投稿

音声認識ソフトUTMOSv2をPCに入れて簡易評価

 ***最新更新 2026年9月15日 22時30分*** FreeDVの評価で使用されたWhisperの次にUTMOSv2をPCに入れてみることにします。 UTMOS(UTokyo-SaruLab MOS prediction system)については以下のブログを参照ください。 https://jk1gpc.blogspot.com/2026/09/freedv_0435876116.html Windowsに入れるかLinuxに入れるかですが、先にWindowsを試してみます。 --------   Windows よりも Linuxの方が良さそうです GPUはなくともOK------- 以下Pythonがインストールされていることを前提に進めます。 参考:  https://jk1gpc.blogspot.com/2026/09/wisper-large-v3.html 1.専用フォルダーと仮想環境を作る。 Windowsターミナル MSマークを右クリック ターミナルを起動します。 以下の太字の部分をコピペ (コピーしてターミナルプロンプトにカーソルを置き右クリックします) cd C:\ mkdir UTMOSv2             *Windowsエクスプローラで作成しても可能 mkdir UTMOSv2\result   *同上 C:/UTMOSv2 python -m venv venv venv\Scripts\activate (venv) PS C:\UTMOSv2>  がでればOKです。 2. pipを更新する。 python -m pip install --upgrade pip setuptools wheel 2. UTMOSv2をインストールする。 pip install git+https://github.com/sarulab-speech/UTMOSv2.git *Pipでは手順が複雑なので今回はgithubよりダウンロードします。 以下Pythonの仮想環境(venv)でも良いしなくても構いません。 cd C:\UTMOSv2 Invoke-WebRequest -Uri "https://github.c...

Whisperを簡易評価してみる

イメージ
 *UTMOSの評価結果は  https://jk1gpc.blogspot.com/2026/09/utmosv2pc.html 前のブログ「Whisper をWindows(Python)で使ってみる 」で書いたFreeDVの評価に使われたWhisperをまず簡単に評価してみたいと思います。 【簡易テスト】 英語音声音源  https://freedv.org/david-dec-2024-testing-rade-with-automatic-speech-recognition/  にある3つの音源をダウンロードします。最後に関連部分を英訳します。 このサイト(音源)もJS1MAV/JA5AEA 堤さんより教えてもらいました。 1(SSB):   3729-6852-0033_ssb_6dB.wav  2(RADE):   3729-6852-0033_rade_6dB.wav  3(オリジナル) :  3729-6852-0033_clean.wav 前のブログでインストール したWhisper(-large3)を使います。 Windowsマーク→右クリック→ターミナルでWindows PowerShellを立ち上げます。 以下のコマンドはコピーしてPowerShellのコマンドプロンプトに右クリックするだけでペースト(コピペ)出来ます。 cd C:\Whisper .\whisper-env\Scripts\Activate.ps1 (whisper-env) PS C:\Whisper>    となっているのを確認して下さい。 C:\Whisper\audio\の下に以下のファイルを置きます。 1(SSB):   3729-6852-0033_ssb_6dB.wav 2(RADE):   3729-6852-0033_rade_6dB.wav 3(オリジナル) :  3729-6852-0033_clean.wav 以下のコマンドを入れます。 whisper "C:\Whisper\audio\3729-6852-0033_ssb_6dB.wav" --model large-v3 --language en --tas...

Whisper をWindows(Python)で使ってみる

イメージ
*更新中: 最終更新 2026年9月15日  10:00* ----------------------------------- 評価結果は別のブログに入れることにします* 簡易評価結果(更新中)→ https://jk1gpc.blogspot.com/2026/09/wisper.html ----------------------------------- FreeDVの評価に使われたWhisper ASR(音声認識)をWindows PCにインストールしてみました。 https://github.com/openai/whisper https://huggingface.co/openai/whisper-large-v3 のModel detailsにありますが、多言語対応はlarge, large-v2, large-v3 の3種類です。 ここではlarge-v3を入れてみます。PCによってはlarge,large-v2の方が良いかも知れません。 以下をインストールすればオプションでlarge,large-v2,large-v3が選べます。 ここではまずオプションでlaergr-v3を選びます。 以下の手順であればgithubなどからのインストールは必要ありません。 Windows11 PC(Mini-PC: 13th Gen Core i9, メモリ32GB )に入れてみました。 メモリーは16GB以上が推奨のようです。 なおLinux(Ubuntu)にもインストール可能なようですが、NVIDIA GPUがないと遅くなるようです。 1.Python(パイソン)をインストールする。 まずPythonを  https://www.python.org/downloads/windows/  からインストールします。バージョンは少し古い3.11.7をインストールしました。 インストール画面で"Add python.exe to PATH"にチェックしてからインストールします。 つぎにWindowsターミナル(Power Shell)を起動します。 (Windowsマーク 右クリックしてターミナル管理者を起動します) *コマンドはコピペすると便利です。ターミナルで右クリックするだけでペーストできます。 以下のコマンドでバージョンが表...

続・FreeDVの音声評価について

UTMOSの評価結果は  https://jk1gpc.blogspot.com/2026/09/utmosv2pc.html *最終更新 2026年9月12日 23:20 *Whisper音声認識に関しては以下のサイト(ブログ)を参照ください。 https://jk1gpc.blogspot.com/2026/09/wisper-large-v3.html https://jk1gpc.blogspot.com/2026/09/wisper.html 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...

アマチュア無線と商用無線(携帯電話)の違いについて

イメージ
 今日は、アマチュア無線と商用無線(ここでは携帯電話のような商用無線を想定)についてどのような違いがあるか、私見ですが纏めてみたいと思います。 ***スマホでは見にくいようです: 図を追加***             アマチュア無線             携帯電話 目的       技術的興味、自己訓練、実験・趣味 商用サービス(業務・緊急連絡にも使用)   要求品質 ※1   交信成立性 (低 RASIS でも可能)             高RASIS(信頼性・可用性・・・)※2 ハード/ソフト※ 3    メーカー製か自作(OSS含む)          メーカー製(基本ライセンス制) 通信インフラ   無線機どうしの直接無線通信※4           基地局・光回線・コアNWの依存必須 周波数・帯域幅  固定特定帯域を共用        キャリアに専門免許 暗号化・秘匿性  原則禁止              通信の秘匿性、個人情報保護    ペナルティ               原則なし             通信断などはサービス品質の低下を                            招き解約や損害賠償を招く可能性 ※1 アマチュア無線の音声通話においては単一人間の声が重視されるが、携帯電話では(ある程度の)バックグラウンド音(音楽や電車音など)も重視される可能性がある ※2 確実に動作し消費電力などを予測でき、相互接続性や安定運用・保守性も重要 ※3 国内は技適が必要  アマチュア無線は  SDR 化が進む  ※4  基本(Wires-XなどNWインフラを使用したものを除く)   他の無線局にどこまで通信可能性があるのか知ることが出来る(例: PSKレポータ)

YOTAの日本における活動について

  YOTA(Youngsterts On The Air) については、 以前のブログ で紹介しましたが、友人からの紹介でYOTAのメンバーの方より、以下の情報をいただきましたので紹介します。 今年の参加者の方が8月30日に ハムフェアでプレゼン されたようですが、この件を知らずまた会場にはいませんでしたので聞くことが出来ず残念でした。 今も活発に活動されているようで、アマチュア無線界にとって頼もしい限りです。 ----------------------------------------------------------- 日本からは、毎年開催される IARU 第1地域のサマーキャンプだけでなく、過去1回、タイで開催された、第3地域のサマーキャンプにも参加者を送っています。 YOTA Summer Campの歴代参加者は以下の通りです。参加記のあるものはURLを添付いたしましたのでよろしければご覧ください。 2018 R1 YOTA Summer Camp @イギリス JR2LHB, JE1XUZ 2022 R1 YOTA Summer Camp @クロアチア JE4WUD, JO4ISY 2023 R3 YOTA Summer Camp @タイ JO4KVB, JQ3BVC https://www.fbnews.jp/202312/w_reportfromthailand/ 2024 R1 YOTA Summer Camp @チェコ JK1EDC, JO4KVB, JJ1AHS https://www.jarl.org/Japanese/4_jarl/4-4_info/yotacamp2024rpt.htm l 2025 R1 YOTA Summer Camp @フランス JK1ULV, JK1FUI https://www.jarl.org/Japanese/4_jarl/4-4_info/yotacamp2025rpt.html 2026 R1 YOTA Summer Camp @オーストリア JL1DGW, JL1KMJ 今年のサマーキャンプにも、日本から二人が参加し、ハムフェアの会場で参加報告のプレゼンテーションをしてくれました。 -------------------------------------------------------...

FreeDVの音声品質評価について

**** 更新 2026年9月14日 21:00 ****  * *Whisper音声認識に関しては以下のサイトを参照ください。 https://jk1gpc.blogspot.com/2026/09/wisper-large-v3.html https://jk1gpc.blogspot.com/2026/09/wisper.html FreeDVの音声品質評価について、FreeDV同好会でも話題になったので調べた結果を以下に参考として記します。 FreeDVのようなインターネットを使用しないPTT ピアtoピアの電波伝搬によるデジタル通信はデコード限界付近におけるデジタルクリフの問題を、客観的な音声品質評価としてどうとらえるかが課題となります。 FreeDVの客観的な音声品質評価としては、RADE1/RADE2/SSBですでに評価されたものとして AWGN (Additive White Gaussian Noise)とMPP(MultiPoint Poor)による方法があります。 実測定は Whisper ASR (Wisper音声認識)による WER (Word Error Rate:語句誤り率:高い方が悪い)が使われたようです。 評価結果は以下のURLを参照してください。このブログの最後に日本語訳を付けました。 https://freedv.org/david-july-2026-wer-curves-v2-c-port-tuning-verification/ AWGN(Additive White Gaussian Noise:加法性白色ガウス雑音)曲線とは、フェージングや混信がない状態で、信号にランダムな雑音だけを加えたときの通信性能を表す曲線です。 MPP(MultiPoint Poor)は、HF通信で起こる厳しい選択性フェージングを人工的に再現した試験用チャンネル(通信路)の意味のようです。 AWGN曲線: 雑音(3KHz)だけを加えた基本性能 MPP曲線: 雑音(3KHz)とHF特有のフェージングを加えた性能 FARGAN: 劣化のない音声特徴量を入力した FARGAN(Frame-wise Auto-Regressive Generative Audio Network) Clean: 劣化のない音声 重要な点は、以下の点です。 RA...