e-99-227.1256934.60395191e-10-21.49893591.79669443e-67-153.687253195.312520.000304994301
55Bf*1.52005173e-93-213.7216690.000304994747-8.0952161.79614645e-67-153.687558195.312520.000304994301
55A2f*0.129079199-2.047329120.518927138-0.6559917951.79669443e-67-153.687253195.312520.000304994301
55B2f*0.129079199-2.047329120.518768868-0.6562968361.79614645e-67-153.687558195.312520.000304994301
56Af*6.27782131e-11-23.4914130.999999957-4.28410906e-086.41933425e-143-327.41035497.6562542.3372326e-11
56Bf*4.1588239e-05-10.08769310.999999957-4.28411128e-089.6901033e-149-340.81407497.6562542.3372326e-11
56A2f*0.128134013-2.054678581.99132427e-79-181.2154226.41933425e-143-327.41035497.6562542.3372326e-11
56B2f*0.128094933-2.054983633.00502388e-85-194.6194479.6901033e-149-340.81407497.6562542.3372326e-11

帳簿分解と解釈の限界

U=.7 AᵀPB+.4hM。記憶再注入Rは最後のH0<.5時の有声条件付き分布Mを使い、独立uniform resetではありません。元版E-Uのf*全Kがzeroとなる初出はRが24、filteredが45、T/priorが46。53ではpriorが1.432e-278の正値に戻り、53–55はTが支配しました。3窓の差は「その窓のpriorがzeroだから」だけでは説明できません。

log版でも同じ3窓のMAP差が残るため、今回の数値表現変更はMAP差を解消しませんでした。一方posteriorは変わります。丸め・演算順の影響も含み、underflow単独原因の断定はしません。自然sample3の既存監査でも正値priorによる低候補抑制が観測されましたが、人工信号と同じ物理原因とは同定していません。

raw半L1は保存浮動小数点配列をclip・再正規化せず計算した値であり、厳密に正規化済み分布のTVとは限りません。微小な1超過も保持しています。校正済み確率、真のVUV/F0、自然音声への一般化、音質改善を主張しません。

既存人工入力音声

既存PCM16 WAVをbyte不変で再利用しました。追加正規化・再生成なし。

U-U

E-U

E-E

保存資料

数値抽出と相対リンクを静的確認。ブラウザー表示は未確認。外部リンクの到達性は今回未確認。