FreeDVの音声品質評価について
**** 修正/追記 2026年9月9日 7:30 **** 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。 なおWisper ASR( https://github.com/openai/whisper )の内容を見ると日本語を含む多言語のFLEURS( Few-shot Learning Evaluation of Universal Representations of Speech )が出ていて興味深いです。 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も人工的に再現した試験用チャンネル(伝搬経路)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...