続・FreeDVの音声評価について
*最終更新 2026年9月12日 23:20 注: 本ブログの内容は、私見ならびにAI(Chat-GPTなど)による内容を含みますので誤りがある可能性があります。 AIによる回答の引用はアンダーバーを付けています。 以前のブログでFreeDVの音声評価について記述しました。 https://jk1gpc.blogspot.com/2026/09/freedv.html JS1MAV/JA5AEA 堤さんより、AIによる音声評価として VOISMOS(音声主観評価)の中で日本の東大猿渡研のUTMOS(UTokyo-SaruLab MOS prediction system) https://note.com/ainest/n/n6b1f553b45a4 があるという情報を頂きましたので、この内容を含め続編としてまとめて行きたいと思います。 UTMOSに関する内容は: 論文 https://arxiv.org/abs/2204.02152 github https://github.com/sarulab-speech/UTMOS22 にあります。 なお、このUTMOSはvoicemos-challenge( https://sites.google.com/view/voicemos-challenge :人間によるMOSをAIで推定する技術の比較大会)の2022年でトップになったものです。 voicemos-challenge2022のレポート論文は https://www.isca-archive.org/interspeech_2022/huang22f_interspeech.pdf にあります。 留意点として、2022年のこの論文にありますが、英語と中国語による評価のみで日本語による評価はなかったようです 。 UTMOSv2 https://github.com/sarulab-speech/UTMOSv2 は2024年のものです。 論文は https://arxiv.org/abs/2409.09305 です。 なおITUによるP.800, P.808の勧告文章は以下にあります。 https://www.itu.int/rec/T-REC-P.800-19...