はじめに この記事はTech-Circle Hands on Advent Calendar 2016の19日目の記事です。 Tech-Circleさんは機械学習やAI技術などにフォーカスしておられるということで、私から何か有用な情報を提供できないかと思い、今回は「対話システムに使える(かも知れない)音声情報処理」について書こうと思います。 対話システムと音声情報処理 対話システム(SiriやCortanan、Watsonなど)と音声情報との関係は多くの方が密接であると直感的に想像できると思います。 しかし一般的に実装される対話システムのほとんどはテキストベースであり、テキストフォームに発話を入力し、対話システムが応答をテキストとして返す。もしくは音声認識はするが結局処理の対象は言語情報であるなどの形が多いと思われます。 世の中にはメラビアンの法則と言うものが存在し、人との感情的なコミュニ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? これなあに？ 先週は強化学習の勉強会をしました。 今週は音声処理の勉強会をやるぞということになって僕はまた焦って資料をかき集めました。 この記事は音声処理の勉強会を行うにあたって、参考になったサイト、もしくは情報をまとめたものです。 勉強会で共有するために作ったけどせっかくだしあげておくことにしました。 読んだ感想や要点なんかも簡単にまとめれたらと思います。 特に参考になった記事、重要だと思った記事には★マークをつけておきます。 僕自身が音声処理初心者ということ、短い時間でまとめたことから誤りや不適切な点があるかもしれません。 その場合

悩める作曲家のために、RNN(リカレントニューラルネットワーク)を利用して、曲のコード進行を生成するウェブサービス Deep Chordを作りました。本記事ではDeep Chordの概要を紹介します。 Deep Chord Deep ChordのRNNの学習・推定にはChainerを、ウェブ部分にはDjangoを利用しています。 Deep Chordの概要 コード進行って？ 例えばピアノの鍵盤で「ド・ミ・ソ」とか「レ・ファ・ラ」とか、複数の音を同時に弾くと、それぞれ異なる響きになりますが、これを和音(コード)と呼びます。この和音が様々に遷移していくことで曲が出来上がるのですが、この和音の遷移こそがコード進行です。 コード進行には、多くの曲で利用される王道進行というものがあります。例えばJ-POPでは、F(ファ・ラ・ド) → G(ソ・シ・レ) → Em(ミ・ソ・シ) → Am(ラ・ド・ミ)、

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

By Bob Bekian 「録音した自分の声」や「電話などで反響して聞こえてきた自分の声」「ムービーの中で話す自分の声」などが、普段自分が耳で聞いているものとは少し違って聞こえることに驚いた、という経験をしたことがある人も多いはず。聞き慣れているはずの自分の声が録音されたものになると普段と違って聞こえる仕組みについて、「Why is my voice different when I hear a recording?」というムービーが解説してくれています。 Why is my voice different when I hear a recording? - Big Questions - (Ep. 207) - YouTube 「音」というのは空気中の振動です。振動は空気中を伝わるものですが、耳介(Outer Ear)により集められたものが外耳道(Ear Canal)を通ることで増

注意：この記事は大好評放送中のハロー!!きんいろモザイクと最近話題のDeep learning をかぶせて話題沸騰!!にしたかったけれども、きんいろモザイクに出ている声優のサンプルボイス(東山奈央)が入手できず、DNNについても結局実装が間に合わずにrandom forestとか多項ロジスティック回帰でごまかしてるじゃんｪ…と思ったらなんとかDNNできたので半分タイトル詐欺です。 感動した。 ご注文はDeep Learningですか？ - kivantium活動日記 ここではOpenCV を用いて顔認識をして、そのデータをDNNに流して主要キャラ+その他判定をしている。 ならば、声優統計を修める者としては、音声解析の技術を用いて 誰が今歌っているのかを識別したい。 これをDNNの技術を用いてやってみる。 やり方としては、 サンプルボイスの収集→統計量の作成→学習→学習器の性能評価→推定→動

コード https://github.com/r9y9/JuliaTokyo3 三行まとめ 発表の内容を三行でまとめると、 音声ファイルの読み込み（or 書き込み）は[WAV.jl]((https://github.com/dancasimiro/WAV.jl)を使おう 基本的なデジタル信号処理は JuliaDSP/DSP.jl をチェック（※JuliaDSPにはウェーブレットとかもあるよ） 音声に特化した信号処理は、r9y9/WORLD.jl がオススメです という感じです。 応用例として、歌声を分離する話（デモコード）、統計的声質変換（統計的声質変換クッソムズすぎワロタ（チュートリアル編） - LESS IS MORE）、画像をスペクトログラムに足しこむ話とか、さっと紹介しました。 補足 僕が使う/作ったパッケージを、あとで見返せるように最後のスライドにまとめておいたのですが、改めてこ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Courseraで受講したAudio Signal Processing for Music Applicationsの内容のまとめです。単純にトラックを再生するだけではなく、一歩踏み込んだものを作りたい、というときの入り口になる・・・と思います。 音声解析の目的 音声解析とは、ざっくりいえば「聞こえてくる音声がどんな周波数の音で構成されているか」を明らかにすることです。これをスペクトル解析といいます。 これを明らかにすると、以下のようなことができるようになります。 音の構成から、特徴づけを行う(楽器・発話者の特定、音楽のジャンルの推定

声優統計第四号において、駄目絶対音感の例として、レベルネオのCMの声優を日笠陽子と誤答する例が紹介されている。実際には早見沙織である。 声優の声の解析は声優統計および自分自身においても長らく滞っている分野であり、声優統計第五号がいろんなまとめサイトで取り上げられてバズっていた間にネット難民だった自分は取り残されていた。 そんなこんなで1月の間は信号解析について勉強していたのだが、ブログの更新も全然ｪ…だったため、適当に下書き状態で書き進めつつ、がんばって書いた。というのも、一記事の情報量が多ければ多いほどIFの高い雑誌に採択されやすい適当に拡散されていろんな人の目に留まりやすいのですごい分量になっている…と思う(下書きの最初の時点では全然ｪ…) 基本的にはPythonで音声信号処理のPythonスクリプトとMiyazawa’s Pukiwiki 公開版のmatlabスクリプトをRに書き下し

発端。 元々は聞き専ラジオの「おっさんボカロ」の話題から「魅力ある男声は違う実装が必要」→「違う合成器の差」になって、UTAUとV.Connectを提起したところから入ります。

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

テック系のニュース・サイト：Mashableが、“13 Best Free Audio Editors”というタイトルで、無償で利用できる13種類の波形編集ソフトウェアを紹介しています。この記事を読んでいる方はきっとDAWソフトウェアを1本は持っていると思いますが、ちょっとした編集を行う際には、意外と重宝する波形編集ソフトウェア。気になるものがあれば、ぜひ試してみてはいかがでしょうか。 1：Acoustica Basic Edition Windows用の高機能な波形編集ソフトウェア。録音、編集、ミキシング、マスタリング、バッチプロセッシングなど、波形編集ソフトウェア基本的な機能はひととおり装備。マルチトラック編集やオフライン解析、ノイズ除去といった機能が追加された有償版も用意されています（Standard Editionは39.9ドル、Premium Editionは119.9ドル）。