使用データ:CatMeows v1.0.2
CatMeowsは、ミラノ大学の研究チームが公開した猫の鳴き声のデータセットです。MeowAtlasではv1.0.2の全440件を使用しています。対象は成猫21匹で、メインクーン10匹とヨーロピアンショートヘア11匹です。
録音機材と装着方法
小型Bluetoothヘッドセット「QCY Q26 Pro」のマイクを首輪に取り付け、喉の下で上向きに配置しています。猫と一緒にマイクが動くことで、口元との距離や向きの変化を抑える設計です。
Bluetooth接続したスマートフォンの「Easy Voice Recorder PRO」で録音しています。収録時のサンプリング周波数は8 kHzで、理論上の周波数の上限は4 kHzです。猫の声のうち、この帯域を超える成分は評価できません。
録音状況と収録手順
獣医師の立ち会いのもと、次の3つの状況で収録されています。
- ブラッシング
- 自宅で、飼い主が最大5分間ブラッシングします。
- 食事待ち
- 慣れた環境で、飼い主が食事の準備を始めます。開始から5分以内に餌を与えます。
- 隔離
- 慣れない部屋などに移動し、飼い主と30分間過ごした後、猫が最大5分間単独で過ごします。
配布音声の切り出し
原論文では、鳴き声を1回ずつ切り出し、前後にそれぞれ0.5秒の余白を残してWAV形式で保存したと説明されています。余白には背景音が含まれます。
音声ファイル名には、録音条件、猫ID、品種、性別・避妊/去勢の状態、収録回などの情報が記録されています。これらを、猫のプロフィール表示や音声の絞り込みに利用しています。
収録方法の出典:Ludovico et al.(2021)、第2〜3節(PDF)
地図の作成と見方
音の時間・周波数パターンをメルスペクトログラムで表し、その特徴量を教師なしUMAPで2次元に配置しています。録音条件のラベルは、配置の計算に使用していません。
横軸のUMAP 1・縦軸のUMAP 2は、次元削減後の座標です。物理的な単位はなく、音の高さや大きさを直接表す軸ではありません。
点の色は録音時の状況を表します。猫の感情や意図を示すものではありません。
ExperienceとAnalysisは同じ固定座標を使用しています。配置後の座標調整は行わず、地図の絞り込みでは表示する音声だけを切り替えます。
比較候補の選び方
「Bの比較候補」には、Aと比較する別の音声を最大3件表示します。「近い」ではAとの距離が小さい順に、「遠い」では大きい順に並べます。候補は、地図の絞り込み条件に合う音声から選びます。
- 音声特徴の距離
- UMAPに入力したメル特徴量どうしの距離です。
- 地図上の距離
- UMAPで得られた2次元座標どうしの距離です。
どちらもユークリッド距離で計算します。次元削減によって距離関係が変わるため、候補や順位が異なることがあります。
比較するときの留意点
特徴量には時間方向のパターンを残しており、発声開始位置の再検出や時間の伸縮は行っていません。距離には、音色に加えて、処理後の音声の長さ・発声の開始位置・背景音も影響します。
メインクーン10匹は同じ飼い主・飼育環境、ヨーロピアンショートヘア11匹は異なる飼い主・飼育環境から収録されています。この地図だけでは、品種による違いと飼育・録音環境による違いを切り分けられません。
近い点どうしでも似た声とは限らず、点のまとまりが明確な分類を示すとも限りません。音声とスペクトログラムを合わせて比較してください。
MeowAtlasでの前処理
原論文の第4.2節にある前処理例に従い、配布音声の冒頭と末尾をそれぞれ0.4秒除去し、両端に0.05秒ずつの線形フェードをかけています。鳴き声の前後に残された余白の背景音を減らすための処理です。フェードでは、冒頭の音量を徐々に上げ、末尾では下げます。
8 kHz・モノラルを維持し、処理後の音声を両ページでの再生と特徴量の計算に使用しています。メル特徴量とUMAPによる地図の作成は、MeowAtlasで採用した解析方法です。
前処理の出典:Ludovico et al.(2021)、第4.2節(PDF)
主な解析設定
- メルスペクトログラム
- 40帯域、0〜4 kHz。窓長30 ms(240サンプル)、ホップ長3.75 ms(30サンプル)、Hann窓。各音声の最大パワーを0 dBとする対数尺度に変換し、下限を−80 dBに制限しています。
- 特徴量の作成
- 音声ごとにスペクトログラム全体を平均0・標準偏差1に標準化し、時間方向の末尾を0で埋めて854フレームに揃えます。この0は標準化後の平均値を表します。40帯域 × 854フレームを1列に並べた、34,160次元のベクトルを使用しています。
- UMAP
- 2次元、近傍数15、min_dist 0.1、距離はユークリッド、乱数シード42、500エポック。
データ:CatMeows v1.0.2(配布元)。関連論文:Ludovico et al.(2021)。