VEGASを使ってボイロ動画作成時の立ち絵の切り替え方ですが、どれが正解かわからないものの、1つの方法をメモとして残しておきます。 VEGASのテイクという機能を使います。 先に立ち絵のPSDファイルから、画像を吐き出しておきます。差分ではなく全部入りで…

ボイロ動画を作るときには立ち絵を使うことがよくあります。 ただ立ち絵はAviUtilのPSD toolkitを使うことを前提とされています。 Davinci ResolveがVlogなどで使われるようになっている時代でも、ボイロ動画でAviUtilを使うのはその辺りの事情からです。 じ…

ボイスロイド動画では動画に字幕を入れるわけですが、AviUtilのように、音声とテキストを一緒にドラッグアンドドロップしたら入力される機能はVEGASにはなさそうです。 代わりに1つのテキストファイルから改行ごとに1つの字幕を作る機能があります。 音声か…

VEGASでボイスロイド立ち絵の位置を決めたい場合、上の所から調整すると、立ち絵を切り替えるたびに位置調整しないといけないです。 立ち絵を入れているトラックの、上の部分をクリックし、トラックモーションから、デフォルトの位置を指定してやると楽に切…

biss-git.github.io Voiceroid-ScriptというWebサイトを作られている方がいらっしゃいます。 どういうことができるかというと、ボイスロイド2で音声に変換する前のテキストで、どのキャラなのかわかるように絵を入れることができます。 こんな感じです。 動…

github.com

合成音声で話し方を変えようとすると、コンピュータ上でどのような表現がいいのか調べていると、マークアップ言語があった。 読み上げ速度、音量、音素、ピッチといったことも指定できるようだ。 ただバージョン1.1が2010年に出たあと、W3Cのグループは2015…

スペクトル(spectrum)パラメータ メルケプストラム係数(mel-cepstral coefficients) 励振(excitation)パラメータ 基本周波数(F0 frequency) その他 ビブラート(vibrato) 音素(phonetic) 音符(note key) ノート長(note length)

合成音声の学習データを作るときに、セリフがない所はカットする。 単にセリフがないのか、セリフとセリフの間なのかデータからは判断しにくい。 「・・・」といった沈黙だけ別途学習した方がいいのか。 ボイロ2ではポーズが多くて、会話のテンポが悪く、ユ…

ボイスロイド2では、「喜び」「怒り」「悲しみ」の3つのパラメータを調整できる。 しかし実際に感情表現をしようとしたときは、3パターンではない。 3つのパラメータを合わせて調整することもできるが、そうした場合、何を表現しているのかわからなくなる。 …

2016/9 WaveNet 2017/11 Parallel WaveNet (ICML2018) 2017/12 Tacotron2 (ICASSP2018) FFTNET(ICASSP2018) 2017 SampleRNN 2018/2 WaveRNN (ICML2018) 2018/7 ClariNet (ICLR2019) 2018/11 WaveGlow(ICASSP2019) 2018 Tacotron GST 2019/5 ParaNet 2019/10 …

音声データセット sites.google.com このコーパスは日本語テキストと読み上げ音声からなります．音声データは48kHzでサンプリングされ，無響室で収録されました．一人の日本語女性話者の音声を収録しました．このコーパスは，10時間の音声 を含み，以下のデ…

アナウンサー的な文章を読ませるのであれば、今のボイスロイドでもいいが、ボイスロイド実況のようなキャラとして読ませたい場合、より高機能なボイスロイドが欲しくなる。 音楽界隈では、NEUTRINO、Synthesizer Vといった機械学習による歌声合成ソフトが出…