半侵入型オーディオ評価: 非侵入型評価をマルチモーダルなテキスト予測タスクとして位置づける

オーディオ信号の特定の音源に注目できる人間の能力を模倣するため、オーディオ評価タスクをテキスト予測タスクとして位置づける。