三菱電機は、マイクで収音した混合音から、音源の種類をプロンプトで指定して目的の音を分離・抽出する処理を単一のAIモデルで実現する「タスク汎用音源分離技術」を開発したと発表した。
製造現場や公共空間では、機械音や人の声が周囲のノイズに埋もれることで、AIによる異常検知や音声操作、現場状況の把握が困難になるケースがある。従来の技術では、分離対象や用途ごとに個別の音源分離モデルを開発する必要があり、現場ごとに異なる音環境や利用目的への柔軟な対応が課題となっていた。
今回、三菱電機と米国現地法人のミツビシ・エレクトリック・リサーチ・ラボラトリーズは共同で、複数話者の分離・音声強調・環境音の抽出など複数の音源分離タスクを単一のAIモデルで実現する本技術を開発した。分離したい音の種類や数をプロンプトで指定する手法を新たに採用しており、会話・機械の稼働音・環境音・音楽が混在する中から、必要な音声や異常音、アラーム音などを抽出できる。
