やること
こんにちは、Suzuです。前回はモノマネをしているウマ娘声優さんの声をフーリエ変換しました。
ここからはスペクトログラムの定量比較を行います！
前回の題材のままではやりにくいので、新しい題材として「うまぴょい伝説」という曲を使用します。曲はリズムが揃っているため、時間軸を揃えた比較がしやすいからです。
ズキューン、ドキューン、走り出し〜 ₍₍ (ง ˘ω˘ )ว ⁾⁾
「うまぴょい伝説」はウマ娘のアニメや映画で流れるED曲です。一度聞いたら頭から離れませんﾌｯﾌｰｳ↑↑
参考文献
音声データのフーリエ変換については前回の記事をご参照ください。
選出したウマ娘
まずは選出されたウマ娘の紹介です。
１人目：ライスシャワー（以下ライス）
ライスシャワーはアニメ２期で活躍し、メジロマックイーンとミホノブルボンの３連覇をそれぞれ阻止しました。素直で可愛くてファン投票では（略
２人目：トウカイテイオー（以下テイオー）
トウカイテイオーはアニメ２期の主人公です。３度の骨折を乗り越えて挑んだ1993年の有馬記念は奇跡の復活と呼ばれ、このレースを観戦した著者は涙腺が崩壊し鼻水を（略
３人目：メジロマックイーン（以下マックイーン）
メジロマックイーンは「ですわ」系のお嬢様でありながら、甘いものと野球が大好きなウマ娘です。前回の記事に登場したゴルシの祖父にあたり、レースでは（
使用した音声データ
３人がソロで歌っている音源から「こんな～レースは～初めて～♪」を切り出しました。ポジティブコントロール（陽性対照、類似度100%になるはず）用にライスシャワーの素材は２個用意しました（音源は同じ）。
ライス①
声優は石見舞菜香さん。同じく声優の花澤香菜さんと声が似ているともっぱらの噂です。
ライス②
テイオー
声優はMachicoさんです。「しゃくり」がある声だと思います。
マックイーン
声優は大西沙織さんです。あー、いい（語彙力
音声のフーリエ変換
前回のコードの後ろにこちらを追加しました。「spec」を算出してからの続きです。
import cv2
#-infを削除
for i in range(len(spec)-1, -1, -1):
if -np.inf in spec[i]:
spec = np.delete(spec, i, 0)
#規格化
spec[spec<0] = 0
spec = (spec / 100) * 255
print(np.min(spec), np.max(spec))
#画像化
spec = spec.astype('uint8')
#高周波領域を破棄
spec = spec[:, :150]
#左右反転（後に転置するので上下反転に相当）
spec = cv2.flip(spec, 1)
#画像保存
cv2.imwrite('rice1.png', spec.T)ライス①
ライス②
テイオー
マックイーン
それぞれFFT画像が保存できました。横軸が時間、縦軸が周波数、色が成分量です。
高周波成分は少なかったのである程度カットしています。縦軸は揃っています。横軸は音源切り出しのズレがあるので揃っていません。なんとなく成分が類似していることが分かりますね。
FFT画像のトリミング
横軸（発話タイミング）を揃えるためにFFT画像をトリミングします。パワーポイントで「こんな～レースは～はじめて」の部分を慎重にトリミングしました。
赤線で発話タイミングを吟味します。
四角を置いて、
重なりを抽出。
ライス①
ライス②
テイオー
マックイーン
これに加えてネガティブコントロール（陰性対照）として真っ黒な画像も用意しました。
blank画像
手作業なので多少のズレはあるかと思いますが、これで横軸も揃いました。
テイオーのスペクトログラムは「しゃくり」がよく見える気がします。マックイーンは高音域の倍音がよく確認できます。うまく個性が抽出できていると思います。
続きます
今回は「こんな～レースは～初めて～♪」のFFT画像のトリミングまで終わりました。次回は最終回、類似度を定量的に比較します↓
