音声の時間伸縮とピッチ保持

PCMの再生時間を音程変化なしで伸縮し、元/伸縮PCMと位相追跡を比較する。

PCMは数値列です。空白は欠測として補完せず、全サンプルを明示してください。

この数値入力は最大1024サンプルです。10秒の音声処理は計算コアの上限であり、この画面の入力上限ではありません。

項目を入力・選択してから「計算する」を押してください。

選択内容に応じて、残りの入力項目を案内します。

計算する内容

改行・空白・タブで区切って入力してください。1,234は1つの数値です。1024個まで。

サンプル順に入力します。値の範囲は-1〜1、最大1024サンプルです。

8000〜96000 Hzの整数。数値列が実音声を表す時の収録レートです。

0.25〜4倍。2なら長さ2倍・速度1/2、0.5なら長さ1/2・速度2倍です。

1以上、フレーム長の1/4以下の整数。小さいhopほど計算量が増えます。


計算結果

値を入力して計算してください。

お気に入り一覧

計算方法・適用範囲・出典

計算方法

入力x[n]を周期Hann窓でSTFTし、隣接フレームの位相差Δφから予測bin回転2πkH/Nを引き、主値(-π,π]へunwrapします。変換先フレームmは入力フレーム位置m/長さ倍率のスペクトル振幅を線形補間し、bin位相を前段の位相から「2πkH/N+残差」ずつ累積します。共役対称FFTを逆変換し、窓を再度掛けて重畳加算し、窓二乗和で正規化します。中心化zero padding後、出力サンプル数をround(元サンプル数×長さ倍率)に揃えます。フレーム境界の位相補正は過渡音や定位の品質を保証しません。

PCM全サンプル、出力秒数、速度比、ゼロ交差周波数比較、STFT位相残差。

計算例(架空の数値)

例:8000 Hzで1秒の440 Hz正弦波を2倍に伸ばすと、出力は16000サンプル(2秒)、音高はおおむね440 Hzです。単純な再標本化では約220 Hzへ下がります。

適用対象と限界

等間隔PCM(-1〜1)、8000〜96000 Hz、単音系でピッチ推定可。音声ファイルは数値PCMへのデコードが別途必要。トランジェント品質保証、歌声のformant保持、ステレオ定位保持、音声コーデック入出力、再生、WAV保存は対象外。。

方法と出典

方法:E1362 PV-stretch v1.0 (librosa 0.10.2 phase-vocoder scheme; local OLA endpoints)。データ記録日:2026-11-14。