4月9日、音楽の教科書会社である教育芸術社からカトカトーンというWebアプリが公開され、全国の小学校、中学校、高校などを対象に使用が開始されました。これは全国の児童・生徒1人に1台のコンピューターと高速ネットワークを整備する文部科学省の取り組み、GIGAスクール構想に対応させたもので、Windows、ChromeOS、iPadOSのブラウザを使って、音楽制作を楽しく直感的に行える、というアプリとなっています。学校や教育関係の施設・組織などであれば、すべて無料で利用できるというのもユニークな点であり、DTMを学ぶための強力なツールが全国の学校に整った、といっても過言ではないと思います。 このカトカトーンの開発は教育芸術社のほか、「スコラ 坂本龍一 音楽の学校」「ムジカ・ピッコリーノ」「シャキーン！」など、Ｅテレで数々の音楽教育に関わるコンテンツの制作を手掛けてきた制作会社のディレクションズ、

昨年10月に「OpenAIのエンジン採用で話者認識もできる超高性能なAIボイスレコーダー、AutoMemoはどこまで進化するのか？」という記事で開発者インタビューも行ったソースネクストが展開するAutoMemo。会議を録音すれば簡単に議事録を作ることができるし、われわれライターや編集にとってはインタビューした内容をそのまま文字起こししてくれるという意味で、まさに長年の夢が叶ったシステムであり、もはや手放すことが不可能なほど重要なアイテムになっています。 文字起こし正解率98.9%(※)を誇るという、このAutoMemoは昨年10月以降もアップデートを繰り返し、性能改善を行うとともに、いくつかの新機能を実装してきています。そのひとつがWebアプリ版のAutoMemoに録音機能が搭載されたこと。これによりZoomやTeams、Google Meetなどを使ったオンライン会議の文字起こしも、ハー

自分の声をまったく別のキャラクタの声に変えることを実現するAIボイスチェンジャー。エフェクトを使って自分の声を加工する従来のボイスチェンジャーとは異なり、自分の声は完全に消えて、まったく別人になりきれるのが特徴で、これまでもVoidolやCoeFontボイスチェンジャーといったものを記事でも紹介してきたほか、中国系のフリーウェアでもかなりの精度を持ったものがいろいろ登場してきています。 そうした中、12月25日、まったく新たなAIボイスチェンジャー、Parakeet.VC（パラキート・ブイシー）が、福島県のベンチャー企業、Parakeet株式会社からリリースされました。ここには東北ずん子や東北きりたん、またずんだもんをはじめ、計109種類の声が収録されており、ユーザーはそれらを選んで、マイクで話せばリアルタイムにキャラクタの声に変換することが可能です。既存のAIボイスチェンジャーと比較して

12月8日に、またDTMの世界に新たな扉が開かれました。これまでもSynthesizer VをはじめとするAIを使った歌声合成のソフトはありましたが、今回誕生したMelisma(メリスマ)は、ヴァイオリンやオーボエ、チェロ……といった楽器を合成するシステムのβテスト版。もちろん、こうした楽器を再現するソフトとしては、これまでサンプリングを使った音源が数多くあり、まさにリアルな音で演奏できていました。でもサンプリングだと、たとえばタイやスラーでつないだ長い音符などとなると、どうしても限界があったし、ピチカート、トリル、フォール…といったアーティキュレーションでも表現の範囲が限られていました。 このMelisma(β)では、実際の演奏をディープラーニングしたものを元に演奏音を合成する、いわゆる生成AIのシステムで、サンプリングでは不可能だったリアルな演奏サウンドを作り出すことができるのが最大の

すでにご存じの方、使っているという方も少なくないと思いますが、自分のしゃべる声をAIでリアルタイムにまったく違う人の声に変換するシステム、CoeFont ボイスチェンジャーが大きな話題になっています。これは株式会社CoeFontが提供しているAIによるボイスチェンジャーで、マイクに向かってしゃべれば、非常にリアルな声で別の人に声に置き換わるというもので、男性の声を入力しても、まったく違和感なく、リアルな女性の声にすることが可能です。あの、ひろゆきさんの声を含め、現在10人の声に変換が可能で、それを無料で使えてしまうというのが大きなポイント。 今後は人気キャラクターや著名人を含む1万種類以上の声への変換も可能になるとのことで、まさにボイスチェンジャーの世界における革命となりそうです。現時点ではWindowsのみで利用可能ですが、近い将来、Macにも対応するとのこと。またGPU搭載のパソコンで

DTMとは直接関係ないですが、音声合成・音声認識もDTMステーションの記事テーマの一つとして、これまでもいろいろ取り上げてきました。その音声認識を実現する製品として、とにかく便利すぎると感じているのが、ソースネクストが販売するAutoMemoです。これは、普通にボイスレコーダーとして録音すると、その内容が自動でクラウドにアップロードされるとともに、AIが音声認識して、文字起こしされて読めるようになる、というデバイス。 その文字認識の精度が高く、まさに「使い物になる」んです。しかも話者認識もするので、誰がしゃべったのかまで、キレイに整理して表示されるのは、まさに驚き。数年前には信じられなかったことが実現できている、まさに夢のデバイスです。私自身が、AutoMemoを知ったのは2022年11月でしたが、それ以来個人的にサブスク契約し、もはや絶対に手放せないものとなっていますが、それから10か月

声優の井上喜久子さんがCVを務めるキャラクタ、桜乃そら（読み方：ハルノソラ）。これまで喋るソフトとしてはVOICEROID2、歌うソフトとしてはVOCALOID5で製品が販売されていました。その桜乃そら誕生5周年というタイミングに合わせ、この度新たなバージョンが誕生することが7月25日に発表されるとともに、その翌日、7月26日に、井上喜久子さんご本人も登場する「AHS公式生放送」という形での発表会が開催されました。 その新バージョン、入力文字読み上げソフトとしてはVOICEPEAKを、歌声合成ソフトとしてはSynthesizer Vを使う形で製品化され、「VOICEPEAK 桜乃そら」、「Synthesizer V AI 桜乃そら」という2製品が8月24日にパッケージ版、ダウンロード版で発売されます。いずれのソフトもWindows、Mac、Linuxの環境で動作するため、使えるユーザーが大

すでにご存じの方もいらっしゃると思いますが、3月末にRØDEから同社を代表するマイクであるNT1の第5世代モデル、NT1 5th Generationが発売されています（税込実売価格：41,580円前後）。お馴染みのシルバーモデルに加えブラックモデルの2ラインナップとなっており、これまでの「あたたかくシルキーなサウンド」を継承しつつ、世界初と画期的な機構を取り入れたマイクとなっているんです。 それは従来通り、XLRケーブルを使って利用するコンデンサマイクでありながら、XLRケーブルの変わりにUSB Type-Cケーブルでの接続が可能で、USBを使った場合、爆音でも音割れしない32bit floatに対応したデジタルマイクとして使える仕組みになっているんです。しかもその音をモニターするのは手持ちのオーディオインターフェイスが利用できるというトリッキーなドライバシステムが用意されているなど、非

ヤマハの大人気機材、AG03MK2（税込メーカー希望小売価格：18,700円）、AG06MK2（同23,100円）の上位機種としてAG08（同96,800円）が先日発売されました。価格的に見ると、AG03k2の5倍強、AG06MK2の4倍強と、かなり高めながら、これまでにないユニークなミキサーとして配信系のユーザーから絶賛されているようです。またDTM系のユーザーからは、「DAWを使って音楽制作しているところを配信できる！」といった声も上がっています。 AG08という型番からも想像できるように、これは8チャンネルのミキサーですが、一般的な8チャンネルのミキサーとはかなり考え方や機能的にも異なる機材で、またボイスチェンジャーやサウンドパッド、エフェクトなど多彩な機能を搭載したものとなっています。確かに見た目はミキサーではあるけれど、ヤマハのMGシリーズをはじめとする一般的なミキサーとはかなり

すでに以前の記事でも紹介したとおり、10月20日、東京・銀座にあるレコーディングスタジオ、音響ハウスのスタジオの音を手元のDAW上で完全に再現するプラグイン、ONKIO Acousticsが発売され、大きな話題になりました。発表の時点ではMac版のみでしたが、その後11月16日にはWindows版もリリース。価格が10,780円(税込)と手ごろな上、2023年1月8日までは8,624円とブラックフライデー / 年末年始キャンペーンが展開されていることもあり、プロ・アマ含め多くの人が使っているようです。 このONKIO Acousticsは、いわゆるIRリバーブなどとは異なる、最先端の技術で作られた非常にユニークであり、高性能、高音質なプラグインで、音響ハウスでレコーディングした人であれば、まさに同じ響きの音になることを実感できるソフトです。ある意味、音響ハウスに行かなくても音響ハウスで録っ

日本の電子楽器メーカー、SONICWAREがローファイ・サウンドに特化したGrooveboxマシン、LIVEN Lofi-12（ライブン・ローファイ12）を11月23日に発表すると同時に発売を開始しました。これは16bit-12kHz/24kHzサンプリングとともに、12bitサンプラーモードを搭載しているため、まさに80年代後半に登場したAKAIのS900やMPC 60のようなサウンドを作れるのが大きな特徴。最大4秒のサンプリングが可能であり、スタート/エンドポイント、アタック/リリース、ピッチ編集も本体だけで編集可能となっています。 もちろんサンプリングしたサウンドは自動でキーボードにアサインされるので、簡単に演奏させることもできるし、4トラックのステップシーケンサを使ってパターンを組んでいくことも可能。これをほかのLIVENシリーズやKORGのvolcaシリーズなどと接続して同期演奏

オープンソース・ソフトウェアとして公開されているAI音声合成ソフトであるVOICEVOXに、9月30日、また新たなキャラクタが誕生します。今回、3つのキャラクが同時に誕生するのですが、その一つが声優の小岩井ことり(@koiwai_kotori)さんCVによるNo.7です。昨年、AI歌声合成ソフトとしてフリーウェアのNEUTRINO用にNo.7がリリースされていましたが、今度はしゃべるソフトとしての誕生となります。普通のしゃべり声である「ノーマル」と、アナウンサーが読み上げるようにしゃべる「アナウンス」、そして絵本を読み聞かせるように読む「読み聞かせ」の3種類となっています。 このNo.7のプロジェクトは明治大学の専任准教授、森勢将雅(@m_morise)先生を中心に研究・開発されているもので、小岩井ことりさんもここに積極的に参加しつつ、私・藤本健も関わる形で進めてきました。ここで作られたデ

6月2日、テクノスピーチが最新のAI技術で人間の歌声をリアルに再現する歌声合成ソフト、VoiSona（ボイソナ）のβ版を無料で公開しました。これは、今年2月に「WindowsはもちろんMacでも使え、DAW上のVSTiとしても動作するCeVIO Pro (仮)がα版として無償配布開始」という記事で紹介したCeVIO Pro（仮）が名称を変更するとともに、β版へとアップグレードしたもので、ソングエディタとともに、デフォルトボイスライブラリとして女性シンガーである「知声」（読み：ちせい、英語表記：Chis-A）が付属している点も同様です。 CeVIO Pro（仮）でもWindowsとMacに対応するとともにスタンドアロンおよびVSTiプラグインとして動作する形になっていましたが、β版となったVoiSonaではMacのAudio Unitsプラグインにも対応。さらに、MacのM1プロセッサにもネ

AI技術の進化で、ここ1、2年で急激な性能向上を実現している音声合成の世界。まさに機械が読んでいるのか、人間が読んでいるのか区別がつかないレベルになってきているわけですが、ここにきて、また面白い活用例が登場してきました。いわゆる「ゆっくり実況動画」を作成するフリーウェア「ゆっくりMovieMaker4」で、AI音声合成で人気のCoeFontが利用できるようになり、ゆっくりMovieMakerの利用範囲が一気に広がる形になったのです。 CoeFontは声をフォントのように利用できるようにしたサービスで、誰でも自分の声をCoeFontにできるとともに、ユーザーは公開されているCoeFontを使って喋らせることができる、というもの。今回このCoeFontとゆっくりMovieMakerがシステム的に連携したことにより、まさに人のような声で、誰でも無料で、簡単にテロップ・音声入りの解説動画を作ること

CeVIO Creative StudioやCeVIO AIなどのエンジン部分を開発してきた株式会社テクノスピーチが2月24日、新たな歌声合成ソフト、「CeVIO Pro (仮)」（チェビオプロ）を発表するとともに、正式版リリースへの準備段階としてα版の無償配布を開始しました。このCeVIO Pro (仮)は、WindowsだけでなくMacでも動作するソフトであり、スタンドアロンで動作するとともに、WindowsおよびMacのVSTiのプラグインとしても動作するものとなっています。 またCeVIO Pro (仮)にはソングエディタともに、デフォルトボイスライブラリとして女性シンガーである「知声」（読み：ちせい、英語表記：Chis-A）が付属。ここで合成された歌声の波形データは個人／法人、商用／非商用を問わず、原則、無料で利用することが可能となっています。実際どんなものなのか、試してみた一方

日進月歩というより、秒進分歩で進化している感じのある音声合成、歌声合成の世界ですが、また新たな革命ともいえるAI音声合成ソフトが誕生しました。これまでDTMステーションでも何度も取り上げてきた歌声合成ソフト、Synthesizer Vを開発するDreamtonics株式会社と株式会社AHSと共同開発する形で、もはや人間の喋り声にしか聴こえない音声合成ソフト、VOICEPEAKを発表し、3月11日から発売を開始するのです。Synthesizer Vと同様、Windows、Mac、Linuxでも動くマルチプラットフォームソフトで価格はダウンロード版で23,800円(税込み)となっています。 このソフト「VOICEPEAK 商用可能 6ナレーターセット」という製品名になっていますが、実際には女性3人＋男性3人＋女の子1人＝7人の声を切り替えることが可能なAI音声合成ソフトで、テキストを入力すれば

驚異的に進化したSynthesizer V AI まずは、バックグラウンドや機能、性能といったものを紹介する前に、私がSynthesizer V Pro Studioの1.5.0を使って打ち込んだ、弦巻マキの歌声をちょっと聴いてみてください。 いかがですか？従来の歌声合成の概念を覆すレベルに来ていると思いませんか？これは、2年前のコミケでDTMステーションCreativeからリリースしたoyasumiという曲の冒頭部分。そのときは声優の小岩井ことりさんにボーカルをお願いし、囁くように優しく歌ってもらったので、弦巻マキにも、それっぽく歌わせて仕上げてみたのです。本来、弦巻マキは「アニメキャラっぽい雰囲気の元気な女の子」というイメージの歌声ですが、そことはだいぶ違ったニュアンスの歌声になっているのも感じられたと思います。 「自動処理」メニューにある「自動ピッチ調整（カスタマイズ）」を選択する

本日8月1日、音声合成技術の世界に、また画期的な動きがありました。「Seiren Voice」や「Yukarinライブラリ」の開発者としても知られるヒロシバ（@hiho_karuta）さんが、ITAコーパスを利用した商用利用も可能なAI音声合成システム、VOICEVOXなるソフトウェアをオープンソースのとして無料でリリースしたのです。具体的には現時点Windowsで動くシステムで、「ずんだもん」および「四国めたん」の声でテキストを読み上げるシステムとなっています。 これがオープンソースとなったことで、一般ユーザーが自由に利用できるというだけでなく、さまざまなシステムに組み込んで喋らせることが可能になったのが画期的なところ。たとえばロボットなどに組み込んで対話型のシステムを作ることや、観光案内システムに導入して喋らせる……といったこともできるほか、クラウド型のシステムを構築し、ブラウザを経由

4月23日、彗星のように現れたネット上のサービス、CoeFont STUDIO（コエ・フォント・スタジオ）は、誰でも無料で使える音声合成サービスということで、瞬く間に広がり、2日で累計ユーザー数が6万人を突破。すでに20万人を超えるところまで来ているようです。日本語でテキストを入力すれば、非常に滑らかな声でしゃべってくれ、その音声をユーザーは商用を含めて自由に利用できるという画期的ともいえるサービスとなっているのです。 このサービスを立ち上げたのは、なんと東京工業大学2年生、19歳の早川尚吾さん。株式会社Yellstonを立ち上げ、その新サービスとして、CoeFont STUDIOをスタートさせたのです。もちろん株式会社ですから、今後ビジネス展開をしていくことを目論んでいるわけですが、それはCoeFont STUDIOの延長線上にあるもので、世の中を大きく変えていく可能性もありそうです。先

先日「クラウドファンディングに成功した、歌って喋る新キャラクター、小春六花が3月18日に発売。仕掛人のアカサコフさんにインタビュー」という記事でも取り上げた、小春六花（こはるりっか）が本日3月18日よりAHSから発売になりました。今回発売されたパッケージソフトは歌声合成ソフトである「Synthesizer V 小春六花 AI コンプリート」と、喋る音声合成ソフトである「CeVIO AI 小春六花 トークボイス」および「CeVIO AI 小春六花 トークスターターパック」のそれぞれ。また、ダウンロード版も存在しており、こちらは2種類ある歌声データベースを個別に購入できたり、エディタソフトとのセット販売もあるなど、より自由度の高い購入ができる形になっています。 製品名からもわかる通り、歌声合成のほうは、Synthesizer Vを用いたもので、音声合成のほうはCeVIO AIを用いたものと、そ