「オーディオ版レイトレーシング」と「物理シミュレーションによる音響空間表現」｜Prismaton
「レイトレーシング」は 3D グラフィックスの重要な技術となっていて、レイトレーシングを使ったリアリティの高いグラフィックス表現を見る機会が増えてきました。 また同時に、「レイトレーシングをオーディオに応用する」といった言及もちょいちょい見かけるようになりました。 しかし、グラフィックスのシミュレーションにレイトレーシングが有効なのは光の特性をレイトレーシングで近似できているからであり、音の特性に関してはレイトレーシングだけで近似するのは困難です。これはもう少し広く知られていて欲しい事実なのですが、何故かあまりきちんと知られていません……。 そもそも悲しいことに、「物理シミュレーションによる音響空間表現(方角、残響、遮蔽などの表現)」を網羅的に真面目に考察した資料は恐ろしく少ないです。この現状では、レイトレーシングだけで音響空間表現が簡単に出来るというような誤解が生まれてしまうのも仕方ない
BBCが所蔵する1万6000種類以上のサウンドライブラリーを公開、無料でWAVファイルのダウンロードも可能
イギリスの公共放送局BBCが新たにサイト「BBC Sound Effects」を立ち上げ、1万6000種類以上という膨大な量の音源素材の提供を開始しました。サイトではキーワード検索でお目当ての素材を探せるようになっており、非圧縮のWAVファイルをダウンロードすることも可能です。 BBC Sound Effects - Research & Education Space http://bbcsfx.acropolis.org.uk/ 1922年にラジオの放送を開始したBBCは、およそ100年にも及ぶ活動の中で膨大な音素材を蓄積してきました。BBC Sound Effectsはその名が示すとおり、数々の素材の中からサウンド･エフェクトとして利用できる音源の提供を行うサイトです。素材はRemArcライセンスで提供されており、著作権はBBCが所有しますが個人利用や教育利用、そして研究用途において
Google、DNNを用いるオープンソース音声認識システム「Kaldi」と同社機械学習ライブラリ「TensorFlow」とを統合。強力な自動音声認識（ASR）システム開発へ | Seamless
Google、DNNを用いるオープンソース音声認識システム「Kaldi」と同社機械学習ライブラリ「TensorFlow」とを統合。強力な自動音声認識（ASR）システム開発へ 2017-08-29 Googleは、DNN（Deep Neural Network）を用いているオープンソースの音声認識システム「Kaldi」と、同社が提供する機械学習ライブラリ「TensorFlow」とを統合したことを発表しました。 この統合により、Kaldiを使用している自動音声認識（ASR）などの開発者は、TensorFlowを使用して、Kaldiの音声認識パイプラインにDeep learningモデルを展開することができます。 統合することで、自然言語モデルをトレーニングするASRの場合、開発サイクルが一桁も短縮されたと報告します。 TensorFlowでKaldiを使い始めるには、Kaldi repoをチェ
音響信号処理言語"Faust"の勉強会に参加してきました - 情弱
はじめに 先日、こちらの勉強会に参加してきました。 faust-jp.connpass.com "Faust"は関数型音響信号処理言語で、慣れれば爆速でDSPアルゴリズムの試作・検討ができるようです。 しかしながら、日本語による情報はまだまだ少ないのが現状とのことなので、 勉強会に参加したばかりで言語仕様もほとんど理解できていない状態ではありますが、 ざっとFaustを触ってみた感想などをここに残しておこうかと。 Faustのここがすごかった ・記述量が少なくてすむ 例えば下記のような、エコーエフェクトの実装を考えてみます。 これを以下のようにFaustで記述してみました。 一方、これと同様のものをC++ & JUCEで記述してみると以下のようになるでしょうか。 その差は一目瞭然ですね。。。なるほど。 ・出音の確認が容易 では、先に書いたFaustのコードの出音を確認してみます。 方法はい
AudioSet
A sound vocabulary and datasetAudioSet consists of an expanding ontology of 632 audio event classes and a collection of 2,084,320 human-labeled 10-second sound clips drawn from YouTube videos. The ontology is specified as a hierarchical graph of event categories, covering a wide range of human and animal sounds, musical instruments and genres, and common everyday environmental sounds. By releasing
Pythonで音響信号処理 - Qiita
Python その2 Advent Calendar 2015の13日目の記事です。 普段の仕事として主に音響信号処理のアルゴリズム開発やDSP実装などを行っているのですが、アルゴリズムを構築する際は最初にPythonを使ってアルゴリズムの検討を行い、その結果を踏まえてCやC++でPC上で動作するリアルタイムモデルを作成するという流れで行っています。音響信号処理に関するまとまった日本語記事は意外に存在しないため、ここではPythonで音響信号処理を行う方法およびこれまでに仕事等で使って来たノウハウなどを適当にまとめようと思います。 目次 Pythonで音響信号処理をするモチベーション オーディオファイルの読み書き リアルタイムにオーディオ処理を行いたい 周波数応答を表示したい デジタルフィルタを設計したい 零点、極と係数配列b, aを変換したい デジタルフィルタを時系列信号に適用したい 群
双2次フィルタ
と表すことができます。 この伝達関数の周波数特性は、 ω0 を境にして減衰を始めるローパス特性になっています。 すなわち、このような RCL 回路を用いて、ローパスフィルタを作ることが出来ます。 ちなみに、クオリティファクタ Q を変えると、カットオフ特性のなだらかさなどが変化します。 ここではローパスフィルタを例に挙げましたが、 RCL の配置をいろいろと変えることで、さまざまな特性を作ることができます。 伝達関数の分母・分子ともに2次のフィルタを双2次フィルタ（biquadratic filter、あるいは biquad filter）といいます。 （余談ですが、quad- という接頭語は“4”という意味を表します。 quadratic は“四角形の”という意味合いから“2次元の”という意味で使われる言葉です。 ついでに、bi- は“2”を表す接頭語です。 biquadratic は文
AIで複数の同時音声を分離、再現率は驚異の90％
三菱電機は研究成果披露会で、同社独自のAI技術「ディープクラスタリング」を用いた音声分離技術を発表した。この技術では、マイク1本で録音した複数話者の同時音声を分離し、きれいに再現できる。従来の技術では原音再現率が51％だったが、三菱電機の音声分離技術の場合90％以上となる。 答えではなく、解き方を学ぶ スマートフォンやカーナビなどの音声認識機能は、雑音や複数の人の声が混じると正しく機能しないことが多い。音を聞き分けて再現する技術自体は既に存在するが、精度の面でまだ十分とはいえない。マイク1本で取得した音声を分離し再現する技術の場合は特にだ。 三菱電機が同社独自のAI技術「ディープクラスタリング」を用い、音声分離技術を開発したのにはこのような背景がある。三菱電機は2017年5月24日の研究成果発表会で、マイク1本で録音した複数話者の同時音声を分離し、きれいに再現する様子を披露した。 ディープ
決め手は音の“分布”、パナソニックのドローン検知
パナソニックは、300m先で飛行するドローンをマイクやカメラを用いて検知、旋回型カメラで追尾する「ドローン検知システム」を開発した（関連記事）（図1）。同システムは、人の耳や目視で確認できない距離から飛来するドローンを検知し、施設の管理員や警備スタッフに向けて警報を出す。すでに警備会社などで採用されているもよう。 ドローン検知システムの基本構成は、（1）ドローンを検知するセンサー・カメラ部、（2）センサーからの情報を処理する信号処理端末、（3）センサー・カメラ部に取り付けられた全方位カメラの映像を表示するPC用モニター、（4）ドローンを追尾して撮影する旋回型カメラ、（5）旋回型カメラの映像を表示する映像モニターからなる（図2）。検知範囲は垂直・水平角度がともに150度、半径300m（図3）。3台のセンサー部を組み合わせることで水平360度の範囲を検知できる。全長が30cmクラスの小型ドロー
音割れ音源、機械学習で復元したくない？その1 〜短時間フーリエ変換と近接勾配法〜 - cocuh's note
このまえHな講義*1を受けてたあとに、@polamjag 氏とダベってたら 「音割れ音源復元できないか」 みたいな話がでて面白そうだったので趣味研究してみた成果だったりします。 信号解析初経験な上に片手間でやった研究なので、かなり穴だらけだと思うのでお気づきのことがありましたら、ご指摘お願いします。 背景 話によると、そこらへんで買った音源って音割れしてるらしい。 audacityで[view]->[show clipping]をオンにすると音割れ箇所を可視化してくれる。 ノーポイッを見てみた図。 (amazon mp3で購入、買ってない方ぜひ買いましょう。 http://www.amazon.co.jp/dp/B017BAK632 ) あかい。。。 ということで、ｻｰﾍﾞｲするこくたんであった。 目的 音割れしている音源(5分ぐらいの)をいい感じに補完して 人間の耳にやさしく 補完する。
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
| docomo Developer support | NTTドコモ
yodel
http://www.musicdsp.org/files/Audio-EQ-Cookbook.txt
i-vectorに基づく発話類似度を用いた非負値行列分解と話者クラスタリングへの適用 | CiNii Research
(PDF) Front-End Factor Analysis for Speaker Verification
https://t2r2.star.titech.ac.jp/rrws/file/CTT100658475/ATD100000413/