声に革命を。Aivis Project が切り拓く、感動の音声体験。 Aivis Project は、感情豊かな音声合成技術を誰もがかんたんに活用できる未来を目指す、 壮大な開発プロジェクトです。 機械的な響きに留まらない、まるで魂を宿したかのような音声が、あなたの想いや言葉に豊かな感情をのせて 世界へと響き渡る。Aivis Project が描く未来は、これまでにない感動と驚きに満ちています。 好きなキャラクターの声で物語を紡ぎ、理想の声でニュース記事に命を吹き込む。 そうした新しい表現が、私たちのプロダクトを通じて数クリックで実現します。 AivisSpeech でのローカル音声合成から、モデルの制作・ミックス・公開まで、Aivis Project は 誰もが自由に好きな声を共有できる未来を形にしていきます。 これまで一部の才能や特別な環境だけが手にできていた魅力的な声を、各々のアイデ

DMMボイスは、AI技術を活用した音声生成サービスです。 本サービスの特徴である多彩なボイスモデルから声を選ぶことで、感情あふれるセリフを自在に表現。ドラマティックなシーンのアフレコから心に響くナレーションまで、幅広いシーンにご活用いただけます。

筆者はUTAUによる波形接続の時代から「その人の声になりきる」技術を試してきましたが、このほど、その中でも画期的と思える技術に出会いました。『Seed-VC』（Seed Voice Conversion）というオープンソースソフトです。 ■AIボイチェンの進化どこが画期的なポイントかというと、高い音質を維持しながら、ゼロショット、つまりファインチューニングをせずに、1秒から30秒までの短い音源を参照するだけで、短時間でオリジナルに近いボイチェンができるところにあります。 以前紹介したDiff-SVCやRVCは、オリジナル音声に近いボイチェンが可能ですが、学習にはそれなりの長さのオーディオデータと高性能GPUによる処理が必要です。

HIGHBALL PTE. LTD. は9月11日（月）、自分の好きなアバターと声でビデオ通話できる「Vme!」を正式リリースした。 本ツールは、基本無料で自分の好きなアバターと声でビデオ通話に参加できるGoogle Chromeの拡張機能で、対応ツールはDiscordとGoogle Meetとなっている。HIGHBALL PTE. LTD.によるWeb3×VTuberプロジェクト「Vhigh!」のひとつで、同プロジェクトではファンとクリエイターが一体となってVTuberを制作する「分散型」への変革を掲げている。 また、カメラの映像だけではなく声も変えられることが大きな特徴。公開されているサンプル映像では男性の声が「ずんだもん」のキュートな声に変化している様子が確認できる。なお、リアルタイムのボイスチェンジャーで遅延が気になる場合は、声のピッチのみを変更する機能を使用することで遅延を軽減し

わずか3秒の元音声から本人そっくりな音声合成が可能な技術「VALL-E X」が誰でも使える形で公開されました。オープンソース版で、ローカルマシンからWebUIで利用できます。さっそくインストールして使ってみました。 以前、ディープラーニングベースの音声・歌声合成ソフトであるDiff-SVC、リアルタイム処理が可能なAIボイチェンRVCを紹介したとき、自分は記事タイトルに「驚異の」という形容詞を付けました。それでも学習には数十分の本人による音声データが必要で、そこまでのデータを用意するのは容易ではありません。それに対してVALL-E Xでは元データが3秒あれば本人に似た声を生成できるのです。

株式会社レアゾン・ホールディングス(本社：東京都新宿区、代表取締役：渡邉 真)は世界最高レベルの高精度日本語音声認識モデルおよび世界最大19,000時間の日本語音声コーパス※「ReazonSpeech」を公開いたしました。 2023年1月18日 株式会社レアゾン・ホールディングス(本社：東京都新宿区、代表取締役：渡邉 真)は世界最高レベルの高精度日本語音声認識モデルおよび世界最大19,000時間の日本語音声コーパス※「ReazonSpeech」を公開いたしました。 ※音声コーパス: 音声データとテキストデータを発話単位で対応付けて集めたもの。音声認識モデルを作成する材料として使用され、その規模と品質が音声認識の精度を大きく左右する。 ※2「ReazonSpeech」を用いた文字起こしサービスをプロジェクトwebサイトにて実際に試すことができます。 プロジェクトwebサイト：https://

自分の声を美少女ボイスやイケメンボイスに変換してくれるボイスチェンジャーは、ライブ配信やムービー投稿の際にありがたい存在です。しかし、ボイスチェンジャーによって変換できる音声は固定されており、自分好みの音声に変換できるボイスチェンジャーを見つけるのは困難です。天王洲アイル氏は、この問題をAIを用いて解決する方法について解説し、さらにAIの力で自分の声を好みの声にリアルタイム変換できるボイスチェンジャー「MMVC」を公開しています。 VRChatなどの登場によって誰でも好きなアバターを使って好きなキャラクターになりきることが可能となりました。また、自分の声を美少女ボイスやイケメンボイスに変換できるボイスチェンジャーも多くの種類が存在しています。しかし、既存のボイスチェンジャーには「理想的な結果を得るためにはボイスチェンジャーに合わせた発声練習が必要」「リアルタイム変換が不可能なため、会話やラ

無料で使えるAIトークソフト

先日Twitterで「大学生がスマートフォンでレポートを書いている」というツイートが話題になっており、それに対して反応している方達もほぼ全員が「スマートフォンでレポートを書くのは効率が悪い」という前提で話をしていることに大変違和感を覚えました。 なぜなら私はこのブログはもちろん、技術書を執筆するときでさえ主にスマートフォンで下書きをしているからです。 PCを使うのは、ほぼスクリーンショットの撮影と最後の仕上げだけです。 その方が、最初からPCで文字入力するのに比べて圧倒的に効率が良いです。 この記事では、iPhoneとAndroidそれぞれで音声入力を効率よくおこなう方法について解説します。 iPhone・iPadの場合 先に結論から申し上げると、iPhone・iPad・Macの日本語音声入力は、AndroidのGoogle音声入力に比べて認識精度が低く、認識できる単語が少ないです。 仕事

VTuberやゲーム実況などの世界で、自分の声をリアルタイムに別の声に変換してくれるボイスチェンジャー、いわゆるボイチェンが流行っている中、一昨年、声優さんの声などにリアルタイム変換するアプリ、Voidolが登場して大きな話題になりました。これはクリムゾンテクノロジーが開発した技術、リアチェンボイスをエンジンとして組み込んだアプリだったわけですが、そのクリムゾンテクノロジーがまた面白いiPhoneアプリを開発し、8月31日に無料でリリースしました（アプリ内課金あり）。 今回登場したmimivo（ミミボ）は、自分の歌をアーティストの声質にリアルタイムで近づけることができるというもの。たとえば荒井由実、宇多田ヒカル、小田和正、Offical髭男dism、Suplerfly、星野源、松田聖子、山口百恵……といった声で歌えてしまうという、これまでにないユニークなものです。でも、ホントにそんなことが

AIを活用した技術の進歩。革新。 幅広いサービスの利用が、当たり前になった昨今、 これからの私たちが、提供できる価値とはいったい何か。 それは、DeNA × AIだからできる 「人」と「テクノロジー」が、組み合わさった未来です。 DeNA × AIが持つ 「意図や思いを汲み取った、質の高い発想力」、 「多岐にわたる経験を元にした、AI、データサイエンスの実践力」、 「複雑なシステムの開発、安定した稼働ができる技術力」など。 それぞれの強みを組み合わせることで、 まだどこにもない「モノづくり」や「コトがら」を、生み出していきます。 ともに、技術の向上を。 ともに、革新の追求を。 ともに、今よりも豊かな未来を。 さあ、DeNA × AIと 新しいモノづくりを一緒に。

Tacotron2はGoogle社が提案した「テキストから音声に変換するアルゴリズム」です。 論文発表は2017年。しかし、2020年11月現在でも、その生成音声は最高水準の品質です。 下記にその生成音声を載せておきます。肉声と違いがわからないかもしれません。 Tacotron2を使ってテキストを音声に変換する場合は「テキストからメルスペクトログラムへの変換」のあとに「メルスペクトログラムから音声への変換」を行います。 メルスペクトログラムとは、とてもざっくり説明すると声の設計図のようなものです。 Tacotron2は「テキストからメルスペクトログラムへの変換」のみを行います。 「メルスペクトログラムから音声への変換」は、Tacotron2の論文ではWaveNet、NVIDIA社のソースコードではWaveGlowというアルゴリズムを用いています。 WaveGlowは、WaveNetの処理を

[Alexa]ノンコーディングでAlexaスキルを作れるサービスVoiceflowが今後にすごく期待できる内容だった #Alexa #Voiceflow こんにちは、Mr.Moです。 諸事情でノンコーディングでAlexaスキルを作れるサービスを探しておりましたら、非常に優れたサービス(Voiceflow)がありましたので少し触ってスキルの公開まで試しにやってみました。 簡単な内容ではありますが、最終的に画面対応のスキル(APLを用いたスキル)を作れたりと高機能で今後に期待できる内容でしたので、本記事でご紹介したいと思います。 Voiceflowとは https://www.getvoiceflow.com/ ノンコーディングでAlexaスキルが作れるサービスです。 他の有名なサービスにInvocable(旧名:Storyline)というサービスがあります。現時点で、このInvocable(

東芝デジタルソリューションズは4月17日、自分の声をもとにして生成したデータを使って音声合成できるiPhone（iOS）アプリ「コエステーション」の提供を開始した。同社のコミュニケーションAI「RECAIUS（リカイアス）」の音声合成技術を活用したもので、作成したデータを生かした新アプリ・サービスの展開も視野に入れている。現時点ではAndroid版は用意されていない。 コエステーションでは、自分の音声を元に作成したデータを「コエ」と呼んでいる。コエを作成するには、最低でも10個の文章を読み上げる必要がある。読み上げ時は、静寂な場所でイヤフォンマイクの利用が推奨されている。 コエ作成にかかる最低所要時間は20～25分程度（読み上げに5分程度、コエ生成に15～25分）を見込んでいる。データは多ければ多いほどコエの精度が向上する。

音声信号処理により、自分の声をまったく別の人の声に変換するというSFのような技術が登場してきました。東京・世田谷区にあるクリムゾンテクノロジーが開発した「リアチェンvoice」というのがそれ。リアル＆リアルタイムに音声を変換する、ということから名付けられているそうですが、すでに8月から販売も開始されているという現実となっている技術なのです。 奈良先端科学技術大学院大学の戸田智基客員教授(名古屋大学教授)の戸田智基教授の研究グループとクリムゾンテクノロジーによる共同開発で、製品は標準版とプロ版の2種類。実際、どのくらい使えるものになっているのかを見てきましたので、紹介してみたいと思います。 リアルタイムにしゃべる声をキャラクターの声に変換するリアチェンvoice 最近、ゆるキャラの着ぐるみが各地で活躍しています。ただ、ゆるキャラをしゃべらせるとなると、なかなか無理も生じてきます。アニメなどの