CNNベース識別モデルによるF0 推定と伴奏重畳歌唱音声および雑音環境下読み上げ音声における評価

摘要

音声の基本周波数(F0) の推定は音声分析の基本的な課題として古くから研究され，F0 の正確な推定は話者識別，音声分離，自動音声認識システムに有益な手掛かりとなる．F0 の推定には多くのアルゴリズムが設計されているが，クリーンな音声において優れた性能を示す一方で，音声収録時に雑音や音楽の混入した音声では，精度が大幅に低下してしまう．