「音」の仕組みをマウスでグリグリ動かしながら直感的に理解できるウェブサイト「Sound」
雨や風などの環境音や音楽、サイレンの音など、「音」は日常生活にありふれていますが、音がどんな仕組みで鳴っているのかはイメージしにくいものです。そんな「音」の仕組みを、マウスで波形を動かしたり音を鳴らしながら学べるウェブページ「Sound」がGPSの仕組みやカメラの仕組みの解説ページを作成してきたBartosz Ciechanowski氏によって公開されています。 Sound – Bartosz Ciechanowski https://ciechanow.ski/sound/ 音が空気中や水中を波として伝わるということは多くの人が知っているはず。Soundでは、まず空気中の粒子の移動について解説しています。空気は膨大な数の粒子で構成されており、それぞれの粒子は自由に動いていますが、粒子同士が衝突するため「ごく短時間のうちに粒子が遠くへ移動する」ということは起こりにくくなっています。Soun
音フェチシム『ASMR Food Experience』発表。レストランには脳がとろける美音がたっぷり - AUTOMATON
『ASMR Food Experience』は、ASMRレストラン経営シミュレーションゲームだ。「ASMR」は、聴覚や視覚などへの刺激で発生する、「うずうず」あるいは「ぞくぞく」するような心地よい感覚のこと。動画などのジャンルとしても人気で、たとえば「ささやき声」「包丁でものを切る音」などの音声コンテンツが人気を集めている。ほかにも、レストランの仕込み風景などは、聴覚と視覚の両方を満たすコンテンツとしての人気もあるようだ。『ASMR Food Experience』では視覚と聴覚にフォーカスし、そうしたASMRを思う存分楽しめるようだ。 本作においてプレイヤーは、小さなレストランのオーナーとなる。本作のレストランには、多数の心地よい音や光景が存在。出入り口ドアのベルの音や、伝票にオーダーを鉛筆で記入する擦過音なども耳をすませば美しい。コーヒーのオーダーひとつ取っても、「ケトルに水が流れ込む
環境音認識のコンペティションDCASE2020で世界1位を獲得しました
LINE株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。 LINEヤフー Tech Blog DataLabsのSpeech teamに所属している小松です。環境音認識に関する基礎研究を行っています。環境音認識とは我々の身の回りで起こる多種多様な音、たとえば咳や話し声、物音などを機械に自動的に検出・認識させる技術です。この技術は音に関する分野の中で最もホットで急成長しているトピックの一つであり、環境音を専門に扱う国際コンペティション/ワークショップ、DCASEも毎年開催されています。 そのコンペティション部門であるDCASE2020 Challengeのtask 4に、LINEは昨年度のインターン成果 [1] を主軸にした名古屋大学、ジョンズ・ホプキンス大学との合同チームで参加し、世界1位を獲得することができました。本
『音の速さが見えるデバイス』が単純だけど超面白い！「音速の可視化とは面白い発想」「日本科学未来館か上野の科博に置いてほしい」
Ken Kawamoto（ガリのほう） @kenkawakenkenke 河本健／Staff Software Engineer @Google Sydney🇦🇺／https://t.co/FTYOuNwzCAとか「子供がマッサージしたくなるTシャツ」とか1Click飲み.jpとかソフトからハードまでなんでも作る人です。作ったものは全部ここ：俺.jp https://t.co/apxCRFYaGf Ken Kawamoto（ガリのほう） @kenkawakenkenke 単純だけど超面白いの作った！「音の速さが見えるデバイス」。音を感知すると光るモジュールを並べると、拍手の音が飛んでいく様子が目で見える。うちの子も「音が動いてくんだね！」と大興奮。長い廊下のある科学館とかに置かせてもらいたい。体育館なら同心円に広がってく様子や反響が見れるかも。 pic.twitter.com/1EM0
音を操るWeb技術 - Web Audio API入門 - ICS MEDIA
Webにおける表現はどんどん進化しています。Webサイトには当然のように動画が埋め込まれるようになり、CSSやSVG、canvasでのさまざまな表現が頻繁に見られるようになりました。さらにAR、VRといった表現も台頭し筆者も毎日ワクワクしながらインターネットの海を泳いでいます。 その中であまりメジャーではないと感じるのは「音」による表現です。もちろん音を用いた素晴らしいWebサイトはたくさんありますが、環境の制約が視覚表現以上に大きいため多くは見られないのでしょう。 とはいえ、音と視覚表現を組み合わせることによって表現できる世界観、インタラクション、その他諸々は計り知れないと筆者は思っています。今後オーディオなどの技術の進歩によって上記で述べた制約も乗り越えられるようになるかもしれません。時代を先どりしたい読者に向けて、今回の記事ではWebで音を扱う技術Web Audio APIについてお
NVIDIAのノイズ抑制機能「RTX Voice」のベータテストがスタート。ファンやヘアドライヤーの音が魔法のように消え失せるノイズ抑制機能を紹介する動画が多数公開される
NVIDIAは、ボイスチャット中の打鍵音やファンの回転音などのノイズを除去する技術「RTX Voice」のベータテストを開始した。対応するシステムはGeForceドライバの410.18以上を導入したGeforce RTXとQuadro RTXカード、WIndows 10だ。 すでにヘアドライヤーや扇風機などを使ったテスト動画が公開されており、ベータ版ながら強力なノイズ抑制効果が確認できる。 Nvidia's RTX Voice tech looks AMAZING. I can finally use a desk mic again with my mechanical keyboard! @Barnacules's test with the fan and hammer is so impressive https://t.co/ES7ELMiMQS pic.twitter.com/
音をリアルタイムでFFT解析して表示【Pyxel】｜もくいち｜note
環境・MacBook (macOS Mojave) ・Python 3.6 使用したライブラリ・PyAudio ・Pyxel ・numpy 全体のコード (GitHub)# coding: utf-8 import pyxel, pyaudio import numpy as np class App: def __init__(self): pyxel.init(255, 155, fps=60, scale=2, border_width=10, border_color=0x0d0015, caption='Pyxel & PyAudio') self.CHUNK = pyxel.width self.RATE = 44100 self.P = pyaudio.PyAudio() self.stream = self.P.open(format=pyaudio.paInt16, ch
機械音の異常検知チャレンジ DCASE 2020 Task 2 - Qiita
(DCASEホームページより) はじめに 音を題材とした異常検知のデータセットによる機械学習コンペが始まりました。 音に関するコンペ自体が珍しいなか、タスクとして一般的な分類などでもなく、更に難しい異常検知が設定されました。 個人的に2019年に画像の異常検知に積極的に取り組んだのですが、音声は周波数領域に変換すると画像のように取り扱えることから、チャレンジしたい題材でした。下記は画像にチャレンジしたときの記事です。 欠陥発見! MVTec異常検知データセットへの深層距離学習(Deep Metric Learning)応用 深層距離学習(Deep Metric Learning)各手法の定量評価 (MNIST/CIFAR10・異常検知) この記事では、そのコンペ「DCASE 2020 Task 2 Unsupervised Detection of Anomalous Sounds for
【タモリ倶楽部】もはや宗教？ 「オーディオマニア究極の夢!? マイ電柱の建て方教えます」
「オーディオマニアの究極の夢!?マイ電柱の建て方教えます」タモリの毎度お馴染みと言う決めセリフで始まる元祖脱力系番組!音にこだわり庭に電柱を建てたお宅訪問!検証! ゲスト：ライムスター・宇多丸／レキシ(池田貴史)
音通信ライブラリChirpを利用してTHETAを操る - Qiita
お知らせ 2020/12/22 現在、Asio Ltd.はSONOS社傘下に入り、Chirpライブラリは公開されておらず、アプリケーションも公開されておりません "が"（続きがあります） We are excited to announce that Chirp has been acquired by @Sonos. We’ve loved seeing developers apply our SDKs to such an imaginative range of applications. Our thanks to everyone who has supported us on our mission over the last 9 years 🙌 More info: https://t.co/U5GTeuaTzd pic.twitter.com/XKYM9ooDFu —
さぁ、始まる、本気の異音検知器 - Qiita
ただし、リファレンスデータは元データ1920個に対し、Data Augmentationで 2倍に増やしています。音データのData Augmentationについては、以下の記事を 参考にしてください。 https://qiita.com/cvusk/items/61cdbce80785eaf28349#augmentation テストデータはかなり不均衡ですが、最後にROC曲線で評価するため、不均衡は緩和されます。 データの前処理 今回もDOCにデータを投げますが、その前に、音の生データを周波数データに 変換する必要があります。 選択肢として、スペクトログラムとメルスペクトログラムの二つがあり、今回は スペクトログラムを採用しました。 その理由はこちらの記事で良い結果が出たからです。 学習済モデルの準備 DOCでは、畳み込みニューラルネットワーク（CNN）の学習済モデルを用意しなければ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
サービス終了のお知らせ