機械学習 メル周波数ケプストラム係数：音色の特徴をつかむ
私たちが日常的に耳にする音は、実に多様で、それぞれに個性があります。「明るい音色」「暗い音色」「温かい音色」「冷たい音色」などと表現されるように、音は単なる物理現象を超えて、私たちの感情や感覚に直接訴えかけてくる力を持っています。このような音色の違いは、音の波形が持つ複雑な特徴によって生まれます。音をコンピュータで扱う場合、音の波形はデジタルデータとして表現されますが、そのままでは「明るい」「暗い」といった音色の違いを捉えることはできません。そこで、音色を特徴づける数値化された表現が必要となります。このような音色の特徴表現は、音楽情報検索や音声合成、楽器の音色設計など、様々な分野で応用されています。音色の特徴表現には、様々な方法が提案されていますが、その中でも代表的なものの一つにメル周波数ケプストラム係数があります。これは、人間の聴覚特性を考慮したメル周波数と呼ばれる尺度を用いて、音のスペクトル包絡の形状を表現したものです。この係数を用いることで、音色の類似度を数値化したり、音色を別の音に変化させたりすることが可能になります。
