「音声合成」を含む日記 RSS

はてなキーワード: 音声合成とは

2024-03-17

見えます……

近い将来、リアルタイムAI画像生成と音声合成によって、ライブ配信で完全に若い女性として振る舞うオジと、それに性的興奮を覚え、スパチャで金を吸い取られるオジの姿が……

まり技術に対するリテラシーの違いで、奪うオジと奪われるオジに別れるのです

オジとオジによるウロボロスの完成です

2023-09-01

16年かけてもボカロシャロン・アップルにはならなかった

AIによる音声合成技術が発達してフェイビデオを作ったりネカマになったりは随分楽になった。

だけどコンピューター歌手歌唱力はまだまだリアルと全く違う。

機械的であることを売りにした「ドモアリガトミスターロボット」のような楽曲を完成させることさえもまだまだ遠いように見える。

人間にもなれずロボットにもなりきれないモラトリアムの隙間に潜り込むことで永遠の何かを手にしようとしている節さえある。

最近ではボカロソングよりもボイロを楽器化した楽曲の方が可能性を感じるような節さえある。

結局初音ミクは圧倒的で絶対的人間以上の歌手には至らなかった。

サブカルチャー世界に強烈な地位を築き上げることは出来たが人間を超えることはなかった。

あの頃夢見た未来はまだまだ遠い。

2023-08-27

日本音声合成立ち絵文化って独特だよな

合成音声界隈は間違いなく日本が独走しているけど、これって日本以外ではあんまり流行っていない気がする

特に合成音声にキャラ立ち絵を組み合わせるってのは日本くらいしかやらないんじゃない?

Youtubeとかで海外の人の動画を見ても、日本のようなタイプってまず見かけない

地声や本人が出てくるパターンが多いんだよな

匿名文化日本が強いってのも理由にあるんだろうし、その需要を満たす程度には合成音声界隈が活発かつ立ち絵豊富ってのもあるんじゃない?

仮説というか感覚でしゃべってるから事実とは異なるだろうけどさ

ちなみに動画原稿が書けなくなったので気分転換につぶやいてる

2023-05-21

ゆっくり解説日本Youtube破壊した

まずこの2つの動画を見比べてほしい

海外https://www.youtube.com/watch?v=GPWxcTOJfR0&ab_channel=Thoughty2

日本https://www.youtube.com/watch?v=5iTmMvGAOU0

クオリティの差は言うまでもない

海外動画アニメーションをふんだんに使用して理解やすく没入しやす配慮がなされている。ナレーションも上手いし堂々としていて聞きやす

一方日本静止画中心で、何のために動画メディアを使っているのかわからないような編集

霊夢と魔理沙のいい加減うんざりするようなクッソくだらない茶番劇いつまでも擦り続け、化石レベル音声合成技術使用しているゆっくりボイスは壊滅的に聞き取りにくい

こんな低レベル動画フォーマットが氾濫してしまったせいで日本Youtubeは未だに石器時代レベル動画を量産し続けている

そんなものをありがたがっている視聴者視聴者である

2023-03-21

人型ロボット未来

ボストン・ダイナミクスロボットは、すでに体操選手のような凄い動きまで身につけているが、人との会話機能はなかった。

ここにChatGPTと、音声認識音声合成つんで、もうちょっと高性能になればいい。

人型ロボット技術要素はそろっちゃったんだな。

2003年4月7日から20年ほど遅れたが、未来きた感ある。

2023-03-19

anond:20230318142416

消えてはいないがプラットフォームが変わった

また、ハードウェアPCスマホになったことが大きい

加えて、音声合成ナレーションの分野のほうが需要あるからそちらにシフトしている

2023-03-17

anond:20230317111314

出てるでしょ

音声合成ホットな分野だしどんどん改善されてる

歌とかも人間が歌ってるのと区別ができないレベルになってるよ

2023-03-10

AI音声合成齧ってたので私見を述べる

論旨


演技音声の学習

無断で数千人の声優学習したというのは、恐らくMoeGoeのことを指していると思われますが、アクセント不安定で「演技泥棒」には程遠いです。

最新のモデルをもってしてもアニメの演技のような抑揚の大きい音声を学習させることは難しいことであって、実用レベルに押し上げるようなブレイクスルーもまだ起きていないのが現状です。


音声合成学習には、データセットとして音声とそれに対応する文章を合わせた音声コーパスと呼ばれるものを用います

演技というもの台本でいうところのト書きであって、文章に直接的に含まれている情報ではないことからも、文章から生成する音声に演技を付与させることの難しさが理解できると思います


データセットの問題

文章と音声があれば、即座にデータセットとして使えるかと言えばそうではありません。

文章で想定している(文章構文解析することによって得られる)読み方と、音声における実際の発音が異なる場合があります

音声合成は結局のところ文章の音素と音声を対応付けているだけなので、音声コーパス文章と実際の音声に乖離がある場合には学習の精度が下がる恐れがあります

加えて、現在音声合成ではアクセントなどの情報を用いることが多いですが、アクセント辞書から得られた情報と実際のアクセントが異なる場合も演技音声では散見されるでしょう。

上に述べた抑揚の問題や、音声にBGMなどのノイズが混ざっている場合など、音声自体データに適さな場合もあるため、それらの選別も必要です。

音声合成用に収録された音声コーパスであれば、読み方やアクセントノイズ等に細心の注意を払って録音されていますが、一般の音声は必ずしもそうではないのです。


このような読み方やアクセント等の修正は、残念ながら人力に頼らざるを得ません。そもそも台本がない場合は一から書き起こす必要があります

AIイラスト成功には、イラストへの人力でのタグけが寄与していることはよく知られていますが、果たしてAI音声という分野において人力による音声コーパスの整備が進むでしょうか?


声優との関係

AI音声合成ソフトの代表例とも言えるVOICEVOXはいまや多くの人気を集めており、多くのキャラクターが参加しています

また、COEIROINKのように音声コーパスを用意することで自らの声を学習させた機械学習モデルを共有できるような音声合成ソフトも登場しています

AIイラスト界隈における絵師との軋轢が援用されていますが、音声合成の分野においては多くの場合データ提供者たる声優相互理解のある関係を保ちつつ発展してきたことを強調しておきます


その他

動機付け

もともとナレーションの分野においては、既に十分な品質音声合成ソフトが存在します。

AIイラストと異なり、倫理的問題のある音声合成に手を出す動機付けが乏しいことが現時点において関心が集まらない要因となっています


ASMRにおける課題

そもそもASMRには、バイノーラルという特色があるわけで、AIが生成したモノラル音声がAIイラストほどの脚光を浴びるとは考えづらいです。


2023-02-07

オレオレAudbleを作ろうとしてる

自炊した書籍PDFデータとかをOCRに噛ませる→更に音声合成システムに噛ませてオーディオブック化するっていうのを試してる

法的にはよく知らんけど私的利用なら多分大丈夫

テキスト化までは成功してて、試しにvoiceboxに読ませてみたんだが流石に誤読が多すぎる

adidasもエーディーアイディーエーエスって読むからなんのこっちゃってなった、まあそういう用途は想定されてないわな

Amazon PollyかGCPText to Speechデモ試したら良い感じだったからこっち試そうかな

毎月400~500万文字くらい無料らしい、そこそこぶ厚めの技術書でも文字数は10万とかだったりするからまあ事足りるかな

明日はそっち試してみよっと

2023-02-06

[] AGIって結局どうなったの?

誇大広告現実の違いを理解する必要がある」これはAIしろ量子コンピュータしろ言えることだ。

ロケットに関しても、火星移住するようなレベルに達するのかというと、それよりも地球上で様々な問題顕在化するのが先だろう。

AGIについては、誰もその方法を知らないと言える。ここ10年で起こったことを踏まえたら、それはヒントにはなるだろうが、その多くは非常に単純な技術である

2030年にAGIが誕生する可能性はどのぐらいあるのか。50%でも希望的観測だと考えている。

ディープフェイク、チャットボット音声合成画像生成など色々あるように思うが、本質は「transformerにポン」だ。進歩しているのは莫大な計算資源を扱う人間スキルであり、数学的な進歩はそれほどあったとは思わない。

シンギュラリティ!」と発狂しながら言っている他界系は沢山いるが、「特定能力を持ったAI仕事配備して何でも自動化する」ということが可能になる範囲には確かに興味がある。

例えば「新しい漫画を作りたい、そのために必要リソースを設定してアウトプットを出してくれ。ストーリーは大体こんな感じだ」とAI命令する。「リソース見積もりができました。それを実行するためには500ドル必要です。支払いますか」「はい。支払いますポチ」「しばらくお待ちください...出力がダウンロードできます」みたいなものだ。

現在アレクサやらSiriやらは全然ダメで、特殊化されすぎているし、仕様もなんとなく投げやりである。この方向ではAGIにはなりそうもない。「人の声」なんてインターフェイス部分は本質ではない。

GPTなどの巨大言語モデルは、学習後のパラメータが巨大ではあるものの、ソースコードはとても単純で短い。

まり今後進歩が望めるとすれば、一つはハードウェア的な進歩であり、1)ハードウェア能力, 2)ハードウェア価格, 3)ハードウェアが誰でも使いやすくなる、といった方向だろう。

AI最先端企業で働く連中は「集団思考」に陥っており、それを避けるために独立して研究開発する人々もいる。投資先としての魅力があるかはわからないが、一つは潤沢にハードウェアを使えるかどうかが鍵だろう。

しかダメ投資先とは、「OpenAIAPIを使ってちょっぴりファインチューニングして画像生成とテキスト生成をしました」というタイプの連中だ。これは一時的炎上資金は貰えるかもしれないが、優位性がすぐに失われる。

優位性という意味では、メインストリームではないアイデア模索しているところも投資先としては魅力的かもしれない。

2023-01-31

Colaboと東京都を叩く時事系VTuber共が

音声合成で「都」と「みやこ」と読ませるのはわざとなのか?

自分の作った動画点検しないのか?

やっぱり知能の低い連中は格が違うなw

2023-01-23

「草々」を「くさくさ」って読んでColabo批判する犬型時事系YouTuber

音声合成じゃなくて音声変換だからレベル低すぎ

2023-01-20

解説動画ってどう作ればいいんだろう

音声合成アプリ動画編集ソフトはある

けれど根本的にどうすればいいのかよくわからない

いろいろな動画をみてはいるけど実はスライドを参考にしたほうがいいんだろうか

あと、合成音声だと聞き取りづらいからと思い字幕をいれているが、それだと肝心の中身にかぶってしまい手間と見づらさが増している

かといって中身だけでは差別化できないのでキャラ同士の簡単な掛け合いを必要とするため、やはりゲーム風に字幕があったほうがいいんだろうか

書く内容は決まっているのに動画にすると滅茶苦茶難しい

ただ、作っているうちに自分の書いた内容を強制的に読み返すこととなり内容の不備を客観的理解するには助力している

2023-01-14

feat.という、やたらと目にする謎の歌手

何者なの?

声の幅も広くて男声も女声もやるから、同一人物ではないよね?

初音ミクとかずんだもんみたいな音声合成キャラクターなの?

2022-12-06

anond:20221206070652

シーケンサーシンセサイザーの出現で自分で弾かなくても好きな音楽演奏できるようになっても、ギターピアノをやる若者絶滅していない

将来、音声合成人間と同等の声を出せるようになっても歌を歌う若者絶滅しないだろう

2022-11-07

anond:20221106160447

・さっき英単語力学習中の増田が知らない英単語いれてAIにかかせて「あ~こういうことね」ってなるっていってた

・さっきいらすとや学習させてみた人が「やっぱ画家名でクローンするのたちわりぃな」っていってた

・さっき描画AIではなく音声合成AI日本語声優さん2800名ぶちこまれてる人が「これもヤバいいらすとや本人なら仕事につかえそうだ」っていってた

 

結局、調教したり、「これが心地いい」って判定するのは人間なんだよな

でも秘伝のタレみたいに「うちの家系はこの呪文AIにいれれば代々安泰だ」みたいになるとおもしろいね

代々魔術をうけつぐ家で…蟲の絵とかみせつけられて脳内レイプだの虐待されるんやで…

2022-11-04

アニメキャラ2890名分の音声を学習した音声合成中国で出てるらしい

https://twitter.com/superwadorude/status/1587775494623141888

2022-11-03

AI絵師現在進行形惨状について、AIに浸かった側から告発する

長文を読ませても何なので、まずは要点から

特定人物の絵柄をパクる機能が水面下の野良で氾濫し始めている。

これが問題だと思った人は読み進んでほしい。

とはいえ、混み入った話をするつもりは無いので、多少かいつまんで解説する。

この話に興味がある人なら、NovelAIはご存知のはずだ。各所で手足が雑でまともにラーメンが食べられない画像を何度も見た人も多いだろう。

少し前の話になるが、NovelAIサーバーハッキング被害を受け、プログラムのほぼ全てを盗まれて若干アンダーグラウンドな界隈に全公開されてしまった。

この中には、NovelAIの次期リリースに向け開発が進められていた新機能も含まれていた。

それが、今回の主役であるhypernetworkだ。

hypernetworkとは、それほど手間をかけずにAIの出力を追加調整する機能で、

その調整とはズバリ、絵柄の調整である

そう、言うなればハイパーmimicとでも言うべき追加機能が、アンコントローラブルな状態でいきなり野に放たれたのだ。

親切な方々がセーフっぽいプロセスやアウトっぽい(?)プロセスを経て構築したサンプル画像Twitterにいくつか上がっているので、

ご興味のある方はTwitterで「hypernetwork」で検索してみるとよい。(見た勢いでクソリプを送るのは全くお勧めしない。)

で、放たれて早々例のアジア2ヶ国のAI画像コミュニティ活性化し、完全にアウトな行動をとり始めた。

有名絵師の絵柄を学習させ始めたのだ。そしてそのデータ絵師名前付きで配布している。ド直球だ。

アウトだ。名前を伏せて分かる奴だけ使え的に配布すればまだマシなんじゃないかという、モラル大分終わったトンデモ思考を持っている私からしてもこれはアウトだ。

外国AI学習法制はよく知らないが、よく言われる日本著作権法ではAI学習用途ならセーフという話は少なくとも破ったポジションにある。

(絵柄を似せるために少量の絞り込んだデータセットを故意に組んでいる、模倣目的としなおかつ名指しをしている等々という点で。)

そして、日本コミュニティも当然やっている奴が居る。配布している奴も居る。アレコレ言ったところで底辺はそう変わらないので。

というか他の国のコミュニティに潜り込んで配布されている絵柄のデータをわざわざ輸入してきている。

なので今までAI絵で遊んでいた立場ながら告発に至った。これは既に、そして進行している惨状である

何をして欲しいとかこうするべきだ等は一切言わない。そういう立場にない。

ただ、AI絵師は「とりあえず見ないことにしておく」では済まない方向にとてつもない速度で悪用され始めている。

mimicを潰したか日本技術がどうこうという時間軸ではない。事はStableDiffusionが公開された瞬間に第二宇宙速度を超えていたのだ。

hypernetworkという存在自体広めるのもどうかと考えたが、放置してもどうせどこかで発火するため仕方ないと判断してこの文を書いている。

もう少し事がうまく運べばいいのに、私にはどうすることもできない。

ここからはこぼれ話である。もう少し暇潰しが必要な人はこの先も読むとよいだろう。

そもそも、NovelAI特有の奇妙に整った、それでいてさらりとしている例の絵柄はデフォルト設定で使用すると出るものだ。

当然のように他の絵柄も出すことができる。つまり、巷でNovelAIの絵柄とされているものを出している人達はここら辺を一切いじっていない。

NovelAI場合意図的抑制されているが、それでも大型商業作品を手掛ける絵師や、大型作品名をプロンプトにうまく指定して生成させると、

上述のhypernetworkを用いずとも既に絵柄を似せられる状況にある。

自称名大AI絵師様は最近これにご執心のようで、見れば分かるレベルに目元やタッチを真似た謎の絵達を半無言投稿で垂れ流していらっしゃるところである

誰に似せたか書かずともプロンプトに入れている時点で故意なのでもう少し考えて頂きたい。

それと、似たような状況が音声合成AIでも発生している。

某国にて声優の声を勝手に投入し、特定キャラの声で好き勝手喋らせるように作っている奴が居る。何だったら既にデモページもある。

こぼれ話はここまで。反響があれば、ここら辺も続けて書くようにしたい。

最後に、擁護する必要があるかは謎だが一応NovelAI名誉に関わる部分について言及しておくと、

NovelAIはhypernetworkを好き勝手ユーザーが作れるハイパーmimicを作ろうとしていた訳では無いはずで、

プリセットを内々でいくつか作り、お手軽に絵柄の傾向を変えられる(誰に似せた傾向かは言わない)機能としてリリースする予定だったはずだ。

そして、現在hypernetworkを悪用するにあたりNovelAI正規サービスを理活用する必要は一切無く、NovelAI機能無効化等をできる状況にもない。

NovelAIとしてもこの状況は若干遺憾であろうことを書き添えておく。

2022-10-27

声優不倫やらで作品キャラクターノイズが発生するのが嫌すぎるからもうなんか全部そのうち高精度の音声合成技術使って生身の人間を使わない方向になったりしないかな、しないか

2022-10-22

最近音声合成界隈が賑わっている

元々初音ミクあたりの第一ブームはほそぼそと続いていたんだけど、最近歌唱ではなくてナレーションがメインになりつつある。

特にVoiceVoxという無料音声合成ソフトが極めて強くて、キャラクターは既に10人以上。つい数週間前に3名追加されたと思ったら、また3名ほど加わるときている。しか既存キャラにも感情表現が追加されるなどアップデートが凄まじい。

かにもCoeiroInkとかShareVoxとかも出てきて、各方面キャラがこういうものに参加するのがちょっとしたトレンドになってきている。

有料版のAIVoiceとかにもまた新キャラがここにきて加速度的に増えてきた。

その理由はたぶんYoutube規制にある。

もともとゆっくりボイスが主流で解説といえばゆっくりだらけだった。それがYoutubeからの大幅な規制を受けるようになり、ゆっくりけが理由ではないにしろ確実にVoiceVoxとかのシェアが増えていった。とくにVoiceVoxのずんだもんが人気になったのが後押ししたんだろうな。

解説だけじゃなくて普通に寸劇もできるから

ちなみにDLSiteで25%オフクーポンがあったので俺はAIVoice買った

2022-10-12

素人による今後のAIの動向予想

NovelAIクオリティ動画生成が可能

動画生成の3D表現化&カメラアングル指定可能

ボイスチェンジ音声合成がよりなめらかに

一人の人間脚本を書いてアニメ映画制作

アダルトビデオAIで生成され始める

脚本プロットを書けば細部を詳細化してくれる小説AI誕生

脚本プロットだけで簡単映画作成可能

素人制作アニメ深夜アニメクオリティと遜色なくなり、素人投稿型のアニメサイトが主流化

2022-10-06

AIの描いた絵ってカワイイのな

正直そのクオリティに驚いたよ。

でも絵だけじゃなくて、今後はAIによる音声合成もより滑らかになっていくだろうね。

下手したら、声優の代わりにAIいいんじゃないか?ってぐらいになるかもしれない。

そしてAIによる小説の精度も上がっていき、ある程度のシナリオなんかはAIでも作れるような時代が来る。

すると、全部AIで作った作品なんかも出てくると思うんだ。

容易に想像できる。将来的にはAIが作ったエ○ゲーが出るだろうなって事が。

登場する女の子も得ろシーンも全部AIが描き、喋り声から喘ぎ声までAIが作る。

シナリオも全部AI書き下ろしもので、俺はそのシナリオに感動するわけ。

すべてが人工物で、すべてがまがい物の世界に、だ。

AIの描いた女の子に俺は恋して、AIの作った声に俺はドキドキする。

AIの描いた女の子の裸体に俺は興奮し、AIの作った喘ぎ声を聞いて俺は果てる。

すべてが人工物で、すべてまがい物に過ぎない世界に囲まれながら。

俺は果てた末に、じっと画面を見入る。

そこには尻をこちらに突き出す女の子の姿。

彼女は甘い声を出して俺に甘え、俺に対して性器を見せる。

すべてが偽物で、すべてが虚構のものの癖に。

果てた俺は自分のものに目を向け、俺は自問自答する。

搾り取られたのは俺の精液じゃない。

俺はそこで気づくのだ。

搾り取られたのは、人間尊厳だっていうことに。

2022-10-04

動画解説フォーマット

東方ゆっくりボイスや音声合成を使った2人のかけあいによる解説動画、ようはゆっくり解説がどこにでもある。

あれの良い点は、視聴者に直接語りかけずに聞き手を用意できる点にある。

基本的に教える側は誰にどのくらいのないようを伝えるかに苦心する。詳しく書きたいが視聴者レベルがわからないと単なる独り言になる。だから自身先生役・生徒役にすることで視聴者オーディエンスという立ち位置でき、テレビを見ている感覚にさせられる。

見ている方は理解できない場合でも生徒役にそれを代弁してもらえればハードルは下がる。なにより面白く作りやすい。

逆に視聴者固定化していたり、内容が固い場合、あるいは物作り系などは中身に集中させたいので掛け合いが少ない。というより作るのが手間なんだよね

ところでこういう解説系のフォーマットってそろそろ新しいのが出てこないか

いまあるのは

特にゆっくり解説は飽和すぎてそろそろYoutubeから排除されかけてるし

けれど音声合成市場は凄く発展しているんだよね

ログイン ユーザー登録
ようこそ ゲスト さん