オーディオ超解像技術 AudioSR を試す｜はまち

低解像度の音声データを超解像化をする拡散ベースの生成モデル AudioSR が公表されていました。リンク先に変換サンプルなどもあり、音声や自然音、音楽など幅広いジャンルの例が示されています。高い再現度であるようなので、さっそく試してみました。 インストール!pip install git+https://github.com/haoheliu/versatile_audio_super_resolution実行！GPUメモリを16GBくらい消費します。Google Colab無料枠だとメモリが足らなくて動かない感じでした。 !audiosr -i /content/kurumi.wav変換例変換前（サンプリングレート8kHz）

[misshiki]

“低解像度の音声データを超解像化をする拡散ベースの生成モデル AudioSR”

[yowa]

ゆっくりボイス(AquesTalk) だとどうなるんだろ。サンプリングレートが 8000Hz だっけ

[harumomo2006]

ちょっと耳に刺さるけど悪くない

[Windymelt]

面白い

[Falky]

きれいなはまちちゃんだ

[irimo]

おお〜　安いマイクの声が耳に悪くならないようにはならないのかなあ

[charliecgo]

興味深い。

[businessart]

30年前からパイオニアがやってて、今はソニーのデバイスに搭載されてるやつじゃん。

[Y_Mokko]

"低解像度の音声データを超解像化をする拡散ベースの生成モデル AudioSR"

[hinonono]

論文のサンプルがエグいな…元の音と聴き比べれば若干ノイズ乗ってるかな？程度の違いは出たりするけどほぼ変わらず聴こえる。AI生成音も、タイミングのずれなど弱点もくっきり超解像するけど音自体は普通に良くなる

[kagehiens]

なるほどなぁ、MIDI的圧縮がアリならこういうのもアリな場合はあるわな。