VOICEVOX(音声合成)をREST-APIで利用する - Qiita
VOICEVOXとは 音声合成ソフトといえば実況動画などでお馴染みのVOICEROIDがありますが、あれは1万円ほどする上に外部ソフトウェアと連携するインターフェイスは持ちません。 一方で今回紹介するVOICEVOXは「高品質」にもかかわらず「無料」で使える上に、なんと外部ソフトウェアから利用できるようにインターフェイスを提供してくれています。 （至れり尽くせりでありがたみが深い） REST-APIで利用できる(超重要) VOICEVOXは起動するとGUIだけでなくローカルにHTTPサーバが立ち上がります。 試しにGUIを立ち上げた状態でブラウザから http://localhost:50021/docs にアクセスすると下記のOpenAPIの仕様書が表示されます。 VOICEVOXのGUIは不要で、HTTPサーバ機能だけ使いたいのであればDockerイメージがあるのでソッチ使いましょう。
ffmpegでmp3のノイズを除去する方法
音声ファイルのノイズを除去しようと思って調べました。コマンドラインでできる方法がよかったのでffmpegのコマンドを探したところ、 こちらでffmpegをつかって動画から音声ファイルを切り離しノイズ除去までやっていました。当方macOSなのでffmpegはhomebrewでインストールしました。音声除去コマンドは↓ （リンク先のコマンドに<output file>を追加しました） <path to model>に入るのはなんでしょうか。-afオプションはffmpegのfiltergraphをつくるようです（公式）。いろいろなフィルターがあると思いますが、ニューラルネットワークでトレーニングされたものがありました。 このリポジトリをローカルにクローンします。このリポジトリには5種類のフィルターがあります。 General Voice Speech
PCで再生中の音声をWhisperでリアルタイムに文字起こしする - TadaoYamaokaの開発日記
PCで再生中の音声をリアルタイムで文字起こしできると、字幕機能がない動画の再生や、外国とのオンライン会議で便利である。 先日、OpenAIが公開したWhisperは、音声ファイルから文字起こしするするツールが提供されているが、リアルタイムで処理するツールは提供されていない。 そこで、Pythonスクリプトで、リアルタイムで文字起こしするツールを作成した。 ループバック録音 SoundCardを使うと、PCで再生されている音声を録音することができる。 pip install SoundCardでインストールする。 import soundcard as sc with sc.get_microphone(id=str(sc.default_speaker().name), include_loopback=True).recorder(samplerate=SAMPLE_RATE, chan
OpenAIがリリースした高精度な音声認識モデル”Whisper”を使って、オンライン会議の音声を書き起こししてみた | DevelopersIO
こんちには。 データアナリティクス事業本部 機械学習チームの中村です。 2022/09/22の夕方ごろ、OpenAIが音声認識ですごいものを出したらしいというニュースが社内のSlackをにぎわせていました。 個人的には、いくら認識が凄いって言っても、実際日本語は微妙なんじゃないかな…？と思っていたのですが… ですが… … … … おお！？(上記はGitHubにあるWER: Word Error Rateのグラフです) これは！？ これは結構良さげな数値を出している！？(たぶん) ってことで元音声屋さんとしては、これは試すしかない！ということで動かしてみました！(投稿は翌日になってしまいましたが…) なお、本記事では論文内容の詳細などには触れませんのでご了承ください。(後日できたらがんばります) いますぐ使いたい人向け 今すぐ使いたい方は、Hugging Faceでブラウザから書き起こしを試
音声合成業界に激震! もはや人間の喋り声、入力文字読み上げソフトVOICEPEAKはビジネス用途でも自由に利用可能｜DTMステーション
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
無料でさまざまな音声合成エンジンや音声ライブラリを扱える汎用合成音声エディタ「ユニコエ」が登場
人間ではなくプログラムによって特定のテキストを読み上げさせる音声合成ソフトは数多く存在しています。ソフトに使われる音声合成エンジンにはさまざまな種類があり、複数の音声合成エンジンや音声ライブラリを使うことができる汎用合成音声エディタ「ユニコエ」をビスさんが公開しています。 ユニコエ 公式サイト https://sites.google.com/view/unicoe/%E3%83%9B%E3%83%BC%E3%83%A0 ユニコエがどういうアプリなのかは以下のムービーを見るとよくわかります。 【ユニコエ】アプリ紹介 - ニコニコ動画 ユニコエでは音声合成エンジンや音声ライブラリを複数登録することができます。 選択した音声合成エンジンが、中央に入力されたテキストを読み上げてくれます。 イントネーションはフレーズごとに調整可能。 また、音声ライブラリの立ち絵も表示されます。 ユニコエは、公式サ
Windows 10は好きな文章を合成音声で簡単に喋らせることができる (1/2)
こんな簡単なコマンドで、Windowsは「しゃべって」くれる。画面キャプチャーでは声をお聞かせすることはできないが、お手元のWindows PowerShellで試してほしい スクリプトを作るとき、ちょっとユーザーの気を引きたくなることがある。たとえば、少し時間のかかる処理をするときに、終わったことを通知したい場合などだ。あるいは、実行後にすこし時間が経過してからエラーを通知するような場合にも、気を引きたくなることがある。 こんなとき昔のコンピューターならベル音やビープ音を鳴らすのが一般的だった。端末装置からコンピューターを使っていた頃、Ctrl＋Gを出力するとベル音が鳴った。マイクロプロセッサが使われ始め、パソコンの原型ができあがった頃、BEEPと呼ばれる機能ができた。プログラムでビットをオンオフし、これをスピーカーに接続することで音を出していた。今もマザーボード上には、そのための小さな
低遅延なボイスチェンジャー「Gachikoe!」が配布開始！無料配布あり、Win/Macに対応
低遅延なボイスチェンジャー「Gachikoe!」が配布開始！無料配布あり、Win/Macに対応 PC向けボイスチェンジソフト「Gachikoe! Core (ガチコエ! Core) v0.0.0」の配布が開始されました。同ソフトは作者の桜音さちさんが現在開発中の「Gachikoe!」 のコア機能を抽出したバージョンで、WindowsとMacに対応しています。バージョンv0.0.0は作者のBOOTHで無料配布されています。BOOTHはこちら。 Gachikoe! (ガチコエ!)っていう低遅延でクロスプラットフォーム(Win、Mac対応)なボイチェンつくりました！ 無料配布もあるのでよかったら試してみてください✨✨✨https://t.co/BClIcqadX4 PIXIV FANBOXもはじめたのでよかったら支援していただけると嬉しいです！https://t.co/F0Rc6v4YCT pi
Microsoft Research、「息を吸いながら喋る」ことで周囲に気づかれずに音声入力を可能にするシステムを発表
Microsoft Research、「息を吸いながら喋る」ことで周囲に気づかれずに音声入力を可能にするシステムを発表 2018-10-17 Microsoft Researchの研究者は、「息を吸いながら」喋る時に出る非常に小さな音を利用した音声入力インタフェースデバイス「SilentVoice」を発表しました。 論文：SilentVoice: Unnoticeable Voice Input by Ingressive Speech 著者：Masaaki FUKUMOTO 本論文は、ingressive speech（吸気発話）法を用いて、非常に小さい音（漏洩音量39dB未満）での音声入力を可能にするシステムを提案しています。静かな場所だけではなく、80dBの騒音環境下においても周囲に気づかれずに音声入力が行えます。 本提案手法は、我々の通常音声やささやき声のように、息を吐きながら喋る
プロ生ちゃんこと暮井 慧（CV 上坂すみれ）のシステムボイス無償公開のお知らせ！ – プログラミング生放送
というわけで、この度、IT系コミュニティ「プログラミング生放送」のキャラクター、プロ生ちゃんこと暮井 慧（くれい けい）のシステムボイスを無償公開します！ PC やスマホの一般的なサウンド設定、そして Visual Studio など開発用ツールのサウンド設定としても使える内容です。 合計100種類以上！ ダウンロードから視聴とすべての音声をダウンロードできます。下記の種類の音声を用意しています。 あいさつ、ゲームやアプリ向け アラームやタイマー向け Windows/Visual Studio サウンド設定向け（もちろん Windows 以外でも使えます！） キーボード操作 暮井 慧ならではのプログラミングに関連した一言も聞き逃せませんね！ 順次公開予定の音声もあるのでチェックしてくださいね。 また反響によっては第2弾もあるかも！？ ご感想・ご要望は @pronama までお寄せください（
音声を認識して日英・英日の自動翻訳をするiPhoneアプリ『Jibbigo音声翻訳-日英』-今日のアプリ第515回
ドラえもんには、「ほんやくコンニャク」と呼ばれる食べるだけで外国語を自由に操れるようになる道具が登場します。 その夢にかなり近づいたと感じさせてくれるのが、『Jibbigo音声翻訳-日英 』という音声認識機能を登載した翻訳アプリです。 iPhoneに向かって日本語で短いフレーズを話すと、音声を認識して自動で翻訳。英語の音声で発音してくれます。(英語から日本語も可) まずはその使い方を解説した開発元による動画をご覧ください。 英語と米語では単語やアクセントが違うため、アプリを起動すると言語の選択画面が表示されます。 日本語を翻訳する場合は画面下の録音ボタンを、英語の場合は上のボタンを押しながら、マイクに向かって発声します。 音声の認識が行われ、数秒後に話した言葉が表示されます。さらにそのご10〜15秒後に対訳表示されます。 旅先での用途を想定しているようで、旅行でよく使うようなセンテンスはか
いたいけな幼女「VOICEROID 月読アイ」と変声前の少年「VOICEROID 月読ショウタ」にそれっぽい台詞を実際に言わせてみた
写真やイラストをしゃべらせるソフトCrazyTalkなどで知られるAHSから、文章や言葉をテキスト入力するだけで簡単にかわいい声で読み上げ保存することができる高性能音声合成ソフト「VOICEROID 月読ショウタ」と「VOICEROID 月読アイ」が12月4日(金)に発売されることが明らかになりました。 というわけで一足早くその声を聞いてみたいという人のために、女児ボイスロイド「月読アイ」と男児ボイスロイド「月読ショウタ」にあんなことやこんなことをしゃべらせてみました。ムービーは以下から。VOICEROID 月読アイ - 入力文字読み上げソフト VOICEROID 月読ショウタ - 入力文字読み上げソフト 月読ショウタ(左)と月読アイ(右)。二人は兄妹で、兄のショウタは「可愛くハキハキとした話し方」が特徴、妹のアイは「優しく一生懸命さが伝わるカワイイ話し方」が特徴とのことです。 編集画面は
危険な言葉にビープ音--MS、音声ストリーム向け技術で特許取得
Microsoftは先週、新たな特許（米国特許番号第7437290号）を取得した。この特許技術を使うと、音声ストリームの中で、事前に定義した「不正な言葉」のリストに該当する言葉をビープ音で消せるという。 Ars Technicaは、同特許について、2004年の申請時と今回の取得時の二度に渡って報じているが、この技術は、みだらな言葉の検閲にも利用可能だが、恐らく中国などの政府は、「チベット」や「言論の自由」といった他の言葉の検閲にも利用したがるだろう、と指摘している。 またArsは、組織の結成をもくろむ反体制派にとっては携帯電話が重要なツールであることが分かっていることから、この技術は特に携帯電話への適用が有効だと述べている。 最近、Microsoftは特許を次々と取得しており、この特許はその最新のものにすぎない。同社はここ数年、それらの特許を積極的にライセンシングしている。
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Release v1.2.0 · ggerganov/whisper.cpp
Text-to-Speech AI: Lifelike Speech Synthesis | Google Cloud
Google、動画で群衆の騒音のなかから1人の音声を分離する技術
「ホーキング博士が利用する音声ソフト」が無料で利用可能に
SofTalk WEB - SofTalk