音声の性別 ---------------- 音声と音声分析による性別認識 このデータベースは、音声と音声の音響特性に基づいて、音声を男性または女性として識別するために作成されました。データセットは、男性と女性の話者から収集された3,168の録音された音声サンプルで構成されています。音声サンプルは、seewaveとtuneRパッケージを使用してRで音響分析によって前処理され、分析される周波数範囲は0Hz - 280Hz（[人間の音声範囲][2]）です。 ## データセット 各音声の以下の音響特性が測定され、CSVに含まれています。 - **meanfreq**：平均周波数（kHz） - **sd**：周波数の標準偏差 - **median**：中央周波数（kHz） - **Q25**：第1四分位数（kHz） - **Q75**：第3四分位数（kHz） - **IQR**：四分位範囲（kHz） - **skew**：歪度（specpropの説明の注を参照） - **kurt**：尖度（specpropの説明の注を参照） - **sp.ent**：スペクトルエントロピー - **sfm**：スペクトル平坦度 - **mode**：最頻周波数 - **centroid**：周波数重心（specpropを参照） - **peakf**：ピーク周波数（最もエネルギーの高い周波数） - **meanfun**：音響信号全体で測定された基本周波数の平均 - **minfun**：音響信号全体で測定された最小基本周波数 - **maxfun**：音響信号全体で測定された最大基本周波数 - **meandom**：音響信号全体で測定された支配的な周波数の平均 - **mindom**：音響信号全体で測定された支配的な周波数の最小値 - **maxdom**：音響信号全体で測定された支配的な周波数の最大値 - **dfrange**：音響信号全体で測定された支配的な周波数の範囲 - **modindx**：変調指数。基本周波数の隣接する測定値の累積絶対差を周波数範囲で割って計算されます - **label**：男性または女性 ## 精度 ベースライン（常に男性を予測） 50% / 50% ロジスティック回帰 97% / 98% CART 96% / 97% ランダムフォレスト 100% / 98% SVM 100% / 99% XGBoost 100% / 99% ## 研究課題 データセットの独自の分析は、以下の記事にあります。 [機械学習を使用して音声の性別を識別する][3] 最良のモデルは、テストセットで99%の精度を達成します。CARTモデルによると、平均基本周波数を見るだけで、音声を正確に分類できるようです。ただし、一部の男性の音声は、女性の音声と共鳴が異なるにもかかわらず、より高い周波数を使用しており、誤って女性として分類される可能性があります。人間の耳には、音声の性別を決定するのは単なる周波数以上のものがあるようです。 質問 - 男性と女性の音声には、他にどのような特徴が異なっていますか？ - 男性と女性の音声の共鳴に違いを見つけることができますか？ - 通常の音声と仮声を識別できますか？（これには別のデータセットが必要になる可能性があります） - データに他に興味深い特徴はありますか？ CARTダイアグラム ![CARTモデル][4] 平均基本周波数は、音声の性別の指標となるようで、140Hzの閾値で男性と女性の分類が分かれています。 ## 参考文献 [ハーバード・ハスキンズの定期的にタイミングが取られた音声データベース](http://www.nsi.edu/~ani/download.html) [マギル大学の通信と信号処理研究所（TSP）音声データベース](http://www-mmsp.ece.mcgill.ca/Documents../Downloads/TSPspeech/TSPspeech.pdf)、[ホーム](http://www-mmsp.ece.mcgill.ca/Documents../Data/index.html) [VoxForge音声コーパス](http://www.repository.voxforge1.org/downloads/SpeechCorpus/Trunk/Audio/Main/8kHz_16bit/)、[ホーム](http://www.voxforge.org) [カーネギーメロン大学のFestvox CMU_ARCTIC音声データベース](http://festvox.org/cmu_arctic/) [1]: http://www.primaryobjects.com/2016/06/22/identifying-the-gender-of-a-voice-using-machine-learning [2]: https://en.wikipedia.org/wiki/Voice_frequency#Fundamental_frequency [3]: http://www.primaryobjects.com/2016/06/22/identifying-the-gender-of-a-voice-using-machine-learning/ [4]: http://i.imgur.com/Npr2U7O.png