論文の概要: Quality Audio Prototyping: a prototype system for unified sound retrieval and procedural generation
- arxiv url: http://arxiv.org/abs/2606.00629v1
- Date: Sat, 30 May 2026 09:05:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:28.56395
- Title: Quality Audio Prototyping: a prototype system for unified sound retrieval and procedural generation
- Title（参考訳）: 品質オーディオプロトタイピング : 統合された音声検索と手続き生成のためのプロトタイプシステム
- Abstract要約: 本稿では,コンテンツベース音声検索とプロシージャ音声生成を単一インタフェース内で統合する作業用プロトタイプQuAPについて紹介する。
QuAPは類似性に基づく検索エンジンとリアルタイムの手続き型音声モデルと、知覚情報に基づくパラメータガイダンスを提供するルールベースのアシスタントを統合している。
- 参考スコア（独自算出の注目度）: 14.87513083614384
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Sound design workflows frequently oscillate between time-consuming library searches and the complexity of procedural synthesis, with practitioners typically relying on disconnected tools to address each challenge separately. This paper introduces Quality Audio Prototyping (QuAP), a working prototype that unifies content-based audio retrieval and procedural sound generation within a single interface, reducing the procedural distance between a narrative concept and its sonic realisation. QuAP integrates a similarity-based retrieval engine with real-time procedural audio models, complemented by a rule-based assistant that provides perceptually informed parameter guidance, offering definitions and recommendations derived from empirical optimisation rather than requiring prior synthesis knowledge. Preliminary evaluation confirms the viability of this approach: subjective assessment demonstrated statistically significant quality improvements in five of six embedded synthesis models, and an encoder ablation study established the preferred retrieval architecture on a sound effect dataset. A user evaluation with 16 practitioners confirmed the tool's workflow utility, with all participants agreeing that the parameter assistant preserved creative agency while lowering the barrier to procedural interaction.
- Abstract（参考訳）: サウンドデザインのワークフローは、時間を要するライブラリ検索と手続き的な合成の複雑さの間で頻繁に振動し、実践者は一般的に、それぞれの課題に個別に対処するために、切り離されたツールに依存する。
本稿では,コンテンツベース音声検索とプロシージャ音声生成を単一インタフェース内で統合する作業プロトタイプQuAPについて紹介し,物語の概念と音素的実現との手続き的距離を小さくする。
QuAPは類似性に基づく検索エンジンとリアルタイムのプロシージャ音声モデルを統合しており、ルールベースのアシスタントが補完し、パーセプティカルなパラメータガイダンスを提供し、事前の合成知識を必要とせず、経験的最適化から導かれる定義とレコメンデーションを提供する。
主観評価は、6つの組込み合成モデルのうち5つのモデルにおいて統計的に有意な品質改善を示すものであり、エンコーダアブレーション研究は、音響効果データセット上で好適な検索アーキテクチャを確立した。
16名の実践者によるユーザ評価では、ツールのワークフローユーティリティを確認し、すべての参加者は、パラメータアシスタントがプロシージャ間相互作用の障壁を低くしながら創造的なエージェンシーを保存することに同意した。
関連論文リスト
- Shared Representation Learning for Reference-Guided Targeted Sound Detection [12.339689044414401]
共有表現空間内で参照音声と混合音声の両方を処理する統一エンコーダアーキテクチャを提案する。
我々は、セグメントレベルF1スコア83.15%のターゲット音検出のための新しい最先端のベンチマークを構築した。
論文 参考訳（メタデータ） (2026-03-17T18:05:21Z) - Analysis-Driven Procedural Generation of an Engine Sound Dataset with Embedded Control Annotations [0.45835414225547183]
計算エンジンの音響モデリングは、自動車オーディオ産業の中心である。
これらのアプリケーションは、タイムアラインなオペレーティングシステムアノテーションを備えた、大量の標準化されたクリーンなオーディオ記録を必要とする。
サンプル精度制御アノテーションを用いてエンジン音声を生成するための分析駆動フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-08T11:05:10Z) - AudioJudge: Understanding What Works in Large Audio Model Based Speech Evaluation [55.607230723223346]
本研究は,Large Audio Model (LAM) をAudioJudgeの裁判官として体系的に研究し,両課題に対処する統一評価フレームワークを提供することができるかどうかを検討する。
本稿では、発音、発話速度、話者識別、音声品質、自動ベンチマークのためのシステムレベルの人間の嗜好シミュレーションなど、音声特徴検出タスクにまたがるAudioJudgeについて検討する。
本稿では,多視点アンサンブルAudioJudgeを導入し,音声評価を語彙内容,音声品質,パラ言語特徴の専門判断者に分解し,人間の嗜好と最大0.91のスピアマン相関を達成させる手法を提案する。
論文 参考訳（メタデータ） (2025-07-17T00:39:18Z) - Where are we in audio deepfake detection? A systematic analysis over generative and detection models [59.09338266364506]
SONARはAI-Audio Detection FrameworkとBenchmarkの合成である。
最先端のAI合成聴覚コンテンツを識別するための総合的な評価を提供する。
従来のモデルベース検出システムと基礎モデルベース検出システムの両方で、AIオーディオ検出を均一にベンチマークする最初のフレームワークである。
論文 参考訳（メタデータ） (2024-10-06T01:03:42Z) - Stem-JEPA: A Joint-Embedding Predictive Architecture for Musical Stem Compatibility Estimation [3.8570045844185237]
マルチトラックデータセットでトレーニングした新しいJEPA(Joint-Embedding Predictive Architecture)であるStem-JEPAを紹介する。
本モデルでは, エンコーダと予測器の2つのネットワークから構成される。
MUSDB18データセットの検索タスクにおいて、本モデルの性能を評価し、ミキシングから欠落した茎を見つける能力を検証した。
論文 参考訳（メタデータ） (2024-08-05T14:34:40Z) - A General Framework for Learning Procedural Audio Models of
Environmental Sounds [7.478290484139404]
本稿では,手続き型自動エンコーダ(ProVE)フレームワークについて,手続き型オーディオPAモデルを学習するための一般的なアプローチとして紹介する。
本稿では, ProVE モデルが従来の PA モデルと敵対的アプローチの両方を音響忠実度で上回ることを示す。
論文 参考訳（メタデータ） (2023-03-04T12:12:26Z) - Fully Automated End-to-End Fake Audio Detection [57.78459588263812]
本稿では,完全自動エンドツーエンド音声検出手法を提案する。
まず、wav2vec事前学習モデルを用いて、音声の高レベル表現を得る。
ネットワーク構造には, Light-DARTS という異種アーキテクチャサーチ (DARTS) の修正版を用いる。
論文 参考訳（メタデータ） (2022-08-20T06:46:55Z) - End-to-End Binaural Speech Synthesis [71.1869877389535]
本稿では,低ビットレート音声システムと強力なデコーダを組み合わせたエンドツーエンド音声合成システムを提案する。
実感的な聴覚シーンを作るために必要な環境効果を捉える上で, 対人的損失がもたらす効果を実証する。
論文 参考訳（メタデータ） (2022-07-08T05:18:36Z) - Speaker Adaption with Intuitive Prosodic Features for Statistical
Parametric Speech Synthesis [50.5027550591763]
統計的パラメトリック音声合成のための直感的な韻律特徴を持つ話者適応法を提案する。
直感的な韻律的特徴は発話レベルまたは話者レベルで抽出され、それぞれ既存の話者エンコーディングベースおよび話者エンベディングベース適応フレームワークに統合される。
論文 参考訳（メタデータ） (2022-03-02T09:00:31Z) - Using growth transform dynamical systems for spatio-temporal data
sonification [9.721342507747158]
有意義な音声シグネチャで情報を符号化するソニフィケーションは、人間のループ内決定のための従来の可視化手法の強化や置き換えにいくつかの利点がある。
本稿では,複雑な成長変換力学系モデルを用いて高次元データを音化するための新しい枠組みを提案する。
本アルゴリズムは,学習タスクや予測タスクの根底にあるデータと最適化パラメータを入力として,ユーザが定義した心理パラメータと組み合わせる。
論文 参考訳（メタデータ） (2021-08-21T16:25:59Z) - Any-to-Many Voice Conversion with Location-Relative Sequence-to-Sequence
Modeling [61.351967629600594]
本稿では,非並列音声変換手法である非並列音声変換法(seq2seq)を提案する。
本手法では,ボトルネック特徴抽出器(BNE)とセック2セック合成モジュールを組み合わせる。
主観的および主観的評価は,提案手法が自然性と話者類似性の両方において優れた音声変換性能を有することを示す。
論文 参考訳（メタデータ） (2020-09-06T13:01:06Z) - Temporal-Spatial Neural Filter: Direction Informed End-to-End
Multi-channel Target Speech Separation [66.46123655365113]
ターゲット音声分離とは、混合信号からターゲット話者の音声を抽出することを指す。
主な課題は、複雑な音響環境とリアルタイム処理の要件である。
複数話者混合から対象音声波形を直接推定する時間空間ニューラルフィルタを提案する。
論文 参考訳（メタデータ） (2020-01-02T11:12:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。