AI歌声合成は、もう人の歌声と区別できないレベルに。東北イタコも追加されたNEUTRINOの新バージョン、0.400が無料でリリース｜DTMステーション
今年に入り、AI歌声合成の動きが激しく、その進化のすごさ、クオリティーの高さには驚くばかりです。中でも注目すべきは今年2月に彗星のように登場し、フリーウェアとして公開されたNEUTRINO（ニュートリノ）です。これはSHACHI(@SHACHI_NEUTRINO)さんが開発するフリーのソフトであり、これまで東北きりたん、謡子、そしてJSUT（いずれも学術的に公開されている歌声データベースを利用して開発している）の3つの歌声ライブラリが同梱されてました。そこに9月18日、新たに東北イタコが追加されたのです（9月18日現在、公開されている0.400には東北きりたん、東北イタコのみが同梱。それ以外については後日公開される模様です）。 先日、「AIきりたんに次ぐ第2のAIシンガー、東北イタコの歌唱データベース制作プロジェクトのクラウドファンディングスタート」という記事でも紹介し、無事にクラウドファ
ディープラーニングで歌声音声合成エンジンを自作する
この記事は、ドワンゴ Advent Calendar 2019の１日目の記事です。 モチベーション 最近、理想の人工知能（歌ったり踊ったり喋ったりできるキャラクター）を作りたいと思うようになりました。人工知能が歌を歌うためには、歌声音声合成エンジンが必要です。ということで、ディープラーニングを使って、歌声音声合成エンジンの作成に挑戦してみました。この記事では、実際に音声合成した歌声や、その仕組み、別条件での実験結果、ディープラーニング周りの手法を紹介します。 デモ動画実際に作成した音声合成エンジンを使った歌唱のデモです。 （歌声音声合成を作ったら絶対最初にカバーしたいと思っていた歌、ハジメテノオトのカバーです。） 歌唱デモ音声 まだ挑戦し始めてから２週間ほどしか経っていないのでかなり荒削りですが、それでもちゃんと歌詞や音程が取れていたり、溜めの部分で大きく息を吸う音が入っていたりと、そこそ
美少女声への変換と合成
Introduction今までは主に可愛い女の子の画像(or 動画)を生成することに取り組んできましたが、画面上に映せるようになったらやはり可愛い声で話して欲しいものです。そこで今回は、別の人の声が与えられた時に美少女声へと変換するための声質変換と、テキストが与えられた時に美少女声を生成するText-to-Speech(TTS)を行なった試行結果について述べようと思います。 Voice ConversionIntroduction声質変換のデータには2種類あります。それが、パラレルデータとノンパラレルデータです。以下にそれぞれの特徴を述べていきます。 パラレルデータを用いた声質変換 同じセリフを発する2種類の声を学習データとして用います。発話内容が同じのため、言語特徴を気にせず音響特徴量の変換を行うことが可能です。しかし、話速の違い等によって言葉を発するタイミングがずれてしまうのでDyna
キャラクター音声合成の進化と未来への試み--SAO「宣伝隊長アスナ」の舞台裏
アニプレックスは、テレビアニメ「ソードアート・オンライン」（SAO）に登場するヒロイン「アスナ」をバーチャルアバター化し、最新の音声合成技術を活用して発話する「宣伝隊長アスナ」として展開中。その経緯や狙いを聞いた。 SAOは川原礫氏による小説を原作とした作品。多方面で展開されているなか、10月からはテレビアニメシリーズ最新作となる「ソードアート・オンライン アリシゼーション」を全4クールで放送している。 宣伝隊長アスナは、SAOアリシゼーションを盛り上げる施策として開発されたもの。ソニーが開発したバーチャルアナウンサー「沢村碧」のシステムとしても活用されている「アバターエージェントサービス」をベースに、最新の音声合成技術で再現されたアスナの音声と、Live2Dによるモーショングラフィックでアスナを表現。昨今盛り上がりを見せているバーチャルYouTuberとは異なり、裏側で声や動きを演じてい
AI技術により超高精度な歌声合成を実現
株式会社テクノスピーチ（所在地：名古屋市千種区、代表取締役：大浦 圭一郎、以下 テクノスピーチ）と国立大学法人名古屋工業大学 国際音声言語技術研究所（所在地：名古屋市昭和区、代表：徳田 恵一、以下 名古屋工業大学）は、このたび人間の声質・癖・歌い方をこれまでになく高精度に再現できる歌声合成技術を開発いたしました。 テクノスピーチと名古屋工業大学は共同で音声合成・歌声合成技術の研究・開発に取り組んでおり、これまでに業務用カラオケ機器「JOYSOUND」や音声創作ソフトウェア「CeVIO Creative Studio」等に音声合成・歌声合成技術の導入を進めてきました。本研究では、特定の歌唱者の約２時間の歌声データベースに対して、深層学習等のAI技術を適用することにより、歌唱者の声質・癖・歌い方を学習しました。合成の際は、任意の歌詞付き楽譜を入力するだけで高品質な歌声を合成することができま
ようこそ歌うボイスロイドの世界へ！ボイロの仕組みに詳しくなろう！
2017/10/8(日)に開催された歌うボイスロイドワークショップの２番目の枠でスズモフが講演したときのスライドです。少し加筆修正しています。当初30分の予定が大幅にオーバーして60分かかりました。 《ようこそ歌うボイスロイドの世界へ！》 歌うボイスロイドとは何かについての簡単な紹介と実演です。 ※残念ながら実演シーンはスライド化してません。 《ボイスロイドの仕組みについてもっと詳しくなろう！》 歌うにせよ喋らせるにせよボイスロイドの事をもっと詳しくなっておけば出来る事も増えるはず！
Open JTalkで初音ミクの声でおしゃべりさせる on Mac/Linux/Raspberry Pi - karaage. [からあげ]
Raspberry Piでミクさんの声を使いたい！ 以前Raspberry Piで音声認識や音声合成をやっていました。 そのときは、手軽に使えるのと、ゆっくりっぽい声が好きだったので音声合成にはAquestalk Piを使っていました。 ただ、もうちょいかわいい声で喋って欲しいなと思って調べていたら、なんとOpen JTalkというフリーの音声合成ソフトで初音ミクの音声モデルが使えるというではないですか！Aquestalk Piはライセンス微妙にいやらしいし、これは使うっきゃないと思って早速トライしてみました。 結構参考サイトたくさんあるし、すぐできるだろうと思っていたら、例によって色々微妙にハマって思ったより大変でしたのですが、Raspberry PiだけでなくLinuxやMacでもミクさんの声でしゃべってもらうことができるという思わぬ（？）副作用もありました。作業手順残しておくので、興
![Open JTalkで初音ミクの声でおしゃべりさせる on Mac/Linux/Raspberry Pi - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/709ce4537ee049b05d7b2ba4641463d81c27eeed/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20160704%2F20160704223328.jpg)
Raspberry Piで音声認識・音声合成する方法（Raspbian Stretch/Jessie対応） - karaage. [からあげ]
Raspberry Piで音声認識・音声合成 Raspberry Piで音声認識・音声合成をする方法です。基本的にはほぼネットで調べたことそのままですが、バージョンなどの関係で、自分の環境ではそのままじゃダメなところ等あったので、自分の備忘録としてまとめておきます。参考にしたサイトは参考リンクにまとめました。2017年6月時点ではこの記事の方法でそのまま動くはずです。 Raspberry PiはRaspberry Pi 2/Raspberry Pi 3、OSはRaspbian Jessieを想定しています。 Raspberry Piの基本セットアップ Raspberry Piの基本的なセットアップは済んでいる前提です。セットアップに関しては、以下記事を参照ください。 音声認識するためには、Raspberry Piに音声入力する必要がありますが、Raspberry Piには標準でマイクがつい
![Raspberry Piで音声認識・音声合成する方法（Raspbian Stretch/Jessie対応） - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/7064b974d4b3aa8f6ea1ae29993a6e67acc2a39c/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20170611%2F20170611164838.jpg)
対話システムにおけるインタラクション 技術のこれまでとこれから：携帯機器での音声情報検索案内システムを例として(南 泰浩)
対話システムにおけるインタラクション 技術のこれまでとこれから：携帯機器での音声情報検索案内システムを例として(南 泰浩)
Windowsバッチで，手軽に日本語テキストを自動読み上げ（Text To Speech）する方法 …WSHでSAPIやSpeech.SpVoiceを使う音声合成の手順とサンプルコード - 主に言語とシステム開発に関して
バッチのまとめTOPへ バッチで，手軽に文章を音声で読み上げよう。 Windowsには，Text To Speech（＝TTS）のAPIが無料で提供されている。 英語や日本語の文章を動的にスピーカーから出力したり，読み上げ結果をWAVファイルに保存したりすることも簡単だ。 （１） 英語で読み上げて，スピーカーから出力（SAPI.SpVoice） （２） 英語で読み上げて，WAVファイルとして保存（同SAPI.SpVoice） （３） 日本語テキストを読み上げるための無料ツールを導入（Speech.SpVoice） （４） 日本語のテキスト読み上げ（Speech.SpVoice） 以下のサンプルコードは，WSH/JScriptで記述する。 （１）英語で読み上げて，スピーカーから出力（SAPI.SpVoice） まずWindowsのデフォルトの機能で「SAPI.SpVoice」というのがある。
人間同士の会話の特徴をヒントに開発。自然応答技術『HEARTalk』 - ニュースリリース - ヤマハ株式会社
人間同士の会話の特徴をヒントに開発 自然で心が感じられる音声対話システムの構築を支援する新技術 「自然応答技術」 - 本日より、技術の一部を利用できるライセンス提供を開始 - ヤマハ株式会社は、音声対話システムにおいて人間らしい自然な対話を可能にする自然応答技術『HEARTalk（ハートーク） ※ 』を開発しました。本日より、同技術の一部を利用できるソフトウェアとハードウェアのライセンス提供を開始します。 ◇ 機械やロボットに使われている音声対話システムは日々進化を続けており、さまざまな研究が世界中で数多くなされています。しかし、音声対話システムを搭載した機械やロボットと対話する際に、誰しもがその声を聞いただけですぐに機械の声とわかる不自然さを感じることが多いのも事実です。 通常、人間同士の会話では、呼びかける方の発話の声の強弱、長短、高低、間、抑揚などからなる「韻律」に合わせて、応答者
SPTKの使い方 (7) メルケプストラム分析合成 - 人工知能に関する断創録
SPTKの使い方 (6)（2012/8/5）の続き。 今回は、SPTK（2012/7/1）を使って音声合成の実験をしてみました。ここで言う音声合成は、テキストを音声に変換するTTS（Text-to-Speech）ではなく、分析合成と呼ばれるものです。 分析合成では、人間の音声からパラメータを抽出し、ソース・フィルタモデル（Wikipedia）を用いて音声を再合成します。いわゆるヴォコーダーという技術です。ヴォコーダー（Wikipedia）を調べると 本来の意味は通信用の音声圧縮技術で、携帯電話などの多くの機器で使用されている。音声の波形を直接送るのではなくパラメータ化して送り、受信側ではそれらのパラメータから元の音声を合成する。 ヴォコーダー（Wikipedia） とあります。ん？ということは、携帯電話で聞いているのは実際の肉声ではなく、パラメータから再合成した合成音声なのですかね？これは
なんかいろいろしてみます ダウンロード
音響モデル 音声合成ソフトSHABERUで使用できる音響モデルを配布します ファイル形式はhtsvoiceなので、対応しているソフトであればSHABERU以外でも利用可能です。利用する場合は各種音響モデルの利用規約を守ってお使いください。各キャラクターの利用規約も守ってください
フランス語で歌えるバーチャルシンガー「ALYS」、変遷の末「新合成方式」で3月デビュー
フランス語と日本語で歌えるバーチャルシンガー「ALYS」（アリス）が2016年3月10日に発売される。フランス語で歌える商用バーチャルシンガーは初めて。 ALYSを開発するフランスのVoxWaveは、カナダのPlogue Art et Technologieと提携し、Plogueの歌声合成プラットフォーム「Alter/Ego」を採用すると発表した。 2015年1月に発売されたレトロ音声合成ソフト「chipspeech」を現代風に進化させたものがAlter/Egoで、9月から「Daisy」という音源とともに無料公開されている。現在は「Formant Singer」を採用しているが、他の合成方式も利用できるよう進化するとしている。 Alter/EgoはCubaseをはじめ標準的なDAW（音楽制作ソフト）で使われているVST、Logic Pro XやGarageBandで使われているAudioU
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
【誌上体験】音声発話技術と歌声合成の最前線、「VoiceText」の最新技術とそのしくみ - ロボスタ ロボスタ - ロボット情報WEBマガジン
Creators UpdateでWindows 10 IoT CoreがRaspberry Pi 3に正式対応 ～コルタナを使った音声アシスタントも利用可能に
コミュニケーションロボット「ATOM(アトム)」にVoiceTextが採用 ～講談社ら5社共同開発「ATOMプロジェクト」～
［速報］「Amazon AI」として、画像認識／テキスト音声変換／音声認識と自然言語理解の3つを発表。AWS re:Invent 2016
Google Drive: Sign-in
http://mahoro-ba.net/e1876.html
