誰の声でも100人の声に変えられる声変換システム - Dwango Media Village(ドワンゴメディアヴィレッジ,dmv)
著者の声を録画・録音して声を変換し元の映像と組み合わせてみた映像です。 このときの変換元の音声は撮影用のスマートフォンで録音しており、部屋の残響が含まれるなど声が少し不鮮明になる収録環境ですが、それでもしっかり声変換できていることがわかると思います。 概要 Dwango Media Villageの廣芝です。 誰の声でも狙った複数の人の声に変えることができる声変換システムを開発し、実際に声を変えることができるデモページを公開しました。 (2022年5月 SeirenVoiceシリーズの製品化に伴いデモページは終了しました。) この記事では、声変換技術を研究開発する際に取り組んだ課題について紹介します。 声の変換技術には、リアルタイム性と品質のトレードオフがあります。 既存の声変換システムはリアルタイム性を重視する傾向がある一方、品質を重視したものはあまり見かけません。 品質を優先した声変換
Macでpython3でGoogle Cloud Speech gRPC API を使ってストリーム音声認識をする！ - Qiita
Macでpython3でGoogle Cloud Speech gRPC API を使ってストリーム音声認識をする！PythonMacPython3googlecloud 事前説明 最新情報（２０１７年１１月７日） googleAPIインタフェースが変更されていたりして，そのままでは動かなくなっているようです． 今後新たに，ストリーム音声認識を使う方は，以下の @delete さんの記事を参考にされると良いです． https://qiita.com/delete/items/395776c6843d67fd65fd 以前に書いた記事 以下にあります． 【Google Cloud Speech gRPC API を使ってストリーム音声認識をしたい！（簡易VAD付けた）】 http://qiita.com/sayonari/items/a70118a468483967ad34 今回の記事の説明
Docker for Mac で動いているコンテナでホスト側のサウンドカードを使う - ミントフレーバー緑茶
自分でスマートスピーカーを作りたくなり、音声認識のところで Julius をいじってるなう。Julius を含む音声認識部分をコンテナで切り出しているところでホスト側 (macOS) のサウンドカードを使わせるようにしたかったのでやり方をメモっておく。 macOS ではなく ALSA の使える Linux 環境であれば Docker の --device オプションで --device=/dev/snd:/dev/snd としたりすれば動くらしい。VirtualBox だとオーディオ設定からホスト側のサウンドカードを利用できるので、コンテナを VirtualBox 上で動かすことで Docker の device オプションによりホスト側サウンドカードを利用できる。VirtualBox を経由するのではなく別のやり方が無いか調べていたら PulseAudio 経由で音声を再生するやり方も見
Automatic content recognition - Wikipedia
How it works[edit] To start the recognition, a short media clip (audio, video, or both) is selected from within a media file or captured as displayed on a device such as a smart TV. Using techniques such as fingerprinting and watermarking, the selected content is compared by the ACR software with a database of known recorded works.[1] If the fingerprint of the media clip finds a match, the ACR sof
Duplicate songs detector via audio fingerprinting
Explains sound fingerprinting algorithm, with a practical example of detecting duplicate files on the user's local drive. The aim of this article is to show an efficient algorithm of signal processing which will allow one to have a competent system of sound fingerprinting and signal recognition. I'll try to come with some explanations of the article's algorithm, and also speak about how it can be
超簡単なファミコンAV化改造法
その他、出力基板の作成、出力ケーブル等の準備が必要です。 映像回路の110Ωは、NEWファミコンと同等の出力レベルを得る為の値であり、NTSC基準のレベルにする場合や長いAVケーブルを使う為には75Ωにする必要があります。 220uFのコンデンサはなるべく特性の優れた物を選んでください。 （と言っても、規格表で選んだ物を探すのは大変なので、とりあえずESRの低い物を買ってください） 音声回路の抵抗は、値が前後しても 3：2 の割合が作れればOKです。 10uFのコンデンサは耐圧6V以上、容量1～10uFであれば何でもOKです。 （デジタル音は耳障りなので、こちらはESRが高い方が丸みのある音になります） ◆外付け回路（共通） 映像出力回路ノイズ対策として抵抗の後ろ（出力部分）とグランドの間に330～560pFのセラミックコンデンサ、出力と直列にpHクラスのフェライトコイルを入れるとお札程度
Juliusを使った音声認識で遊ぼうとしたら大変だった話 | Life Tips（跡地）
Juliusを使った音声認識で遊ぼうとしたら大変だった話 2014年10月19日 / kamaboko / 0 Comments 先日、卒業研究の中間発表が終わりました。 少し時間もできたので、そろそろ高専祭に向けてEject工作の準備を進めなければなりません。 ネタは既に決まっていてTwitter等を見ている方はわかると思いますが、「Ejectカー」です。（詳しくはまた別途記事を書きます。） 機構自体は既に出来上がっていて、もう後は組み立てるだけにところまでは来ています。 で、問題は「何をトリガーにして動かすか」です。 候補としては「Twitterのリプライorハッシュタグ」を考えています。 まぁ他にも色々使えそうなものがあれば使いたいなぁと色々妄想していたのですが、そこで思いついたのが「音声認識」でした。 で、とりあえず音声認識だけやってみようということで、軽い気持ちで始めたのが今回の
PortAudio - an Open-Source Cross-Platform Audio API
PortAudio is a free, cross-platform, open-source, audio I/O library. It lets you write simple audio programs in 'C' or C++ that will compile and run on many platforms including Windows, Macintosh OS X, and Unix (OSS/ALSA). It is intended to promote the exchange of audio software between developers on different platforms. Many applications use PortAudio for Audio I/O. PortAudio provides a very sim
Webブラウザを使って電波を出してみた
読者の持っている至って普通のコンピューターは、実は電波時計の時刻合わせを行うために必要な標準電波の発信装置が備わっている。 コードは以下から入手できる。 shogo82148/web-jjy JJYシミュレータWeb版 動かし方 パソコンのイヤホンジャックにアンテナ(普通のイヤホンで十分です)を接続し、電波時計の近くに置きます。 音量を最大にし、「Start」ボタンを押すと信号が送信されます。 電波時計を強制受信モードにし、時刻が設定されるのを待ちましょう。 パソコンの時間を基準にするので、あらかじめntpとかで時刻設定をしておくといいと思います。 原理 標準電波JJYは日本標準時のタイムコードを送信する電波で、 東日本では40kHz、西日本では60kHzの周波数で発信されています。 電波時計はこの信号を使って時刻合わせをしています。 この信号をオーディオデバイスから出力する電波時計用JJ
波形を見る - 人工知能に関する断創録
Pythonで音声信号処理（2011/05/14） サイン波 次は音の波をプロットして目に見えるようにしてみます。グラフの描画にはPythonのmatplotlibを使います。WAVEファイルには音をディジタル化（標本化 + 量子化）したデータがそのまま含まれているのでそれを読み出します。WAVEファイルの詳細なフォーマットはwavファイルフォーマットが参考になりました。自分でバイナリを分析してもよいですが、waveモジュールがやってくれます。 #coding:utf-8 import wave from numpy import * from pylab import * def printWaveInfo(wf): """WAVEファイルの情報を取得""" print "チャンネル数:", wf.getnchannels() print "サンプル幅:", wf.getsampwidt
Pythonで音声信号処理 - 人工知能に関する断創録
今年の目標（2011/1/1）の1つに音声認識技術の深耕というのを立ててます。いきなり音声認識をやるのは知識不足でかなり大変だということが分かったので、まずは音声のいろんな性質や信号処理の技術を一つ一つ試しながら習得していくことにしました。 音声信号処理ではよくMatlabが使われるようなのですが、 Matlabは高くて買えない（フリーのOctaveってのもあります） すでに使っているPython、Rと文法が似ていて混乱する というわけでMatlabはやめてPythonを使います。SciPyにフーリエ変換の機能があったのでたぶん同じようなことができるでしょう。Pythonのいろんな音声関係のライブラリなんかも紹介できればと思います。 当面の目標は、簡単な類似楽曲検索システムを作ることです。その後は、いろんなツール（HTKなど）を駆使して音声認識システムを作りたいと思ってます。 このページは
ハロー!!きんいろ deep learning モザイク - 驚異のアニヲタ社会復帰の予備
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
Sirius: An Open Intelligent Personal Assistant
Sirius is an open end-to-end standalone speech and vision based intelligent personal assistant (IPA) service similar to Apple’s Siri, Google’s Google Now, Microsoft’s Cortana, and Amazon’s Echo. Sirius implements the core functionalities of an IPA including speech recognition, image matching, natural language processing and a question-and-answer system. Sirius is developed by Clarity Lab at the Un
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
オーディオ ライブラリ - YouTube
Read MP3 in Python 3
GitHub - AddictedCS/soundfingerprinting: Open source audio fingerprinting in .NET. An efficient algorithm for acoustic fingerprinting written purely in C#.
GitHub - kaldi-asr/kaldi: kaldi-asr/kaldi is the official location of the Kaldi project.
遺伝的FM音源
The Julius book
HTML5で音を扱う3つの方法
