6.1.3 AudioStreamFromWave

6.1.3.1 ノードの概要

音声波形データを WAVE ファイルから読み込む． 読み込んだ波形データは，Matrix<float> 型で扱われる． 行がチャネル，列が波形の各サンプルのインデックスとなる．

6.1.3.2 必要なファイル

RIFF WAVE フォーマットの音声ファイル． チャネル数，サンプリング周波数に制約はない． 量子化ビット数は，16 bit または 24 bit の符号付き整数の， リニア PCM フォーマットを仮定する．

6.1.3.3 使用方法

どんなときに使うのか

このノードは，HARK システムへの入力として，WAVE ファイルを読み込ませたいときに使う．

典型的な接続例

図6.9，6.10 に AudioStreamFromWave ノードの使用例を示す．

図6.9 は，AudioStreamFromWave が ファイルから読み込んだ Matrix<float> 型のマルチチャネル波形を MultiFFT ノードによって周波数領域に変換している例である．

AudioStreamFromWave でファイルを読み込むには，図6.10 のように Constant ノード (FlowDesigner の標準ノード) でファイル名を指定し， InputStream ノードでファイルディスクリプタを生成する． そして，InputStream ノードの出力を，AudioStreamFromWave など HARK の各種ノードのネットワークがある iterator サブネットワーク （図6.10 中の LOAD_WAVE）に接続する．

6.1.3.4 ノードの入出力とプロパティ

入力

INPUT

: Stream 型．FlowDesigner 標準ノードの，IO カテゴリにある InputStream ノードから入力を受け取る．

出力

AUDIO

: Matrix<float> 型．行がチャネル，列がサンプルのインデックスである， マルチチャネル音声波形データ．列の大きさはパラメータ LENGTH に等しい．

NOT_EOF

: bool 型．まだファイルを読めるかどうかを表す．ファイルに対する 繰り返し処理の終了フラグとして用いる．ファイルの終端に達したとき falseを出力し， それ以外のとき trueを出力する．

パラメータ

LENGTH

: int 型．512がデフォルト値．処理の基本単位であるフレームの長さをサンプル数で 指定する．値を大きくすれば，周波数解像度が上がる一方，時間解像度は下がる． 音声波形の分析には，$20 \sim 40$ [ms] に相当する長さが適切であると言われている． サンプリング周波数が 16000 [Hz] のとき，デフォルト値は 32 [ms] に相当する．

ADVANCE

: int 型．160がデフォルト値．音声波形に対する処理のフレームを， 波形の上でシフトする幅をサンプル数で指定する．サンプリング周波数が 16000 [Hz] のとき， 10 [ms] に相当する．

USE_WAIT

: bool 型．falseがデフォルト値．通常，HARK システムの音響処理は 実時間よりも高速に動作する． 処理に“待ち”を加えて，入力ファイルに対して実時間で処理を行いたい場合は trueに設定する． ただし，実時間よりも遅い場合は，trueにしても効果はない．

6.1.3.5 ノードの詳細

対応するファイルフォーマット: RIFF WAVE ファイルを読み込むことができる． チャネル数，量子化ビット数はファイルのヘッダから読み込むが，サンプリング周波数， 量子化手法を表すフォーマット ID は無視する． チャネル数，サンプリング周波数は任意の形式に対応する． サンプリング周波数が処理を行う上で必要になる場合は，パラメータとして要求するノードがある ( GHDSS ，MelFilterBank など)． 量子化手法とビット数は，16 または 24 ビット符号付き整数によるリニア PCM を仮定する．

パラメータの目安: 処理の目的が音声の分析 (音声認識など) の場合，LENGTH には $20 \sim 40$ [ms] 程度， ADVANCE には LENGTH の $1/3 \sim 1/2$ 程度が良いとされている． サンプリング周波数が 16000 [Hz] の時，LENGTH，ADVANCE のデフォルト値はそれぞれ， 32，10 [ms] に対応する．