audio-voice-recovery

法科学的音声研究における音声復元のベストプラクティス

低品質、音量の小さい、または損傷した音声録音から音声を復元するための、CSI レベルの機能を備えた包括的な音声鑑識・音声復元ガイドです。8 つのカテゴリにわたる 45 のルールを収録し、音声の強調、法科学的分析、文字起こしのワークフローを影響度に基づいて優先順位付けしています。

適用する場面

以下のような場合に、このガイドラインを参照してください。

• ノイズの多い録音や低品質の録音から音声を復元する場合
• 文字起こしや法的証拠のために音声を強調する場合
• 音声の法科学的な認証を実施する場合
• 改ざんや編集箇所の有無を調べるために録音を分析する場合
• 自動音声処理パイプラインを構築する場合
• 聞き取りにくい音声や劣化した音声を文字起こしする場合

優先度別のルールカテゴリ

優先度	カテゴリ	影響度	プレフィックス	ルール数
1	信号の保全と分析	重大	signal-	5
2	ノイズのプロファイリングと推定	重大	noise-	5
3	スペクトル処理	高	spectral-	6
4	音声の分離と強調	高	voice-	7
5	時間領域の処理	中〜高	temporal-	5
6	文字起こしと音声認識	中	transcribe-	5
7	法科学的認証	中	forensic-	5
8	ツール連携と自動化	低〜中	tool-	7

クイックリファレンス

1. 信号の保全と分析（重大）

• signal-preserve-original - 元の録音は決して変更しない
• signal-lossless-format - 処理には可逆形式を使用する
• signal-sample-rate - 元のサンプルレートを維持する
• signal-bit-depth - 処理には最大ビット深度を使用する
• signal-analyze-first - 処理前に分析する

2. ノイズのプロファイリングと推定（重大）

• noise-profile-silence - 無音区間からノイズプロファイルを抽出する
• noise-identify-type - ノイズ低減の前にノイズの種類を特定する
• noise-adaptive-estimation - 非定常ノイズには適応型推定を使用する
• noise-snr-assessment - 処理の前後に SNR を測定する
• noise-avoid-overprocessing - 過剰な処理やミュージカルノイズを避ける

3. スペクトル処理（高）

• spectral-subtraction - 定常ノイズにはスペクトル減算法を適用する
• spectral-wiener-filter - 最適なノイズ推定にはウィーナーフィルターを使用する
• spectral-notch-filter - 音程のある干渉音にはノッチフィルターを適用する
• spectral-band-limiting - 音声には周波数帯域制限を適用する
• spectral-equalization - 法科学的イコライゼーションを使用して明瞭度を回復する
• spectral-declip - 他の処理を行う前にクリッピングされた音声を修復する

4. 音声の分離と強調（高）

• voice-rnnoise - リアルタイムの機械学習ノイズ除去には RNNoise を使用する
• voice-dialogue-isolate - 複雑な背景音には音源分離を使用する
• voice-formant-preserve - ピッチ操作中はフォルマントを維持する
• voice-dereverb - 部屋の反響音には残響除去を適用する
• voice-enhance-speech - 手早く結果を得るには AI 音声強調サービスを使用する
• voice-vad-segment - 対象を絞った処理には VAD を使用する
• voice-frequency-boost - 特定の音素に合わせて周波数帯域をブーストする

5. 時間領域の処理（中〜高）

• temporal-dynamic-range - ダイナミックレンジ圧縮を使用して音量を均一にします
• temporal-noise-gate - ノイズゲートを適用して、音声以外の区間を無音にします
• temporal-time-stretch - タイムストレッチを使用して明瞭度を高めます
• temporal-transient-repair - トランジェントの損傷（クリック音、ポップ音、音切れ）を修復します
• temporal-silence-trim - 無音部分をトリミングし、書き出し前に正規化します

6. 文字起こしと認識（中）

• transcribe-whisper - ノイズに強い文字起こしに Whisper を使用します
• transcribe-multipass - 音声が聞き取りにくい場合にマルチパス文字起こしを使用します
• transcribe-segment - 対象を絞った文字起こしのために音声を分割します
• transcribe-confidence - 確信度スコアを記録して、不確かな単語を追跡します
• transcribe-hallucination - ASR のハルシネーションを検出して除外します

7. フォレンジック認証（中）

• forensic-enf-analysis - タイムスタンプ検証に ENF 分析を使用します
• forensic-metadata - 音声メタデータを抽出して検証します
• forensic-tampering - 音声の改ざんや接合を検出します
• forensic-chain-custody - 証拠の保管・管理の連鎖を記録します
• forensic-speaker-id - 識別のために話者の特徴を抽出します

8. ツールの統合と自動化（低〜中）

• tool-ffmpeg-essentials - 基本的な FFmpeg 音声コマンドを習得します
• tool-sox-commands - 高度な音声編集に SoX を使用します
• tool-python-pipeline - Python 音声処理パイプラインを構築します
• tool-audacity-workflow - 視覚的な分析と手動編集に Audacity を使用します
• tool-install-guide - 音声フォレンジックのツールチェーンをインストールします
• tool-batch-automation - バッチ処理のワークフローを自動化します
• tool-quality-assessment - 音声品質の指標を測定します

必須ツール

ツール	用途	インストール
FFmpeg	フォーマット変換、フィルタリング	brew install ffmpeg
SoX	ノイズプロファイリング、エフェクト	brew install sox
Whisper	音声の文字起こし	pip install openai-whisper
librosa	Python 音声分析	pip install librosa
noisereduce	ML ノイズ低減	pip install noisereduce
Audacity	視覚的な編集	brew install audacity

ワークフロースクリプト（推奨）

同梱のスクリプトを使用して、客観的なベースラインを生成し、ワークフロー計画を作成して、結果を検証します。

• scripts/preflight_audio.py - フォレンジックの事前確認レポートを生成します（JSON または Markdown）。
• scripts/plan_from_preflight.py - 事前確認レポートからワークフロー計画のテンプレートを作成します。
• scripts/compare_audio.py - ベースライン音声と処理済み音声の客観的な指標を比較します。

使用例：

# 1) Analyze and capture baseline metrics
python3 skills/.experimental/audio-voice-recovery/scripts/preflight_audio.py evidence.wav --out preflight.json

# 2) Generate a workflow plan template
python3 skills/.experimental/audio-voice-recovery/scripts/plan_from_preflight.py --preflight preflight.json --out plan.md

# 3) Compare baseline vs processed metrics
python3 skills/.experimental/audio-voice-recovery/scripts/compare_audio.py \
  --before evidence.wav \
  --after enhanced.wav \
  --format md \
  --out comparison.md

フォレンジック事前確認ワークフロー（変更前に必ず実施）

SWGDE Best Practices for the Enhancement of Digital Audio (20-a-001) および SWGDE Best Practices for Forensic Audio (08-a-001) に沿って事前確認を行います。 客観的なベースライン状態を確立し、処理によってクリッピング、アーティファクト、または誤った「完了」の確信が生じないようにワークフローを計画します。 scripts/preflight_audio.py を使用してベースライン指標を取得し、レポートをケースファイルとともに保存します。

処理前に取得・記録する項目：

• 証拠の識別情報と完全性を記録します：パス、ファイル名、ファイルサイズ、SHA-256 チェックサム、ソース、フォーマット／コンテナ、コーデック
• 信号の完全性を記録します：サンプルレート、ビット深度、チャンネル数、再生時間
• ベースラインのラウドネスとレベルを測定します：LUFS/LKFS、トゥルーピーク、ピーク、RMS、ダイナミックレンジ、DC オフセット
• クリッピングを検出し、クリップしたサンプルの割合、ピークヘッドルーム、正確な時間範囲を記録します
• ノイズプロファイルを特定します：定常ノイズか非定常ノイズか、主要なノイズ帯域、SNR の推定値
• 関心領域（ROI）を特定し、時間範囲と時間経過に伴う変化を記録します
• スペクトル成分を調べ、音声帯域エネルギーと明瞭度へのリスクを推定します
• 時間的な欠陥をスキャンします：ドロップアウト、不連続、スプライス、ドリフト
• チャンネル間の相関と位相の異常を評価します（ステレオの場合）
• メタデータを抽出して保存します：タイムスタンプ、デバイス／モデルタグ、埋め込みメモ

手順：

1. フォレンジック用の作業コピーを準備し、ハッシュを検証して、元データには一切手を加えず保存します。
2. ROI と対象信号を特定し、正確な時間範囲と録音全体を通じた変化を記録します。
3. 明瞭度と信号品質に影響する課題を評価し、課題と緩和策を対応付けます。
4. 必要な処理を特定し、望ましくないアーティファクトを避ける処理順を計画します。 scripts/plan_from_preflight.py で計画の草案を生成し、ケース固有の判断を加えて完成させます。
5. ITU-R BS.1770 / EBU R 128 に基づいてベースラインのラウドネスとトゥルーピークを測定し、ピーク／RMS／DC オフセットを記録します。
6. クリッピングとドロップアウトを検出します。クリッピングがある場合は、まずデクリッピングを行うか、作業を中断して制約を記録します。
7. スペクトル成分とノイズの種類を調べ、代表的なノイズプロファイルの区間を収集して SNR を推定します。
8. ステレオの場合は、チャンネル間の相関と位相を評価し、異常を記録します。
9. 複数のデバイスを使ったベースラインの聴取ログを作成し、明瞭度と聴きやすさの成功基準を定めます。

失敗パターンを防ぐためのガードレール：

• 事前確認のすべての項目を取得するまで、処理を行わないでください。
• 再現できるよう、各処理、設定、ソフトウェアのバージョン、時間区間をすべて記録してください。
• 処理済みの出力を未処理の入力と比較し、明瞭度と聴きやすさの向上度を評価してください。
• 過剰な処理を避け、除去された信号（フィルター残差）を確認して、対象信号の成分を取り除いていないことを確かめてください。
• 中間ファイルは非圧縮のまま保ち、ツール間で移動する際はサンプルレート／ビット深度を維持してください。
• 元データと照合して最終確認を行ってください。満足できない場合は修正するか、作業を中止して制約を報告してください。
• 要求された内容が実現できない場合は、制約を伝え、完了したと宣言しないでください。
• 完了を宣言する前に、客観的な指標と A/B 聴取を必須としてください。
• 客観的な指標だけに頼らず、批判的な聴取で裏付けてください。
• 長時間の確認では、耳の疲労を避けるために聴取の休憩を取ってください。

クイック音声強調パイプライン

# 1. Analyze original (run preflight and capture baseline metrics)
python3 skills/.experimental/audio-voice-recovery/scripts/preflight_audio.py evidence.wav --out preflight.json

# 2. Create working copy with checksum
cp evidence.wav working.wav
sha256sum evidence.wav > evidence.sha256

# 3. Apply enhancement
ffmpeg -i working.wav -af "\
  highpass=f=80,\
  adeclick=w=55:o=75,\
  afftdn=nr=12:nf=-30:nt=w,\
  equalizer=f=2500:t=q:w=1:g=3,\
  loudnorm=I=-16:TP=-1.5:LRA=11\
" enhanced.wav

# 4. Transcribe
whisper enhanced.wav --model large-v3 --language en

# 5. Verify original unchanged
sha256sum -c evidence.sha256

# 6. Verify improvement (objective comparison + A/B listening)
python3 skills/.experimental/audio-voice-recovery/scripts/compare_audio.py \
  --before evidence.wav \
  --after enhanced.wav \
  --format md \
  --out comparison.md

使用方法

詳細な説明とコード例については、各リファレンスファイルを参照してください。

• セクション定義 - カテゴリー構造と影響レベル
• ルールテンプレート - 新しいルールを追加するためのテンプレート

リファレンスファイル

ファイル	説明
AGENTS.md	すべてのルールをまとめた完全ガイド
references/_sections.md	カテゴリーの定義と順序
assets/templates/_template.md	新しいルール用のテンプレート
metadata.json	バージョンとリファレンス情報