「話し声と足音だけ抜き出して」など、複雑な言語指示で音を分離できるモデル 英国チームが開発

このコーナーでは、2014年から先端テクノロジーの研究を論文単位で記事にしているWebメディア「Seamless」（シームレス）を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 Twitter: ＠shiropen2 英サリー大学とByteDanceに所属する研究者らが発表した論文「Separate Anything You Describe」は、自然言語で指示された通りに音を分離するモデルを提案する研究である。 特定の楽器を抜き出すといった従来の音分離とは異なり、例えば「犬の鳴き声と女性の話し声（だけを抜き出して）」などの細かい指示や、「足音の擦れる音がし、その後ドアが軋み、成人男性が話し、またドアが軋み、音を立ててドアが閉まる（一連の音を抜き出して）」のような具体的で複雑な指示まで、幅広い音の分離を可能にする。 「Language-queried A

[Seamless]

「足音の擦れる音がしドアが軋み男が話しまたドアが軋み音を立てドアが閉まる一連の音を抜き出して」のような詳細指示で音分離が可能。