音声研究メモ

MFCC、DTW、z-scoreなど音声処理の基礎技術とPythonライブラリの使い方について詳しく解説します。

音声言語処理に関する最新研究文献。J-SPAW 2024で発表された音声合成と認識のなりすまし対策について紹介します。

ASVを突破するためのDNNベース音声変換攻撃「V2S Attack」の仕組みと評価、防御策を整理した解説です。

Kaggle Notebooks で GPU T4×2 を有効化する手順とマルチGPUの運用ベストプラクティスをまとめました。

Probabilistic Linear Discriminant Analysis (PLDA) の理論と話者認証への応用、実装時のコツをまとめた解説記事です。

OneDriveで発生する同期エラーやアクセス問題の解決方法。研究データの安全な管理とバックアップのベストプラクティスも紹介します。

SafeEar を使用して J-SPAW データセットのスプーフィング検出性能を評価した結果と運用上の示唆をまとめました。

Pythonライブラリ「noisereduce」のソースコードを読み解き、スペクトルゲート法によるノイズ除去の仕組みを学びます。

ノイズ除去の評価レポート。セットアップ、指標、考察、再現手順を紹介。

SafeEarをASVspoof2019やJ-SpAWで学習、評価した実験の記録。仮説、実験方法、結果、考察を整理。

SEANet（Simple and Efficient Audio Neural Network）の基本構造、設計原理、音声圧縮への応用を解説。