【IT】「自分に似た声」を作るアプリが無料で公開 ３６〜４０万円が相場の音声合成業界に価格破壊の風
■ このスレッドは過去ログ倉庫に格納されています
みなさんは自分の声そっくりにしゃべる合成音声をお持ちだろうか？
筆者は2年4カ月前から自分の声「松尾P」を使えるようになっていて、たまに記事で使っている。ちょっとした自慢だ。
ところがこの先行者特権が失われようとしている。
4月17日に東芝デジタルソリューションズが公開したモバイルアプリ「コエステーション」が原因だ。
自分の観測範囲でもかなりの人が自分の合成音声「コエ」を持ち始めている。
コエステーションは、自分の声で10個の文を読み上げるだけで自分の声を基にした「コエ」ができて、TTS（Text to Speech）による発声をアプリ内でできる。しかも無料。
これはとんでもない価格破壊だ。
これがどのくらいの価格破壊かというと、既存の音声合成企業が提供しているカスタムボイス作成では40万円（AITalk Custom Voice）、36万円（ボイスター ライト版）と、簡単に手を出せる価格ではない。
筆者の声をモデル化した「松尾P」は、HMM（隠れマルコフモデル）を使った音声合成だ。
オープンソース版のTTSであるOpen JTalkと、それを商用化したCeVIOがこの技術に基づいている。
CeVIOはTTSだけでなく、歌唱合成もできて、故・三波春夫の歌声を合成することもできる。
歌声合成のオープンソース版はSinsyで、筆者の歌声（英語のみ）を合成して歌わせることもできる。
■HMMを使った音声合成Open JTalk
このOpen JTalkを元にしたWindowsアプリにSHABERUというものがある。
無料で様々な音声を使ってしゃべらせることができるアプリだ。
作者のアキヒロさんはOpen JTalkで用いられているhtsvoice形式の音響モデル作成を無料で提供していて、筆者は自分で収録したサンプル文をアキヒロさんに送り、データベース化作業をアキヒロさんがやってくれたのだ。
通常、特定の声の音声合成モデルを作成するためには、音素の組み合わせを網羅したたくさんの文章を読み上げ、そこからモデル化する。
よく使われている例文はATR503音素バランス文というもの。
htsvoice構築にも通常はこの文章を用いる。アキヒロさんは独自のバランス文を用いて、200程度の文章で可能にしているが、それでもなかなかの作業だ。
htsvoiceの作成にはLinuxと様々なツールをインストールし、そのシステム構築は大変だ。
やり方を自分でも模索してみたが、独力でできる気はまったくしない。
■コエステーションはいきなりできたわけではない
そしてコエステーションである。
なぜいきなり東芝子会社がこんな技術をと思うかもしれないが、東芝は音声合成で長い歴史を持つ老舗なのだ。
2001年に終了してしまったLaLaVoiceというTTSのパッケージソフトを持ち、dynabook（当時はDynaBook）にバンドルしていた。
LaLaVoiceには簡易的な歌声合成機能もあり、登場時期はVOCALOIDよりも早かった。
LaLaVoiceが終了した後で登場したToSpeakは現在、東芝デジタルソリューションズのクラウドAIであるRECAIUSで使われている音声合成エンジンと位置付けられている。
人に似せた声でしゃべるカスタムボイス機能は実証済みだ。
2016年に人気パーソナリティーである小林克也さんが録音した数時間分の音声から作り出された合成音声「コバカツ君」がそれだ。
このときはRECAIUS音声合成ソフトサービスとして紹介されている。
さすがスネークマンだけあって日本語だけでなく英語も流暢にしゃべり、歌もうたう。
■小林克也さんの声から作り上げた「コバカツ君」はFM NACK5の放送でも使われた
コエステーションはこうした手間のかかるカスタマイズをiOSアプリでやってしまうというところが画期的だ。
iPhoneかiPadと付属のEarPodsイヤフォンがあれば、自分の声に似た合成音声を作り、実際に使うことができる。
それも最初は10の文を読み上げるだけでよい。
Open JTalkの場合は503、少なくとも200以上の文を安定した状態で読み上げる必要があった。
しかもその処理には複数のアプリを組み合わせたLinuxをぶんまわす必要がある。
コエステーションはiOSアプリの中で読み上げると1文ずつサーバに送られる。
10文を読み上げると第1段階「コエレベル1」クリアだ。
コエレベルは最高で5。コエレベル1は10文、レベル2は50文、レベル3は100文、レベル4は150文。
筆者は200文を読み上げ、最終段階のレベル5に到達している。
ここまでくると、品質はかなり高く、少し荒削りなところもあるOpen JTalkより柔和で本人に近く聞こえるようだ。
動画 https://youtu.be/0g06LxUIZ4E
http://www.itmedia.co.jp/news/articles/1806/08/news104.html つまり
このアプリを使えば
好きな女性タレントにおまんこって言わせられるの？ ということは、俺の声で
あんなエロい言葉や、こんなエロい言葉を
喋らせられるのか！！
しかも無料で！ 官僚の声で「おっぱい」と言わせればセクハラで仕留められるし、
脅迫やら犯罪に色々使われて
音声録音が証拠として意味を持たなくなっていくんだろうな…… これで好きな声優の音声で朗読出来る？
小山力也風で老人と海を聴きたい ※実はこのムービーのナレーションも音声合成です。
ホラーよりのSFだよ
うん
うそだね！
これは
うそだよ！ 普通の人は声の訓練なんてしないからな。
ユーチューバーにすらなれない アニメ声優は無価値かもねｗ
音響監督と一晩寝るだけの仕事になるｗ ゲームの主人公がプレーヤーの声で喋るとか
エロゲにしか需要なさそうだけど >>9
全くありがたく無いようだがすごく新鮮かもしれないなw 女性の声は、あきらかに抜けてる周波数があるけどね
まあ男性の声より女性、子供の声のほうが難しいだろうね Android版ないのかiPhoneとか誰も使わないだろ 政界も含め、有名人の爆弾発言ゴッコが溢れそうだwww この東芝はどこの子会社なん？
美的集団？ハイセンス？シャープ？日米韓連合？ >>16
有料で利益を上げられないなら、無料にする事で活路を見いだす事も出来る
利用は無料なのに収益を上げている企業はいくつか想像出来るだろ？
ただ、シェアを奪えないと意味が無いけれどね 全然詳しくないけど、adobeがなんかそんな技術発表してなかったっけ？機械学習とやらを駆使して、
音声版のフォトショップみてーねことをするってやつ。ちょっとだけ喋って学習させると、自在にその人の声になるとかなんとか。
もっと技術が進めばかなりのものができちまうんだろうね。
クラスの好きな娘の音を録音して「ゆうちゃんだいすき、ミクのおっぱいたっぷりすって?」とか喋らせたいわ >>1
自分の声にエロ小説を読ませて楽しいだろうか ここはやはり峰不二子の声使ってあんなことやこんなこと 取得できうる限りの個人情報をステガノグラフィー的に、音声データに埋め込んでおかないと
犯罪に利用された時に追跡できない 人に与える印象は声そのものよりしゃべり方の方がよっぽど重要 >>50
そもそも個人認証、認知の方法が
声なんて時代が終わるのかもよ >>49
あーなるほど
これで、OK,Googleと言わせたらロック解除できちゃいますわ 犯人「よっしゃこれで暴言してもセーフになるわ。どんどんDIS言うたろ」 朝日新聞だったら、安倍総理の声を作って・・・・
あんな事言わせたり、こんな事を言わせたり
国会を引っ掻き回すのに使い倒すだろうな >>58
だよねぇ
俺も思った
でも音声データを登録出来ないだろうから関係ないか 振り込めと言うより短な人を狙い打ちされるのが怖いね 照れくさくて言えない言葉をアプリに言わせて、かわいい子ゲットだぜ。 アニメの音声を吹き込んで喘ぎ声を完成させる事のできる神アプリか >>6
シリコンドールに装着して
お国訛りで 「おまんご、いぐぅーーーっ！」 って言わせることも可能。 >>75
つんくのような病気に罹った時のために取っとくのもいいかもしれない
でもどうせデータを手元に保存できるわけじゃないんだろうしな
このアプリが声が出なくなる時まで存続してるのか
してたとして使い続けられるのか甚だ心もとないからやっぱいらないかもなｗ アップルだけって
開発ヲタってそんなんだから会社も潰れるんだわ そもそも電話で相手側に届く声は再現された音声であって
本物の音じゃない 俺がこの世の中で最も嫌いなのが「自分の声」だわwwww
聞くとマジで死にたくなる
てか、周りのみんなゴメンな これつんく♀みたいに声帯なくして声でなくなった奴には役にたつんか 今の合成音声は、すごく人間の声に近いからな。
音声データだけでは、証拠にならないよ。 他人を騙すのに活用されるな
便利なツールをむやみやたらに公開すべきじゃないな OCRとか、音声合成とか、特定の分野では東芝強いんだよな ハンドレページヴィクターとか踏切とかポン酢とかチェーンソーとか枝野とか喋らせる奴が出てくるのか これ使って可愛い声のバーチャルユーチューバーする。
んで、アホな男いっぱい釣りたい。 アイドルに好きな台詞言わせるからー
セキュリティがー
って言ってる方々居るけど、
自分に似た声作るんだから他人に協力してもらわない限り無理じゃね？ >>16
多数のデータサンプリングをもとにさらにブラッシュアップするんじゃないの 録音した自分の声って違和感でむずむずするからあんまり使いたくないなー >>18
女の子が自分の音声を100円くらいで売る、おっさんがそれを買う。
こんな図式が浮かんだ。
再生するためのアプリを月額500円くらいのサブスクリプション契約にしたら安定した収入になりそうだ。 このアプリのサンプルボイスに少女が「とりあえず生」というのがあった 声優、アニメータ、イラストレータとかも１０年後仕事あるか怪しいんだろな >>112
人工知能の研究してるけど、自分がやってる仕事も20年後はどうなってるか想像つかない >>112
そこらがいらなくなる時代には普通の仕事のがやばい アニメの声優とかもできそうだな
初音ミクみたいに歌えれば完璧 野獣先輩の声帯が完全再現されるようになったら技術的に信頼できる ああ、いい使い方あったわ
死ぬ前に声コピーしてAIで
うごかせば
残された方も
ずっと一緒にいれる気がするんじゃないかな 最近の俺の合成声で悪さをしている奴がいるようだね、困ったもんだ┐(´∀｀)┌ナンテネ >>79
どんな声でも作れる・歌えるようになるだろうね
似せるだけじゃなくもうちょっとこんな感じでと理想的なの作る方向にも なんでもいいけどソフトは無料みたいなイメージあり過ぎ
これだからソフト技術者は待遇悪くなるんだろうな >>106
おまえにやる金は無い、ｶﾞﾁｬプープーで、もっと切なくなるｗ 知らなかったからダウそして実行、口腔内エミュレーション？デフォルトのデータだと、息遣いが逆に不自然。
設定で北チョンのアナウンサーみたいにもなるねｗ ボーカロイドが廃れていったのは、こういう技術革新が止まったから
何年経っても人に近づくことなくボーカロイド「らしい」歌声のままだった 風邪が治ったあとでも第一声がしゃがれるようになってしまった。悲しくて声を出したくないからこれはいいかもな。 >>95
最近音声データが証拠で無職になった奴いただろ >>1
もともと携帯電話の音声は本人の声ではなく合成音声だからな。 >>115
キャラはかわいいけど、滑舌が悪いやつか >>83
クリエイターはアップル製品に惹かれるからしょうがない 声優も歌手も不要になる時代はもう直ぐ
故人も声だけ生き返る 声優の仕事が無くなるとは思わんが声優を育てるための新人の仕事が無くなっていくのだろうな。 これ、有名人の声使って面白いこと出来そうｗ
youtubeで珍子万個叫ばせよう そのうち声優もAIに置き換えられるのか・・・
もう人間はどうやってお金稼いだらいいんよ？ 知的仕事はAIがやって、AIのできない肉体労働だけが残りそう ■ このスレッドは過去ログ倉庫に格納されています
