美少女声への変換と合成

Introduction今までは主に可愛い女の子の画像(or 動画)を生成することに取り組んできましたが、画面上に映せるようになったらやはり可愛い声で話して欲しいものです。そこで今回は、別の人の声が与えられた時に美少女声へと変換するための声質変換と、テキストが与えられた時に美少女声を生成するText-to-Speech(TTS)を行なった試行結果について述べようと思います。 Voice ConversionIntroduction声質変換のデータには2種類あります。それが、パラレルデータとノンパラレルデータです。以下にそれぞれの特徴を述べていきます。 パラレルデータを用いた声質変換 同じセリフを発する2種類の声を学習データとして用います。発話内容が同じのため、言語特徴を気にせず音響特徴量の変換を行うことが可能です。しかし、話速の違い等によって言葉を発するタイミングがずれてしまうのでDyna

[e_denker]

突然の巨大綾波データセットに頭が真っ白になってそれ以上読めなくなってしまったので後で読む。

[hagane]

綾波レイっぽいのに林原めぐみっぽく聞こえない不思議

[napsucks]

大山のぶ代の復活くるか！？

[rexy]

ま た お 前 か（褒め言葉）

[yukisno]

そのうち、なりすましとか簡単にできちゃうんだろうなあ

[Nyoho]

CycleGANで声質変換するのとテキストから音声合成する記事。はー綾波レイのモノマネデータセットがあるのか。

[aquatofana]

「少女声」ではなく「『美』少女声」というあたりに、概念化した(=人格を抹消されたモノとしての)女性ニーズを感じる。やるのは人の勝手だけど、端的に気持ち悪い(批判の自由ですのでお気遣いなく)。

[you0328]

こここれは、すごい！

[kk6]

後で読む

[sotarok]

Pickしました

[kjin]

こういう音声変換や合成に言語学，音声学はどの程度かかわってるのかなあ

[otation]

バ美肉の未来は明るい

[witchstyle]

(2019/05/15公開のエントリ) 声優さんに綾波レイの声真似をしてもらって得た音声データセットを利用して学習させ、音声から美少女声質音声への変換、TTSの両方を試行した結果。（いい。すごくいい）

[myrmecoleon]

バ美肉も機械学習の時代

[maho53huji]

そんなシステムまであるんですね

[T-miura]

頑張ってほしいという気持ちしかない

[modoroso]

全然わからん

[himakao]

学習データがあれば自然な声が作れる時代はもうちょい先なのかなぁ。

[manFromTomorrow]

ttsにssml掛けたらもうちょっとエエ感じなるとちゃうかなとか思ったけど、そういうのは狙ってないんかな

[warp9]

“綾波レイデータセットは、あくまでも声真似のデータセットですが5089文という大量のデータを含んでおり、また声真似のレベルとしても非常に高いです”あとで聞く。

[Dr_Shibaitaroka]

平板なのが綾波レイっぽい。今できることで一番魅力的に聞こえるチョイスだ。かしこい！

[otihateten3510]

以前話題になった東北大の話の流れかな

[jssei]

最近の声質変換はGANなのか。

[takuver4]

家に帰ったら確認する。会社からだと見れない。

[uunfo]

完全に綾波レイだった

[knok]

あーなるほど、ノンパラレルデータでもCycleGANを応用すれば声質変換に使えるのか

[stealthinu]

アニメ絵のGAN生成とかのLento氏がCycleGAN使って音声変換や音声合成。音声でのGAN適用のしかたやどの特徴量使うかなどいろいろな知見が詰まってる。

[Fushihara]

感情を込めた発音はまだまだだなー