# sample3 時間観測run-001：独立した読図・帳簿確認

作成: 2026-10-19 UTC。対象は既存公開sample3の原音とPML/RAW_FULL×pitch0/−3/+3・seed0、計7条件。A/Bは同じ公開音声から得た同じ40ms係数の時間配置であり、音声自体は変更していない。

## 結論

1. 原音にも2.08秒以前の小振幅波形・波形二乗量・低域表示がある。前に見えるものをすべて長窓のにじみとする説明は、この観測と合わない。
2. 一方、参考枠内の広い周波数範囲への変化は、40ms PSDでは10ms PSDより時間方向に早め・なだらかに広がって見える。長窓中心に表示することによる時間の広がりは読み取れるが、そこから真の音素境界や特定成分の発生時刻は決められない。
3. BはAの縦縞を別の時間位置へ再分配した図で、濃淡や見かけの集中を「音の改善」「先行成分の消失・保持」と読めない。固定した[2.00,2.08)の係数量は、Bで減る条件と増える条件の両方がある。
4. PMLとRAW_FULLには参考枠内の時間的な広がりや波形量の差が見えるが、pitch0/−3/+3を通した単純な大小関係はない。優劣・採用判断はできない。
5. 37出力ファイルのSHA256/byte長と一覧網羅を確認。数値異常0・保存則監査失敗0、全7条件完了という実行記録と整合。これは記述観測の実行成立の確認であって、再割当の正しさや識別仮説の支持ではない。

## 1. 参照と確認範囲

対象：sample3時間観測run-001（公開用に保存先の絶対パスだけを省略）

読んだもの:
- `run_manifest.json`、`results.json`、`output_hashes.json`、`source_lock.json`
- `ledger.csv`全63行、`waveform_regions.csv`全28行、`coefficient_regions.csv`全112行
- 個別PNG7枚と全条件contact sheet2枚をview_imageで目視

実施した処理は、既存JSON/CSVの読取り・転記・集計値の単純な差/割合、出力ファイルのbyte長/SHA照合のみ。波形やNPZを解析用配列として読み直していない。新規測定・再解析・数値テスト・画像再生成・source/run編集はしていない。HTMLのbrowser表示確認や試聴も行っていない。

実行記録:
- 05:04:11.318486–05:04:46.007831 UTC
- `records=7`、`numeric_issue_count=0`、`audit_failure_count=0`
- `quantitative_use=descriptive_only`
- source lock SHA256: `eb12643408c4a883a95ca972baab294b8cbe2b36259f1183bb63e36f9d4dfb46`
- output_hashes.json SHA256: `b32b6a918aee9a3808839dc63c164e67726c540dab35b65e5d5e6925325d532b`
- hash一覧の37件に欠落・余分・hash不一致・byte長不一致なし。一覧自身の自己除外は設計どおり。
- CSVとresults内の対応レコードは、行数・順序・全fieldの表現が一致。

## 2. 生波形が示すもの

以下は保存された波形二乗積分。単位は **10⁻⁶ FS²s**。区間の長さは80ms、50ms、90msと異なるため、列の積分量だけで強さを直接比べない。最後の列は0.22秒全体に対する前半区間の割合であり、「先行音素の割合」ではない。

| 条件 | 2.00–2.08 | 2.08–2.13参考枠 | 2.13–2.22 | 2.00–2.22全体 | 前半/全体 |
|---|---:|---:|---:|---:|---:|
| 原音 | 12.018 | 205.213 | 423.027 | 640.258 | 1.88% |
| PML 0 | 15.951 | 160.867 | 482.225 | 659.043 | 2.42% |
| RAW_FULL 0 | 15.759 | 144.127 | 482.350 | 642.236 | 2.45% |
| PML −3 | 11.984 | 199.394 | 435.022 | 646.400 | 1.85% |
| RAW_FULL −3 | 14.995 | 195.333 | 433.528 | 643.856 | 2.33% |
| PML +3 | 10.395 | 184.257 | 414.194 | 608.846 | 1.71% |
| RAW_FULL +3 | 9.932 | 197.675 | 414.218 | 621.825 | 1.60% |

出典: `waveform_regions.csv`、`results.json`各条件の`raw_regions`。

- 全7条件で[2.00,2.08)は0ではない。原音の平均二乗は1.5023×10⁻⁴ FS²で、参考枠の4.1043×10⁻³ FS²より小さいが、存在する波形量である。
- 全7条件の平均二乗の範囲は、前半1.2415×10⁻⁴–1.9939×10⁻⁴、参考枠2.8825×10⁻³–4.1043×10⁻³、後半4.6022×10⁻³–5.3594×10⁻³ FS²。後半は単に区間が長いだけでなく、平均二乗でも全条件で参考枠より大きい。
- 原音の波形図と1ms平均二乗は、参考枠内の後寄りで振幅/二乗量が大きくなり、その後も量が続く。参考枠の左端2.08秒や右端2.13秒が波形の無音/有音境界とは一致しない。
- 小振幅波形の由来や音素名はこの結果では分からない。公開PCM16の格子上で残っている波形量の記述に限定する。

## 3. 40msと10ms：長窓の先行表示と波形を分ける

個別PNG全7枚の40ms/10ms PSDを同じ固定色範囲で読んだ。

- 原音・RAW_FULL各条件では、参考枠内で広い周波数範囲に表示が現れる箇所が、40msでは10msより左側まで広がり、時間方向に滑らかに見える。
- これは長い窓が前後の標本を一つの中心へ割り当てる観測と整合する。40msの左への広がり全体を、その時刻の局所波形だけの量だと読めない。
- 逆に、前半の低域表示は10msにも残り、小振幅の生波形・二乗量もある。「参考枠より前に見える量はすべて長窓由来」とはいえない。
- 10msは周波数方向が太く/粗く見え、40msは横方向の筋が分かれやすい。FFT bin間隔は共通でも窓の分解能が異なるため、10msを正解の境界図にはできない。
- 目視で早め/遅めに見えることは記述できるが、今回onset閾値や成分ラベルは定義していない。新しい細い区間を切った数値比較や、ms単位の真の開始時刻の推定はしていない。

## 4. A/B：再配置で変わる量と、変わらない音

A/Bは同じ40ms係数・同じ共通閾値の集団を使う。数値時刻不明が全7条件で0なので、今回のA/Bは実際に時刻配置可能な係数集合も一致する。

### 前半区間は一律に減らない

固定した[2.00,2.08)内の係数energy。単位は **10⁻⁶ FS²s**。重複窓係数量なので、前節の生波形積分と同じ意味ではない。

| 条件 | A中心配置 | B時間再割当 | B−A |
|---|---:|---:|---:|
| 原音 | 76.006 | 72.892 | −3.114 |
| PML 0 | 89.379 | 92.371 | +2.993 |
| RAW_FULL 0 | 87.135 | 90.865 | +3.731 |
| PML −3 | 72.973 | 74.536 | +1.563 |
| RAW_FULL −3 | 89.701 | 92.876 | +3.175 |
| PML +3 | 67.274 | 60.162 | −7.112 |
| RAW_FULL +3 | 63.278 | 57.806 | −5.472 |

出典: `coefficient_regions.csv`の前半・8000Hz行。これは固定区間に入る係数量の増減であり、先行音の誤差・改善率ではない。

### 主表示全体の減少は消失ではない

[2.00,2.22)内の全帯域係数energy。単位はFS²s。

| 条件 | A | B | B−A |
|---|---:|---:|---:|
| 原音 | 0.003924740 | 0.003805580 | −0.000119160 |
| PML 0 | 0.004132916 | 0.003989950 | −0.000142966 |
| RAW_FULL 0 | 0.004031890 | 0.003889009 | −0.000142881 |
| PML −3 | 0.004000472 | 0.003888399 | −0.000112073 |
| RAW_FULL −3 | 0.003985083 | 0.003873299 | −0.000111784 |
| PML +3 | 0.003784441 | 0.003662760 | −0.000121681 |
| RAW_FULL +3 | 0.003862549 | 0.003740940 | −0.000121609 |

出典: 全1619framesの`ledger.csv`/`results.json`。全条件でBの表示内量は小さいが、同じ係数量が表示枠外へ正味で再配置された結果。全source母数に対する差は約0.132–0.154%で、帳簿の表示外量がその分増える。表示内だけを再正規化して改善率にはしていない。

- Aの縦縞は2.5ms間隔の係数を0.25ms binへ置いた規約。Bの点状・薄い分布や、周波数和曲線の低いpeakは、10倍細かい時間binへの分散と周波数ごとの異なる移動にも左右される。単に「薄いから量が消えた」「集中したから正しい」とは言えない。
- 参考枠内の全帯域係数量は全7条件でA→Bで小さくなるが、音や音素成分が消失したことではない。
- +3の両方式では後半[2.13,2.22)のB量はAより増え、他の5条件では減る。表示内の移動も一方向・一律ではない。

## 5. 低域・高域とPML/RAW_FULL・pitch差

### 低域と高域

- 主表示全体の係数量のうち、bin中心0–2000HzはAで98.52–98.72%、Bで98.50–98.68%。全帯域の周波数和と低域の周波数和が似るのは、この保存集計から説明できる。
- したがって、高い周波数に見える細い縦の形が目を引いても、それが主表示の総係数量を支配しているとは限らない。
- 低域には前半の弱い構造と、参考枠内から後半にかけての横方向の筋が全7条件で見える。±3では筋の間隔や位置が変わって見えるが、F0曲線や音素を推定していない。
- 全帯域Bでは、原音とRAW_FULLの参考枠内の高域表示が比較的細い時間範囲へ寄って見える箇所がある。PMLは同じ枠内でやや広く/散って見える箇所があり、これは10ms PSDでも時間方向の広がりとして見える。鋭い方が正しいという真値はない。

### 各組の違い

- pitch0: 参考枠の生波形積分はPML160.867、RAW_FULL144.127（10⁻⁶ FS²s）。PMLの方が大きい一方、後半積分482.225/482.350は近い。参考枠内の広がり方の差は見えるが、音質差を決める材料ではない。
- pitch−3: 参考枠積分はPML199.394、RAW_FULL195.333で近い。前半はPML11.984、RAW_FULL14.995と順序が異なる。Bで両者とも前半係数量が増えるため、「RAW_FULLだけ余計な先行表示を除去した」という説明にはならない。
- pitch+3: 参考枠積分はPML184.257、RAW_FULL197.675で、pitch0とは大小関係が逆。後半積分414.194/414.218は近い。両者ともBの前半係数量が減り、後半が増える。
- 原音との比較: 原音の参考枠積分205.213は今回の6加工条件より大きいが、条件ごとの振幅正規化や時間整列はしていない。これを原音への近さの点数や保存率にはできない。

上記はいずれも同じ公開WAV先頭を原点とした観測差。生成器固有の遅延、位相、振幅、スペクトルの差が混在し、同じ音素の同じ時点を比較している保証はない。1例・seed0だけなので一般化しない。

## 6. 範囲外・閾値・色床の帳簿

- 各条件830547係数（1619×513）。全energy母数はA/B/A_allで同一。低係数数2334–2509、低係数energyは約1.13–1.25×10⁻¹³ FS²s。数値時刻不明0。
- Bには記録前・記録後への割当もある。記録前energyは約1.25×10⁻¹¹–2.75×10⁻¹⁰、記録後は約3.06×10⁻¹²–7.37×10⁻¹¹ FS²s。0へclipせず保存されている。
- guard外の供給元から表示内へ入ったB係数は81–93個、energy6.06×10⁻⁹–2.19×10⁻⁸ FS²s。B表示内量の約0.000159–0.000563%。今回は小さいが0ではなく、捨てていない。この小ささが自然混合の局在の正しさを証明するわけではない。
- 40ms Parseval最大絶対残差の条件間最大は1.6263×10⁻¹⁹、10msは4.0658×10⁻²⁰。全条件の異常記録・監査失敗は空。
- 全条件で色天井超過0、非有限表示cell0、周波数和の固定y上限超過0。
- 色床以下（0を含む）は40ms PSDで14068–15581/45657 cells、10msで14506–16119/45657 cells。A histogramで410313–411353/451440、Bで413900–414972/451440 cells。黒いことは0を意味しない。特にAの空binが多いことも配置規約による。
- A/Bの色床以下の正のenergy和は約1.58–2.03×10⁻¹⁰ FS²s。小さくても、色床以下を「不存在」とは判断しない。
- 1ms波形平均二乗は全条件とも全220binが色床より上。波形図の−1…1共通軸では弱い揺れが平たく見えても、二乗図では存在が読める。

## 7. 図の確認と残る曖昧さ

9PNGで日本語の文字化けや重大なlabel欠落は見当たらず、条件・A/B・帯域・参考枠の識別ができた。固定尺度は守られている。周波数和曲線はymax0.001に対してpeakが約0.000037–0.000163なので低く描かれるが、結果後のautoscaleをしない設計どおり。今回の読み取りには二乗図とPSDの併用が重要だった。

残るもの:
- 2.08–2.13秒は参考枠で、真の音素支持・開始/終了時刻ではない。
- 低量の既存波形がどの音素・機序・成分に属するかは不明。
- Bの移動先が自然混合の成分時刻として正しいかは不明。
- PML/RAW_FULLの時間的な広がりの差が聴覚上どう聞こえるか、どちらが良いかは本観測では評価していない。
- PCM16化以前の弱成分は復元できない。1e−16 FS²sは音素検出限界や物理noise floorではない。
- H1の先行pの識別・保持、未知混合の分離、F0編集、品質順位、採用判断には進めない。

## ユーザー向け要旨案

原音にも参考範囲より前の小さな波形が残っており、前に見えるもの全部を長窓のにじみとは言えません。一方、40ms表示では10msより早めに広がって見える部分があり、再割当でその見え方は変わります。ただし、7条件を通すと前半の表示量が増える場合もあり、改善や音の消失とは結論できません。今回は音そのものを変えず、表示と実際の波形量を切り分けて確認できた段階です。