三菱電機は、収音した複雑な混合音から、分離・抽出したい音の種類や数をプロンプトで指定し、単一のAIモデルで分離・抽出する「タスク汎用音源分離技術（Task-Aware Unified Source Separation：TUSS）」を開発したと発表しました。
製造現場や公共空間などの音響的に複雑な環境において、物理空間で動作する「フィジカルAI」システムが状況をより正確に把握できるようにし、信頼性向上に寄与します。
プロンプト指定により単一AIで多様な音源分離に対応
従来、音を利用するタスクでは、人や機械などの対象音が他の音に遮られると、正確な把握が困難になる課題がありました。また、対象とする音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ました。
米国マサチューセッツ州ケンブリッジの三菱電機リサーチ・ラボラトリーズ（MERL）と共同開発した「TUSS」は、プロンプトを用いて分離・抽出したい音源の種類や数を指定する手法を採用しています。これにより、複数人の会話を分ける「音声分離」、ノイズを除去する「音声強調」、多様な音を分ける「環境音抽出」といった異なるタスクを単一のAIモデルで実行できます。個別の専用モデルを開発することなく、多様な音響環境の変化や運用要件へ柔軟に対応できます。
現場の音をAIアプリケーションへ連携
抽出した音を、異常検知や音声認識、音声による機器操作、作業記録といった各種AIアプリケーションに連携することで、システムが複雑な状況をより正確に把握できるようにします。
なお、本技術は10月13日から幕張メッセで開催される「CEATEC 2026」にて展示される予定です。会場では、収音した機械音や楽器音、複数話者の音声が混在する音を処理し、プロンプトで指定した音源を分離・抽出するデモンストレーションが実施されます。
タスク汎用音源分離技術（TUSS）とは
タスク汎用音源分離技術（TUSS）とは、複数の音が混ざった環境から、プロンプトで指定した種類や数の音源を分離・抽出する技術です。音声分離、音声強調、環境音抽出などを単一のAIモデルで実行でき、異常検知や音声認識、音声による機器操作などへの連携が可能です。
参照元：Mitsubishi Electric Develops Task-Aware Unified Source Separation Technology
RELATED｜関連記事
-
-
-
ゲキサカ、サッカーの舞台裏を語る公式ポッドキャストを配信中
2025/05/22
にぎやかな場所でも音声AIが使いやすくなりそう。