情報科学ゼミナール2023

情報科学ゼミナールの資料保管用リポジトリです．

所属: 塩田研究室

ゼミ日程

• 第1回

  • 10/11(水)
  • 18:00~
    • STFT解説論文を読んで理解したことをまとめる.
    • 音声ファイルに使われる拡張子を調べて違いをまとめる．
    • Audacityをダウンロードして自分の声を録音し，スペクトログラムを見てみる．

• 第2回

  • 10/19(木)
  • 14:40~
    • STFTのパラメータを変更して，時間分解能と周波数分解能の変化を見る．
    • 話者認識に関する記事を読んで，まとめる

• 第3回

  • 10/26(木)
  • 13:00~
    • Audacity+PCのマイクで音声をサンプリング周波数16kHzにして撮り直してスペクトログラムを見直す
    • 自分のスマホのアプリで音声収録してスペクトログラムを見る（16kHz, 非圧縮）
    • 下記論文についてまとめてくる
      • https://www.jstage.jst.go.jp/article/jasj/78/6/78_338/_article/-char/ja/
    • 先週の機械学習の部分を読んで見る（まとめなくて良い）
    • 評価方法としてEER（等価エラー率）DCF， ROCカーブについて調べる

• 第4回

  • 11/13(月)
  • 14:40~
    • ECAPA-TDNNを用いた話者照合

• 第5回

  • 11/20
  • 14:40~
    • 前回に加え，音声を追加して同様に検証
    • 全ペア数，性別，収録環境等も併記する
    • 音声にノイズを載せて検証
    • マスクあり・なしで検証

• 第6回

  • 12/04
  • 14:40~
    • 前回は条件の異なる発話をごちゃまぜにしていたので，検証したい条件が1つだけ異なるような環境で検証を行う．
    • マスクおよびノイズのあり・なしによるエラー率の変化を求める．
      • マスクの有無
        • __とm_の比較
      • ノイズの有無
        • __と_nの比較
        • m_とmnの比較

• 第7回

  • 12/11
  • 14:40~
    • 録音環境の違いによるエラー率の変化をみる．
      • スマホか，パソコンか

• 第8回

  • 12/25
  • 14:40~
    • 前回はwavの長さが異なっていることがあり，その影響を排除するため，sox等のコマンドで長さを揃えて再検証．
    • 全発話に同じフィルターをかけ，どの周波数帯が照合にクリティカルか調べる
      • いろいろな周波数で切ってみて実験
      • 全員の結果をmergeして1つのスライドにまとめる

• 第9回

  • 01/15
  • 14:40~
  • 前回は各人がそれぞれローパス，ハイパス，バンドパスを適用して検証を行ったが，フィルタ設計に用いる周波数がまちまちであった
  • 今回はフィルタ設計時に注目する周波数を統一して，もう一度検証を行う．
    • 50, 300, 3400, 7000
    • 電話の周波数帯を参考にする，https://xtech.nikkei.com/it/atcl/column/14/228621/100100019/
  • 僕はバンドパスをかけます
    • 50~7000(VoLTE)
    • 300~3400(旧規格)
    • 50~3400(squash)
    • 300~7000(squash)

• 第10回

  • 01/22
  • 14:40~
  • これまでに行った内容をスライドにまとめてきます．

• 第11回

  • 01/29
  • 14:40~
  • 発表内容を取捨選択してもらったので，それを反映させます．
  • 発表の練習をしてきます

• 第12回

  • 02/01
  • 1700~
  • 発表会．