#stft

2 記事

01 ·音声系·★ 会員·論文·10分で読めます 論文解説: Dynamic Band Splitting — 音源分離の「帯の仕切り」を、混ざった音ごとに学習で動かす Learning Where to Split: Dynamic Band Splitting for Audio Source Separation 帯域分割型の音源分離は、人が決めた周波数の仕切りをどの音にも使う。DBS は帯の本数を固定したまま、仕切りの位置と幅を混ざった音ごとに予測する。境界スコア→Hard Top-K→重み付きプーリング→元の解像度へ戻す流れと、3データセットでの結果、限界までを1から読み解く。 02 ·音声系·無料·論文·18分で読めます 音の表現 — メルスペクトログラムとトークン化 Robust Speech Recognition via Large-Scale Weak Supervision 音声モデルが波形をそのまま食べない理由から出発し、短時間フーリエ変換 → メル目盛り → 対数 → 離散トークンという変換の連鎖を前提知識ゼロで解説。窓長のトレードオフ、MFCCがDCTを捨てた事情、音響トークンと意味トークンの違い、そして設定を1つ間違えるだけで音が壊れる現場の落とし穴まで。