Q は、グーグル/アップル/アマゾン/マイクロソフトなどIT大手のスマートスピーカーや音声アシスタントに向けて提案された、男性でも女性でもない合成音声です。 サイトトップでクリックすると、その男女どちらでもない合成音声を聴いてみることができます。 デンマーク・コペンハーゲンのLGBTパレード団体やAIのバイアス問題に対処しようという団体らによって制作されたこの音声は、GoogleアシスタントやAmazonアレクサなどの音声アシスタントの音声が「男性声」「女性声」からの選択を強いていることに対する問題提起だということ。 言われてみれば、機械で合成しているのだから人工音声で男性か女性の声を選ばないといけない理由はないわけです。 「テクノロジー企業は、合成音声の性別を選択できることで人々がより快適になると信じ、性別をテクノロジーに持ち込んでいます」 「残念なことに、これらによって性別が必ずはっき

「ゆ　っ　く　り　し　て　い　っ　て　ね　！　！　！」 ニコニコ動画などで10年超にわたって使われているフレーズですから、ご存じの方は“脳内再生余裕でした”という感じでしょう。ゲーム実況などの分野では「ゆっくりボイス」と呼ばれる合成音声を使う手法が定着しており、耳にしただけで、丸っこくデフォルメされた東方Projectのキャラクターが頭に浮かぶ人もいるのではないでしょうか。 筆者は「魔理沙だぜ」の方が脳内再生しやすいです（AsciiArt*AsciiArtより） しかし、意外と知られていないのは、この合成音声の“正体”です。 使用されているエンジン「AquesTalk」は本来、動画制作ではなく、組み込み用途向けに開発されたもの。また、有名声優などの声をベースにしているわけでもなく、エンジニアが自分の耳を頼りにチューニングし、手作業で作り上げたといいます。 今や「日本におけるインターネット文

リンク www.izotope.com Recording Vocals: Tips from GRAMMY-winning Engineer Brian Warwick GRAMMY-winning engineer Brian Warwick shares tips for recording a great vocal performance in the studio and at home, his approach using tuning software, and more.

2017年、米Googleや米Amazonなどの「スマートスピーカー」と呼ばれるデバイスの普及が日本で始まった。例えば、「ねえGoogle、今日の予定は？」と話しかけると、カレンダーアプリに入力していた予定を流ちょうな日本語で読み上げてくれる。中に人がいるわけではない。デバイスが人の声を認識し、応答となる声を合成しているのだ。 このデバイスが音声で応答するために使用しているコアの技術は、「音声認識」と「音声合成」という2つの技術だ。音声認識は人の声の波形を機械で処理し、どんな文であったかを推定する技術。音声合成は与えられた文やデータから、人が話す音声を合成する技術だ。 ここに、音声認識で推定した文に対して適切な応答文を出力する「対話制御」という技術が加わり、「人の話を聞いて適切な応答を音声で返す」という一連の動作を実現している。 音声認識・合成ともに、コンピュータを利用した研究は1950年

結月ゆかりになるのが将来の夢です。自分の声を直接結月ゆかりの声に変換できるようにしました。追記声質変換の結果は分かりやすくするために編集で重ねています。テキストを介さないので、感情やイントネーションを直接声質変換できます。バーチャルYoutuberになりたいなぁ。追記：Vtuberゆかりさんになりました　mylist/63405223解説ブログhttps://hiroshiba.github.io/blog/became-yuduki-yukari-with-deep-learning-power/ソースコード（Python+Chainer）https://github.com/Hiroshiba/become-yukarin毎朝プログラミングするコミュco3686550ツイッターhttps://twitter.com/hiho_karutaスペシャルサンクス@Kyowsuke@Akish

Googleら、テキストから機械学習を使って人間のようなスピーチを生成する人工音声生成モデル「Tacotron 2」を論文にて発表。サンプル音声あり 2017-12-20 Googleとカリフォルニア大学バークレー校の研究者らは、テキストから訓練されたニューラルネットワークを使って人間のようなスピーチを生成する人工音声生成モデル「Tacotron 2」を論文にて発表しました。 Natural TTS Synthesis by Conditioning WaveNet on Mel Spectrogram Predictions Audioのサンプルはこちらから聞けます。 （Tacotron 2のアーキテクチャ） 本稿は、Googleの以前の機械学習音声生成プロジェクト「WaveNet」と「Tacotron」のアイディアを取り入れ改良した機械学習モデルを提案します。 本アプローチは、複雑な言

海坂侑 //Yu Unasaka @ameni1952 新潟駅の新幹線⇄在来線の乗換時に流れる音声案内がちょっと慌てちゃうようなエッチな声で、いつもけしからんなと思っていたけれど、誠樹ふぁんさんっていうアダルトゲームの声優さんなんだって教えてもらった。長い勤め人生活の中で一度でも、こうして趣味に走る機会を得たJRの担当者は幸せ者だよな pic.twitter.com/TO0fvb4H6f 2016-11-22 04:07:34

アンメルツP（@gcmstyle）さんの、表題のツイートからの一連の流れが興味深かったので。 その後の流れを追加してるうちにどんどん脱線してる感はありますが、そこから見えてくるものもあるかもしれないので、流れのままにという編集方針でいきます。 【参考】「第80回　VOCALOID聴き専ラジオ」 http://togetter.com/li/132903 2011年5月の鏡音オンリーイベント「鏡音なう！」直前の放送で、アンメルツPさんがゲストで出演し、kagamination制作話など、鏡音トークまつりになりました。

ここ5年で大きく知名度を上げたジャンルのひとつに「ボーカロイド」がある。ちょうど初代iPhoneが北米のみで発売された2007年、初音ミクも日本でリリースされてニコニコ動画で火が付き、その後、さまざまな会社から多くの歌声ライブラリーが発売されてきた。今となってはボーカロイドが好きな人でも、すべてを挙げろと言われてすぐに思いつかないぐらいの声質が選べるようになっている。 本日、そうしたボーカロイドとは別の流れから音声合成ソフト「CeVIO Creative Studio」（チェビオ クリエイティブ スタジオ）の無償版提供が始まった。現状は会話のみで、テキストを入力し、声の大きさや速さなどを調整して、再生すると女性の声でしゃべってくれる。6月には歌唱に対応したバージョンが、9月頃には音声ライブラリを3人に増やした有償版がリリースされる予定だ。 このCeVIOは、単にソフトが出るだけでなく、プロ

噂の某アニソングランプリ騒動についてTwitterで色々とつぶやいてたら結構反応が多かったので、色々まとめてみる。 状況としては、「グランプリの人が歌唱力低すぎ！」というので炎上しているという感じですね。 前書き（書く前から言い訳とも） あくまで、素人の戯言です。 また、アニソンに対する熱意とかの諸々はそんなにありません。 わざわざ自分にとって関係ない、燃え上がりそうな話題に手を出すのはあんまり得な話でもないのですが、自分の音楽観とか声についての色々を考えなおすのにいい感じのネタなので、ひっそり書きます。 そもそも、評価の軸はどこ？ アニソングランプリという企画についてそれほど詳しくはないので断言はできないのですが、 「アニソンが上手い人を集めてコンテストをしよう！」 「アニソンを題材に、新人オーディションをしよう！」 という、２つの企画の軸が、というか建前と本音の両立が難しくなってきての

音声入力がなかなか普及しない理由として、発話しなければならないと言う点がある。周りに誰もいない環境ならそれでも良いが、周りに他人がいる場合に独り言のように発話するのはなかなか難しい。周りの人に迷惑になることも問題だが、入力内容が周りの人に知れるということも問題である。さらに騒音下だとただでさえ悪い音声認識率がさらに下がると言う問題もある。音声認識の最大の欠点は声を出すことにあったのだ。 奈良先端科学技術大学院大学音情報処理学講座 鹿野研究室で開発された「非可聴つぶやき認識（無音声認識）」はこれらの課題を解決し、音声入力の利便性を大きく向上させる可能性をもつ技術である。非可聴つぶやき認識は、囁き声よりも小さな第三者に聴取不能な声帯の振動を伴わないつぶやき(Non-Audible Murmur:NAM)の体内伝導音を、耳の裏側に装着する身体表接着型マイクロフォンによって認識するものだ（無音声認