【ＡＩ】元歌手と判別できないレベルのAI歌声合成、名古屋工業大学と音声ベンチャーが開発［12/14］
■ このスレッドは過去ログ倉庫に格納されています
名古屋工業大学 国際音声言語技術研究所と音声合成を柱とするベンチャー企業テクノスピーチは12月12日、これまでの歌声合成とは一線を画す、元の歌い手の声質、癖、歌い方といった特徴を捉えた歌い方をディープラーニング技術などの適用で実現した。約2時間分の音声データで学習し、日本語、英語、中国語に対応する。
名古屋工業大学の徳田恵一教授を中心とするチームはこれまで、隠れマルコフモデルを使った統計的手法により、音声合成のOpen JTalk、歌声合成のSinsyを開発し、提供してきた。テクノスピーチはこれらを発展させた商用製品CeVIO Creative Studioの開発にも携わっている。今回の新技術はこれらを新たな次元に推し進めるものと言える。
名古屋工業大学とその出身者によるテクノスピーチの共同研究は、2019年3月に開催される日本音響学会2019年春季研究発表で公開される。
Sinsyと同じく、人手による調整がされていない「ベタ打ち」の歌詞付き楽譜データをMusicXML形式で与えるだけで、元歌手の特徴を再現する。
今回のデモはCeVIOで歌声を提供している、さとうささら、IAが使われていることから、CeVIOの将来バージョンまたは後継製品で使われることも予想される。
故人である三波春夫さんをバーチャルシンガーにした「ハルオロイド・ミナミ」がCeVIOに対応する歌声として製品化しているが、この新技術を使った、本物と区別がつかない仮想三波春夫による「世界の国からこんにちは」を期待したいところだ。
http://image.itmedia.co.jp/news/articles/1812/14/koya_cevio2.png
http://image.itmedia.co.jp/news/articles/1812/14/koya_cevio3.png
※記事の音源はこちらのlinkから聞けます
https://www.techno-speech.com/news-20181214a
ITmedia NEWS
http://www.itmedia.co.jp/news/articles/1812/14/news089.html 今回で大事なのは声が非常に明瞭でハイファイになっていること。
その過程で歌い方まで学習してるけどそれは副次的な産物。
広音域で聞き取りやすく、ネイティブの人間と同じように音素が波形レベルで
きっちりしてる発音ができることが歌声合成の現状最大の壁だったから。 ボーカロイドも終焉か
そのうち誰でもボタンひとつで曲ができるようになって、曲に価値なんてなくなるんだろうな エロゲに使えるレベルなら、制作費が相当圧縮できるが
あえぎ声とかはまだ無理だろうな AIの会話ソフトと組み合わせれば、アイドルとテレ友に！ 自分の声で口パクできるようになる？
もしそうなら「lemon」を歌っている自分の歌声を聞きたい
いまは音痴杉で真似すらできね 意味が理解出来ないんだが、
タイトルの「元歌手」って誰の事？
この記事もAIかなんかが書いてるんじゃないか？チューリングテスト失敗レベル。 >>5
生身の歌手がその場で歌うのを聴く事が喜びなわけで．．． 既存製品では公式に水瀬いのりさんが声色と癖担当とアナウンスされているが今回も同じかどうかは不明。
歌い方が上手いとそのように学習するわけだが、ライブに通ってるファンなら断定できるかもしれない。 第九のコーラス隊も要らなくなるな。PCを200台並べてスピーカーを繋げばOKだもの。 >>112
コーラスは人間だからできる部分を無視できないのでAI歌手では当分無理かな
ハーモニーはAIには分からない人間の感覚が為せる技なので よくはなってると思うが判別できないは言い過ぎじゃない？ｗ >>92
湾岸戦争？の頃にCIAがフセイン大統領の失脚を企てて
フセイン大統領にソックリな男優を出演させた
ゲイ・ポルノビデオを制作したそうだ
もし、選挙の直前に安倍晋三の声を合成した
安倍ロイドで、籠池と密談した音声が
公開されたりしたら、選挙結果に影響するだろう？
音声合成技術の進歩は、使い方によっては
大変な力を発揮するよ >>20
>>43
>>69
>>73
>>109
初音ミクの良さって科学では説明出来ない
実在感じゃないアイドル性って解るかな？
天使の歌声だよ？
例えどれだけ美味しい料理でも
人肉を模していたら美味しくないでしょ？
感性の問題なんだよ V5のデキがアレだからこっちに未来があるのは間違いないと思うよ 落語家の話も、AIに奪われる時が来るのかもしれない。
そおそも話の内容や語り口自身もAIが自動創作してしまうようになったなら。 小田正和とかうまいひとがカバーすると原曲越えしまくるけど
そういう時代が来そうだな 初音ミクが売れるまで、VOCALOIDのサンプル音声で
プロの歌手を使うのは難航した。仕方が無いので
クリプトンフューチャーメディアはアニメ声優を起用し
アニメキャラクターが歌っているかのような演出をした
案の定これには硬派な業界から反発を受けた
そもそも芸能人は自分を機械で置き換えされるのを嫌う
芸能界も低コストの人工アイドルが増えれば
予算を削減されて、中抜きできなくなる
ホリプロの伊達杏子が鳴かず飛ばずだったのに
門外漢の初音ミクが大ヒット
芸能界にとって面白くないのは当たり前
初音ミクを超えようとするなら
初音ミク以上に強烈な逆風を覚悟すべき 井上 裕太@yutainoue
これヤバい。以下の写真はどれも実在する人ではなく、AIが作り出した顔。
あまりにリアルで見分けられない。NVIDIAの研究。Kevin Kellyは「写真のが証拠になる時代は終わった」と。
論文はこちら https://arxiv.org/pdf/1812.04948.pdf …
https://pbs.twimg.com/media/DuXo7wKUUAAKeu3.jpg:large
https://www.youtube.com/watch?time_continue=1&;v=G06dEcZ-QTg この技術もっと進歩して、遺体が残ってたら、そこから歌声を
再現できるとかになったらすごいな
ファリネリがどんな風に歌ってたかとか実際に音で聞けたらすごい 声にも肖像権同様の権利が必要になるのでは？
ゼロから声を作ってそれが人気を集められればいいけれど、
生身の人間の(声以外を含む魅力に基づく)人気に乗っかり
声だけパクって商売するのはなんとも 元歌手とは判別できる程度に別人の声にしてあるんよねこれ
声紋分析したら確かに似てるけど違う声、になるはず
ミクと声優さんの声が違うのと同じ発想 聞いてきた
音の解像度が上がっただけで、音痴な点は変わってないのな
これ単にモデルのoutput層で表現できる値が増えたから良くなった感じ
変な声聞いて育つと色々音痴になったり発話障害になったりしてで嫌だな
もっと改善するまで広めないで欲しいところ 合成の精度を非常に上げることができるという点でディープラーニングはめっちゃ使えるという良い研究結果だな
ただこれだけの精度を出すために、再生（再現）する時にも計算処理が大きくなっているようで、GPUを使っても
それなりに処理時間がかかるとのこと。これが今のネック。
ユーザーとしてはいきなりトライ＆エラーの修正回数が激減している状態から始められると思うのでトータルでは
メリットが圧倒的に上回ると思う。 >>1
ヒトとモノの区別が付かなくなっていくな
こうなると、アニミズムのある文化圏が伸びてくる >>137
日本は情弱だから伸びないさ
技術があっても何に使うのか想像力が働かない 音声データってくらいだから生声は数理化出来てるわけじゃん？
合成音声ってそんな難しいことじゃなさそうなんだけど初音ミクから10年以上経つのに革新的なものが出てこないな
やる気が足りないんじゃないの？ 初音ミクは実のところ職人芸で成立してる方式だからね
今回は開発環境問題をAIとマシンパワーで解決できたので
来年にものすごい音声合成ブームがもう一度来るでしょうな >>1
すげぇな、おい！
また三波春夫の五輪音頭を聞きながら熱い応援ができるのか？！ ヤマハもAVアンプでAI採用してるし
地味にAIも我々の生活にも入って
来てるな ちなみにSinsyというこの技術の前身となるサービスがあるんだが
そこでは既にDNNを採用した女声音源が実装されて歌わせることができる
聴けば分かるけど既存技術より地味に声の解像度が向上してる
変なブレス入るようになったけど 凄いなこれ
ちゃんと商用歌声として聴けるレベルになってる
嗜好品としてのヴォーカルの魅力は再現できないとしても
コマーシャルソングとか企業のテーマソングとか「破綻のないプロの歌であれば良い」というニーズならこれで十分だろ これがボカロに求めていたものだ
新しい流れになりそう >>3
そういう音楽には何の価値も無い時代に突入だな
益々下手でも生歌の価値が上がる時代になるんだろう 誰が聴いても元歌手の声でかつ元歌手より上手く歌えなきゃものにはならんとジャニーズとAKBの人が
言ってました 機械ロボ音が消えてるな
これ消すのにものすごく苦労するんだ
簡単処理でリアル音声ぽく出来そうで何より
早く出せ
ただし雑魚い声のヤツ元声に使うなよ アナウンサー、ナレーターももっと自然にできるってことだよね？ >>152
むしろジャニーズとAKBなら楽勝じゃね？ w ちゃんと呼吸音があるんだな、声の後に吐く息が聞こえるのが凄い アーティスト（故人を含む）の歌声の再現
楽曲作品制作やゲーム開発への応用
バーチャルユーチューバーによる配信・イベント
バーチャルアクターによるアフレコシステム
人工知能や音声対話システムの発声モジュールへの導入
外国語教育・歌唱教育における柔軟な参照音声の生成
ＡＬＳ・喉頭がん等の患者様が用いる発声デバイス
介護施設用デジタルサイネージ
https://www.techno-speech.com/news-20181214a ボーカロイドで、音痴のやつの声をサンプリングして
うまく歌わせるのをテレビでやってた
歌手にこだわる必要ない
むしろ声はいいのに音痴にこそ使え 聞いてみたが、この程度なら今のボーカロイドでもできるのでは？ 技術にケチつけるのもあれだけど、人間の歌い方とかイントネーションを真似してるだけだよね、、、
パクリというか。
全然ときめかないんだけど。 ミクも全然すげえと思ったことないんだよね。
人でいいじゃんていつも思う。
周りとの温度差が寂しい >>165
ボカロっていうのは肉声の再現よりは
絶対に音程を外さない歌手をアマチュアの作詞作曲家でも
気軽に利用出来るシステムを構築した功績が大きい
プロの歌手に自作曲を歌ってもらうなんて
しかもレコーディングで何ヶ月でも何年でも
しかしボカロなら思いのまま
人間の声は同一人物でも常に同じ声で歌えるとは限らない「生もの」だが
ボカロの声は楽器だ、いつでも同じ声で歌ってくれる >>165
ボーカロイドは相当深く習熟した人間が1曲ごとに調整しないと
>1くらいにならないんじゃない？
>1は2時間分くらい聞かせたら聞かせてない曲を楽譜だけで
歌えるようになるということだから、労力の違いが大きい 「調教」技術でもてはやされてたP達のネガティブキャンペーンが始まります >>167
人とミクとで、コストの差を考えろよ
金だけじゃない。自分の作った曲がその場でポンッと歌になるんだから、そりゃ皆すげーって言うわ
人より劣る歌にも関わらず、猛烈なムーブメントが起こったのには理由があるんだよ 人とイクとで、コストの差を考えろよ
金だけじゃない。自分の作ったAV台詞がその場でポンッとAV作品になるんだから、そりゃ皆すげーって言うわ
人より劣る喘ぎ声、泣き声、絶頂声にも関わらず、猛烈なムーブメントが起こったのには理由があるんだよ ボカロは機械音声だから合う曲とかもあるしカップヌードルみたいなポジションでしばらくは生き残りそう 演技や日常会話は抑揚のつけ方が文脈依存だから
難しいと思う >>172
でも人より発声は劣ってるし曲聞いて心が動いたことないんだよね。
だからこれからも凄いと思うことはないだろう。
冨田勲がミクとコラボしたのは意味があったんだろうけどあれも感動はなかったし。 >>180
例えば初期のワープロ、フォントが16ドットや
24ドットで字がカクカク、ガタガタ
字を書くのが極めて下手な人が、初めてワープロを使うと
誰でも読める字を印字出来て感激する
字を書くのが上手い人にとっては、字に心がこもってない
自分なら、もっと綺麗に書けると 冨田勲が亡くなる前にそこそこ使えるボーカルシンセサイザーが間に合ってよかったという別の感動はあったけどね 書道をAIが書いてるようなもんかな。
機械学習できれいな書体を機械がかけたとしても、ツールとして便利だけど出力したものに感動はないよねという。
ただし知らなければ騙されるだろうけど、それなら死ぬまで騙し続けてもらわないと困る でも技術はすごいよな。
凄いんだけど素直に感嘆できないんだよな最近の技術。
電子マネーにしろなんにしろ。これが老いか >>184
なんか分かる。
ルパン三世の最新シリーズで、ネット技術やクラッキングを駆使した盗みや追跡等の表現がされてたんだけど
凄く地味なんだよね…
アニメという創作物の枠内ってところを差し引いても、PCやネットで完結する技術は何故か感動やワクワクに結びつかない怪
とはいえ、人の手で調整せずに>>1まで出来るのは凄いなｗ ボカロ界隈にも再びフィーバー来そう >>184
ボトルネック解消に向けての改良だよ
キー入力がなければ音声入力で代用する >>176
日本語の場合人による微調整は必要だろうな >>183
ツールとして便利で、完成に至るまでのコストが超絶安い
その結果として現れた作曲文化の裾野の広がり、多様性こそが初音ミクの本質だよ
そもそも初音ミクの歌は、別に人間の歌う歌の劣化版というわけではない
初音ミクというツール、文化が存在しなかったら決して生まれなかった、作曲家自身から
直接生まれて形になった歌なわけで、人の歌とは成り立ちからして別物だよ
別に、その上で「人の歌の方が好き」というのは全く自由だけど、その辺に思い至りもしない
というのは、音楽鑑賞の上で相当問題があると思うぞ なんだよ元歌手って。
元歌手とは判別できない程の音痴雇ってもしょうがないだろ。 >>185
映画のマトリックスは古いビルに侵入して廃棄された
オフィスに残った配線にひとつだけ残ってる電話機から
交換機に侵入する表現の序盤の方がスリリングでカッコいいじゃん。 最新テクノロジー駆使するより声優雇う方が安いという現実 いずれ、音痴のあなたが歌った録音を自動修正して、音程の正しい歌唱の
録音データーにしてくれるソフトは実現するだろう。
全国の音痴の皆さん、期待してね。 ジャリタレとかアイドル歌手も、実際には音程が不良で、エコーをかけずには
ＢＧＭ無しでは聞くに堪えないレベルの者がよく居る。そういう本来歌手として
2流3流の技量しかなくても、修正ソフトを使って音程を直すことでＣＤとして
売れるレベルの作品に仕上げることができるのだ。 歌唱の巧さは音程だけじゃないだろう。
下手の歌を2時間学習したらやっぱり音程以外は下手なんじゃないか >>195
何を言ってるんだ歌下手な人を元にしたら「ちゃんと」音もはずしてくれるだろ？ ■ このスレッドは過去ログ倉庫に格納されています
