Sound Analysisのビルトイン音声分類器の性能を試す #WWDC21
本記事では、Sound Analysisのビルトイン音声分類器(Built-in Sound Classifier)を実機で使用してみて、分類の精度や処理速度といった性能を検証してみる。
なお、ビルトイン音声分類器の詳細はこちらの記事を参照:
要約:
・Sound Classifier/Sound Classificationはディープラーニングで音声を識別するもの
・これまでは自分でトレーニングデータセットを用意してCreate MLでモデルの学習から行う必要があった
・iOS 15で、システム組み込み(built-in)のモデルが利用できるようになった🎉
検証方法
Chopperという個人開発アプリで、Create MLで学習させたカスタム音声分類モデルを使用している。
この自作モデルは、シンプルに"speech"(発話)と"other"(それ以外)を分類する。
この作例のようにバチッとうまくいくケースもあるが、
実際のところうまくいかないケースもある。
昨日の記事でビルトイン音声分類器も"speech"や"silence"といったクラスをサポートしていることがわかったので、
このアプリの自作モデルをビルトイン分類器で置き換えてみて、元のカスタムモデルでうまくいった(動画の)音声/うまくいかなかった音声について適用してみた。
### 精度をどのように検証するのか
このChopperというアプリケーションはAIで(Sound Classifierを用いて)発話区間を検出し、そうではない区間をカットする、というもの。
そのカットすべき区間だけを集めた音声を出力し、人間が聞く(自分で聴いてみる)ことで、どの程度「非発話区間がきちんとカットできているか」を検証できる。
ここから先は
1,048字
#WWDC21 の勉強メモ
880円
堤がWWDC 2021およびiOS 15についてセッションやサンプルを見つつ勉強したことを記事にしていくマガジンです。NDAの都合上、Ap…
期間限定!Amazon Payで支払うと抽選で
Amazonギフトカード5,000円分が当たる
Amazonギフトカード5,000円分が当たる
最後まで読んでいただきありがとうございます!もし参考になる部分があれば、スキを押していただけると励みになります。 Twitterもフォローしていただけたら嬉しいです。 https://twitter.com/shu223/