AIBR プレミアム
田中専務
拓海さん、最近「音源分離」という言葉が社内でも出てまして、要するに工場の騒音から機械音だけを取り出すとか、会議音声で話者だけを分ける技術ですよね。新しい論文が出たと聞きましたが、私でも分かるように教えていただけますか。
AIメンター拓海
素晴らしい着眼点ですね！音源分離はまさに工場騒音の分離や、会議での声の抽出に直結しますよ。今回の論文はMMDenseNetという畳み込みベースの仕組みにLSTMという「時間を覚える」仕組みをうまく組み合わせて、精度を上げつつモデルを小さく保つという工夫を示しています。大丈夫、一緒に要点を3つに分けて整理できますよ。
田中専務
要点を3つというと、まずは何が一番違うんでしょうか。うちが導入検討する際に一番聞きたいのは「投資対効果」です。計算や運用がややこしいと現場が困ります。
AIメンター拓海
素晴らしい着眼点ですね！要点その1は「精度向上」、その2は「モデルの効率化」、その3は「現場適用のしやすさ」です。精度向上は雑音の混ざったデータから目的の音だけをよりきれいに取り出す効果を指します。効率化は計算資源やモデルサイズを抑えることで、安価なハードウェアでも動くということです。現場適用は、実装が複雑でないこと、推論時間が短いことを意味しますよ。
田中専務
「LSTM」というのは聞いたことがありますが、簡単に教えてください。現場の若手に説明するときに端的に言える言葉が欲しいです。
AIメンター拓海
