- This topic has 7 replies, 2 voices, and was last updated 5 months, 3 weeks ago by
.
-
申し訳ございませんが、またお手数をおかけしてしまいますが、現在2つの問題が解決したいと考えています：
1. 2秒の音声ファイルを分離する際、なぜ結果が1秒しか得られないのかを知りたいです。
2. 私の手法は下記の通りですが、識別の速度を大幅に向上させる方法を教えていただけないでしょうか？ 現在、2秒の音声ファイルを分離するのに約4秒かかり、毎回、少なくとも1秒の音声が分離され、その後分類される必要があります。（第1の問題が解決すれば、1秒の音声のみを処理できます）Attachments:
ご提供いただいた環境で確認しておりますが、
LocalizeMUSICノードでの計算量が多いため、処理速度が遅くなっているようです。
対策として、PERIODの値を大きくすることで処理を早くすることは可能ですが、
定位の精度が下がるためチューニングが必要となります。そもそも、マイクのチャネル数と音源の数が多いため、
高性能な計算サーバ等でなければ処理速度が追い付かない可能性が高いです。また、使用されている伝達関数ですが、
音源座標ファイルの頂点(x,y,z)=(0,0,1)のIDが複数ありますので、
重複しているIDを削除していただくことを推奨します。分離される音声が短くなる件ですが、
LocalizeMUSICで定位する際に、PERIODで設定した音声フレーム（10ms）ごとに処理します。
このため、デフォルトのPERIOD:50では最初の50フレーム（500ms）分は検出されません。
また、終端の50フレーム未満も同様に検出されませんので、
最大で先頭50フレーム（500ms）＋終端49フレーム（490ms）の合計990msは定位結果として検出されません。
実際、こちらで確認した際は、530msほど欠落しており、PERIODを1に設定した際は30ms程度の欠落となりました。このため、定位結果はどうしても実際の入力音声より短くなります。
また、これを防ぐと計算量が増加し、処理が遅くなります。速度と精度のどちらを重視するかによって調整する必要がありますので、
あらためて目的と優先順位を検討していただければと思います。以上、よろしくお願いいたします。
HARKサポートチーム
- You must be logged in to reply to this topic.