合成音声技術

提供:作業療法大百科事典OtWiki
2023年8月31日 (木) 01:43時点におけるOtfighter (トーク | 投稿記録)による版 (ページの作成:「商業的にはVocaloidで成功し、その後の系譜は現在まで続いている。 また、youtube界隈でも現役のsoftalkなども合成音声技術のひ…」)
(差分) ← 古い版 | 最新版 (差分) | 新しい版 → (差分)

商業的にはVocaloidで成功し、その後の系譜は現在まで続いている。

また、youtube界隈でも現役のsoftalkなども合成音声技術のひとつである。

AIとのマリアージュ

短い音声で、人の声を合成できるようになりつつある。

<blockqoute>Meta AIは16日、音声用ジェネレーティブAIモデル「Voicebox」を発表した。音声やテキストを入力して、音声合成やオーディオクリップの作成、ノイズ除去、コンテンツ編集、スタイル変換(Style Transfer)、多様な音声でのサンプル生成などに対応する。

Voiceboxでは、トレーニングデータを使わずに、収録した音声と補足する書き起こしから学習するアプローチを採用。Flow Matchingと呼ばれる手法により、音声合成において、最新の英語モデルVALL-Eを、明瞭度と音声類似度の両方で上回るほか、20倍高速化しているという。Meta、新音声生成AIモデル「Voicebox」 短い音声から自在に声を生成<blockqoute>

人の声は、その人かどうかを判別する材料として用いられることから、現時点ではVoiceboxのモデルやコードの一般公開は行なわないとしている。