WORLD（ワールド）は、森勢将雅らによって開発された、ボコーダの考え方に基づく音声分析・変換・合成システムである。音声信号から基本周波数（F0）、スペクトル包絡および非周期性指標を推定し、これらの音響パラメータから音声波形を合成する。公式実装は修正BSDライセンスで公開されている。
WORLDは、リアルタイム音声応用の音質向上を目的として開発された。
開発 WORLDは、2011年に日本音響学会聴覚研究会で提案と基礎的評価が報告された。2016年に発表された論文は、バージョン0.1.4を対象としており、基本周波数推定法のDIO、スペクトル包絡推定法のCheapTrick、励起信号抽出法のPLATINUMを用いた構成を説明している。同論文は、電子情報通信学会情報・システムソサイエティの平成29年度論文賞をシステム開発論文として受賞した。
非周期性指標推定法のD4Cはバージョン0.2.0以降で用いられ、PLATINUMはバージョン0.1.4までの構成要素とされている。
仕組み WORLDは、分析段階で基本周波数、スペクトル包絡および非周期性に関するパラメータを求め、合成段階でそれらを用いて音声波形を生成する。2016年の論文が扱ったバージョン0.1.4では、DIOが基本周波数を、CheapTrickがスペクトル包絡を推定し、PLATINUMが励起信号を抽出していた。
公式実装では、基本周波数推定法としてDIOとHarvest、スペクトル包絡推定法としてCheapTrick、非周期性指標推定法としてD4Cが用意されている。Harvestは、基本周波数の候補を求めた後、その候補から信頼性のあるF0軌跡を生成する手法である。CheapTrickはスペクトル包絡を推定する手法であり、D4Cは帯域ごとの非周期性指標を推定する。
利用と評価 声質変換では、WORLDは音響パラメータの抽出と、変換後の音声波形の合成に用いられている。Bargumほかが2017年から2023年の深層学習に基づく声質変換研究を調査したレビューでは、WORLDの使用例は25件と集計されている。同レビューは、WORLDをソース・フィルタモデルの一例に分類している。また、この種のパラメトリック方式について、頑健性と柔軟性を備える一方、合成方式に由来するアーティファクトが生じる場合があると述べている。
Choほかによる歌声合成のサーベイは、XiaoiceSingがWORLDをボコーダとして使用したことを紹介している。同サーベイは、XiaoiceSingについて、音響モデルの客観評価とは対照的に、主観評価がWORLDによる波形生成の品質に左右されたとする原著者らの見解を取り上げている。また、同サーベイで取り上げられたHiFiSingerは、WORLDに代えてParallel WaveGANを使用し、48 kHzのサンプリング周波数で波形を生成する。
WORLDを基にした微分可能なボコーダも提案されている。Hayesほかのレビューは、Nercessianによる微分可能なWORLDボコーダと、その歌声変換への応用を紹介している。同レビューによれば、提案者は、このボコーダを決定論的なWORLD特徴量エンコーダおよび学習型デコーダと組み合わせた構成について、ピッチ輪郭の制御性を高めながら位相コヒーレンスを確保できると論じている。
開発者らは2016年の論文で、再合成音声の品質を評価するとともに、処理速度を従来方式と比較した。著者らは、同論文の実験条件ではWORLDの処理速度が比較対象の方式を10倍以上上回り、リアルタイム係数（RTF）もリアルタイム処理が可能な値だったと報告している。
脚注
外部リンク WORLD公式ウェブサイト mmorise/World - GitHub