音声合成プログラムを作りる

■ このスレッドは過去ログ倉庫に格納されています
2007/06/14(木) 09:48:48
ネトラジとかで声優のしゃべた音声がたくさん出回ってきたから、
それを使って音声合成するプログラムを作りたいと思うんだけど、
そんなスレ

2010/02/27(土) 23:24:51
>>242
どうやるの？
2010/02/28(日) 13:02:52
やっぱり音響モデルじゃないのかな
2010/02/28(日) 16:19:26
>>244
日本音響研究所に肖像画から頭蓋骨のCGを作成して声を再現するものがあったと思うがあれはどうやるの？
2010/02/28(日) 17:41:40
肖像画からCGを作成するのは六角大王の手法でできるんじゃね
2010/02/28(日) 18:38:51
涼宮ハルヒのエンドレス夏休みを見ている気分ですねわかります
2010/03/02(火) 23:08:24
>>246
どうやってやる？
2010/03/21(日) 23:17:01
マジレスすると、頭蓋のサイズから声道長を推定して、
フォルマント位置を決めるって感じか。
ま、肖像画とかから復元した声ってほとんど当てにならないけどな。
2010/04/12(月) 00:29:58
>>249
肖像画からどうやって頭蓋のサイズを出してるの？
2010/04/12(月) 19:11:06
俺の写真から声を復元したとして、
俺の声にどこまで近くなるんだろうか？
2010/04/12(月) 23:10:15
>>251
そもそも顔写真から頭蓋のサイズを割り出すにはどうやって割り出せばいいの？
2010/04/15(木) 12:59:30
その写真に写りこんでいる、寸法の判っているものを基準にすればいいんじゃね
2010/04/15(木) 17:26:26
ネッシーの捏造写真だってサイズ割り出されてたもんな
2010/04/15(木) 17:34:19
波紋の伝播周期からサイズが決定できるってことかな。
256デフォルトの名無しさん
垢版 |
2010/04/15(木) 19:19:57
2010/04/15(木) 22:31:48
w
2010/04/17(土) 18:26:20
>>253
でも肖像画に寸法の判っているものがなかったらどうするの？
2010/04/17(土) 20:29:56
何でお前らそんなに世話焼きなの？
2010/04/19(月) 11:43:36
>>258
そんときは、目玉の大きさとか目の感覚とか、統計的手法に頼ればいいんじゃね

>>259
暇なんじゃね?
2010/04/19(月) 13:10:40
>>258
声のキャラクタってのは体格以外の要素も絡むわけで、
例えば故人の歌声を再現、とかやりたい場合は大抵残念な結果になるよ。
そもそもここで聞くより元の論文探して見当つけたほうが早くね？

>>260
こういうのも頭部画像だけで測れちゃったり？
ttp://m.onet.pl/_m/94cfc8bff0ea6227e4a8547781d30f45,35,1.jpg
ttp://image.blog.livedoor.jp/laba_q/imgs/1/9/19f92fc1.jpg
2010/04/19(月) 19:22:54
サイズはパラメータにしておいて、
平均値を使った場合と
その前後の値を使った場合と全部試してみて
この中のどれかですって言えばいいんじゃない
2010/04/20(火) 17:55:12
>>261
ググッても見つからないんだが・・・
2010/04/21(水) 19:02:15
>>261
探しても見つからないよ
2010/04/22(木) 22:39:13
一卵性双生児の場合、声（歌声も）は全く同じではないだろ
だから頭部の数値だけでは不十分な気がする
2010/04/22(木) 22:56:07
>>265
でも↓を見ると
http://www.onkyo-lab.com/mv.html

>そこで肖像画、写真、銅像等があれば、性別、身長、年齢、顔形を特定してその人の発声器官をコンピュータ上で電子回路に置き換え、
>シミュレーションして声を合成することが出来るのです。

って書かれているんだが・・・・

てかそもそも肖像画からどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出しているんだろう？
2010/04/22(木) 22:58:41
声を合成できる事と
その声が実際の声と一致している事とは別だよ
2010/04/23(金) 13:27:11
>>267
うん。だけど肖像画からどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出しているの？
2010/04/23(金) 23:17:59
日本音響研究所に不可能はない
2010/04/24(土) 00:03:36
>>269
だからどうやってやったの？
2010/04/24(土) 00:15:07
日本音響研究所のおっさんに直接聞けよ
2010/04/24(土) 23:13:48
>>271
直接聞いても企業秘密で答えてくれない
おまえらの力で考えるしかない
2010/04/25(日) 09:48:56
>>266
肖像画が残るような人物なら性別は記録からすぐ分かるだろ
低脳

顔の各部分の寸法に関しては、
肖像画とその人物の民族平均を比較するんだよ。
低脳
274デフォルトの名無しさん
垢版 |
2010/04/27(火) 23:30:32
【歴史】169センチ、62キロだった龍馬　大男伝説に一石　山梨
http://tsushima.2ch.net/test/read.cgi/newsplus/1272325001/
甲州の研究家襟幅から算出
甲州市塩山上井尻の郷土史研究家、矢崎勝巳さんが写真から体格を測定する方法を
考案し、幕末の志士・坂本龍馬（１８３５〜６７年）の身長を１６９センチ、体重を６２・１キロと
算出した。平均身長が１５０センチ台だった幕末当時、龍馬の身長は５尺７寸（１７３センチ）
とも６尺（１８２センチ）とも伝えられ、長い間大男だったとされてきたが、一石を投じそうだ。

矢崎さんは、当時の着物の襟幅が６センチか６・５センチの２種類しかないことに着目した。
６センチとすると背が低くなりすぎるため、６・５センチとして龍馬の立位の肖像写真で算出した。
２００７年１０月の日本人類学会で、龍馬の身長は１７０センチに満たなかったとの試算を
紹介したのに続き、昨年１０月の同学会では体格指数ＢＭＩで体重を試算する方法も発表した。

このほど、龍馬のＢＭＩ指数を標準体形の「１８・５以上２５未満」と仮定し、標準値の
（以下省略）

ソース：読売新聞
http://www.yomiuri.co.jp/e-japan/yamanashi/news/20100426-OYT8T01349.htm
画像：坂本龍馬の肖像写真
http://www.yomiuri.co.jp/photo/20100426-932069-1-L.jpg
2010/04/27(火) 23:58:20
ところで証明写真などの顔写真からどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出しているんだろう？
2010/04/28(水) 18:02:44
おーい証明写真などの顔写真からどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出しているんだろう？
2010/04/28(水) 18:36:50
ねえねえ証明写真などの顔写真からどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出しているの？
2010/04/28(水) 20:13:21
そして誰もいなくなった
2010/04/29(木) 23:02:27
ところで証明写真などの顔写真からどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出しているんだろう？
2010/04/30(金) 01:37:52
男の声をピッチ上げるだけだと、女っぽくならないのは何故だろう
2010/04/30(金) 01:50:08
ボカロで言うGENとかUTAUでいうgフラグを調整する必要がある
2010/05/01(土) 14:24:27
ところで証明写真などの顔写真からどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出しているんだろう？
2010/05/01(土) 19:24:01
ねえねえ証明写真などの顔写真からどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出しているんだろう？
2010/05/04(火) 18:39:42
おーい証明写真などの顔写真からどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出しているんだろう？
2010/05/04(火) 23:25:22
発声時における声帯から口までの空気の流れを粒子法でモデル化して
音声合成を作ってみたいと急に思い立ったんだが、右も左も分からない。

とりあえず、これは圧縮性流れと見なしてシミュレートすればいいのか
2010/05/06(木) 23:04:54
ところで証明写真などの顔写真からどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出すの？
2010/05/07(金) 00:23:20
>>286
一般的には統計を利用する。
2010/05/07(金) 16:24:45
>>287
どうやってやるの？
具体的に教えてくれる？
2010/05/07(金) 16:57:59
てかそもそも証明写真などの顔写真からどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出すの？
2010/05/20(木) 15:00:33
証明写真などの顔写真から統計を使ってどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出すの？
2010/06/08(火) 23:57:00
ところで証明写真などの顔写真から統計を使ってどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出すの？
2010/06/11(金) 13:49:50
>>291
とりあえず証明写真見て性別を5割以上の確率で当てられないバカはお前くらいじゃねーの
2010/06/12(土) 22:08:09
ところで証明写真などの顔写真から統計を使ってどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出すの？
2010/06/12(土) 23:22:47
きっと後ろの壁に横線が並んでるんだよ。
2010/06/13(日) 15:05:51
うん。だけど証明写真などの顔写真から統計を使ってどうやって性別、身長、年齢、顔形、顔の各部分の寸法を割り出すの？
2010/07/06(火) 18:15:36
>>1を見て
鏡の国のレジェンドでのりぴーの声を1音ずつ喋らすことができるんだけど
それを録音してX68にADPCMで取り込んでおいて順次再生して「おまんこ」とか
「ちんちんいれて」とか喋らせて大喜びしてたのを思い出した
2010/12/07(火) 04:06:55
音について質問です

例で
Windows Wave 無圧縮 PCM 16 bit 44kHz サンプリング　ステレオ

wav format
http://www.kk.iij4u.or.jp/~kondo/wave/#wav
http://hooktail.org/computer/index.php?Wave%A5%D5%A5%A1%A5%A4%A5%EB%A4%F2%C6%FE%BD%D0%CE%CF%A4%B7%A4%C6%A4%DF%A4%EB

波形データはステレオの場合ＬＲＬＲ・・　と並ぶなどの説明までは沢山の日本語サイトであるんですけど
その多くがWAV ファイルヘッダ情報ばかり詳しく述べて肝心のデータ部分の説明がおざなりで解りません。

波形データ符号付き整数 (-32768 - 32767) 16ビットの場合　FFFF8000 〜 0 〜 7FFF

リトルエンディアン にすると　00 80 FF FF 〜 00 00 00 00 〜 FF 7F 00 00　ですよね。

data (波形データのバイト数) 波形データL 波形データR 波形データL 波形データR　ですよね。

解らないのは、リニア PCM の場合
整数16bit　/　リトルエンディアン
L0L1L2L3　　/　L3 L2 L1 L0
R0R1R2R3　　/　R3 R2 R1 R0

格納順番は
これ？＞ data (波形データのバイト数) L3 R3 L2 R2 L1 R1 L0 R0 L3 R3 L2 R2 L1 R1 L0 R0 L3 R3 L2 R2 L1 R1 L0 R0
コレ？＞ data (波形データのバイト数) L3 L2 L1 L0 R3 R2 R1 R0 L3 L2 L1 L0 R3 R2 R1 R0 L3 L2 L1 L0 R3 R2 R1 R0

日本語サイトでここが詳しいとリンクしている英語サイト
https://ccrma.stanford.edu/courses/422/projects/WaveFormat/
では矢印のつけ方がどちらとも受け取れるので
音が変
2010/12/07(火) 07:51:53
>リトルエンディアン にすると　00 80 FF FF 〜 00 00 00 00 〜 FF 7F 00 00　ですよね。

それ32bitじゃね？
2010/12/07(火) 14:18:42
>>297
16ビットは2バイトだと気がつけば格納順番も分かると思います。

波形データ符号付き整数 (-32768 - 32767) 16ビットの場合　8000 〜 0 〜 7FFF
リトルエンディアン にすると　00 80 〜 00 00 〜 FF 7F
data (波形データのバイト数) 波形データL 波形データR 波形データL 波形データR

整数16bit/リトルエンディアン
L0L1　　/　L1 L0
R0R1　　/　R1 R0

格納順番はこうなります。
data (波形データのバイト数) L1 L0 R1 R0 L1 L0 R1 R0 L1 L0 R1 R0
300デフォルトの名無しさん
垢版 |
2010/12/07(火) 23:06:21
SAPIの話かと思ったらすれ違いみたい
301297
垢版 |
2010/12/08(水) 08:25:46
ありがと　やっと謎がとけたよ
音声組替えで音の基本配置がわかんなかったから音声合成のこのスレにきたんですが　スレ違いごめんなさい
変調なんかもドコのスレだろ？
302デフォルトの名無しさん
垢版 |
2010/12/09(木) 02:03:55
グーグル検索
↓
念のためうぷ（´・ω・｀）まわいが重要


グーグル検索
↓
やらなくてもやられるし　日本語以外話せないし


テレビやネットで説明
303デフォルトの名無しさん
垢版 |
2011/01/05(水) 18:49:53
>>1
何という手間のかかる事を...。
波型とかエンベロープとか、学ばなきゃいけない事が、
山ほどあるのに。
2011/01/15(土) 16:12:14
これの話者適応とか使えそうなんだけど、具体的なやり方がわからん
http://www.sp.nitech.ac.jp/index.php?%A5%DB%A1%BC%A5%E0%2F%B8%A6%B5%E6%C6%E2%CD%C6%2F%B2%BB%C0%BC%B9%E7%C0%AE
2011/01/15(土) 17:34:46
>>304
話者適応は英語で Speaker Adaptation です。
HMM音声合成ツールキット HTS 2.0以降に
その機能があるのでソースを読めばわかると思います。

HMM-based Speech Synthesis System (HTS) - History
http://hts.sp.nitech.ac.jp/?History#z5d7dda6
>December 29, 2006
>　HTS version 2.0 was finally released :-)
>　The new features are
>　* Speaker adaptation, adaptive training, and semi-tied covariance transforms are supported for multi-stream HMMs/MSD-HMMs.
>　　* MLLRMEAN, MLLRCOV, and CMLLR-based adaptation.
>　　* CMLLR-based adaptive training.
>　　* Decision trees for context clustering can be used to define regression classes for adaptation.
>　　* HMGenS can read MLLRMEAN, MLLRCOV, CMLLR, and SEMIT transforms for adaptation.
2011/01/15(土) 22:00:38
>>305
サンクス。ドキュメント見ながら色々試してみようと思う
とりあえずHTSの話者適応デモ動かしてるけど、終わらないし、2〜3日かかるらしい
最終的にはwavファイルとその文章を与えたらその声で音声合成できるようにしたい
2011/01/24(月) 21:38:46
統計学と信号処理と音声言語処理と機械学習を
勉強すれば何とかなるかな。
2011/02/06(日) 11:25:55
>>306
できた？興味あるんだけど
2011/02/17(木) 17:24:58
>>308
できてない
とりあえず、デモのデータを使って音響モデルを作成するところまでできた
音響モデルができたらテキストからその声で音声の再生もできる
今は、自作のデータからモデル作る途中でエラーが出てるからそれの対処中
2011/07/03(日) 09:38:03.37
Rubyバカにしてる子ってさ
変数に＄ついてる言語触ってるって事だよね

いちいちSHIFT＋４キーおして ＄ 打ちまくってる感触はどう？
でもお前はゴミなのにねｗ
2011/07/06(水) 01:45:59.76
これ ； デリミタっていうんだけどさ、これをつけなきゃエラーになるような
そんな言語使ってる奴ってどうみてもゴミだと思うんだけど

もしかして「；」これ打ち忘れてコンパイルエラー出すのが楽しいの？
そうか、二度と話かけんなよ

死ねよゴミ
2011/08/02(火) 06:50:05.52
ゆっくり声のライブラリって規則合成ってのらしいんだけど、これは素片接続法やHMM合成とは全く違う方法なの？素片接続の一種？
2011/08/03(水) 19:03:56.08
規則合成は、規則に基づいて音声合成することなので、合成方式が波形接続かHMM合成かとは別。というか、上の分類。
ゆっくりは、たぶん、LPCとかのパラメータからのボコーダ方式。ボコーダという点ではHMM合成と同じ。
2011/08/05(金) 06:51:28.40
>>313
ありがとう。勉強になります。
2012/04/24(火) 14:08:11.51
NHK Eテレ Rの法則という番組にて歌声合成が取り上げられるようです．
また，その企画に伴い，4/25から番組HPでUTAU音源がDL出来るようになります．
男声と女声の2音源です．その音源作りを担当させていただきました！
2012/06/01(金) 11:31:32.53
UTAUよりまともな音声合成ソフトないの？
317デフォルトの名無しさん
垢版 |
2012/07/09(月) 20:44:26.02
日本音響研究所が開発したモンタージュボイスっていうやつどうやればできるの？
詳しく教えてくれ
318デフォルトの名無しさん
垢版 |
2012/07/16(月) 20:36:29.06
日本音響研究所が開発したモンタージュボイスっていうやつどうやればできるの？
詳しく教えてくれ
2012/08/12(日) 22:40:26.39
誰かHMM音声合成を語れ
2012/10/28(日) 13:39:03.63
フジテレビの杏梨ルネってどこの技術？
2013/05/01(水) 02:28:38.09
>>320
なんかの記事でドコモのiコンシェルと同じを使ってるって言ってたな
それが確かならHOYAのVoiceTextってことになる
2013/05/01(水) 02:32:16.90
なるほど
2013/05/04(土) 21:11:27.84
おれの98は、ピポッと起動するから現在形
2013/05/07(火) 15:12:54.26ID:qEqQNQf6O
難しいな
2013/06/27(木) 16:17:04.80
　　　　　　　　　　　　 　
326デフォルトの名無しさん
垢版 |
2013/10/18(金) 09:34:37.17
http://www.nicovideo.jp/watch/sm21933917
http://www.nicovideo.jp/watch/sm21947823
2013/11/03(日) 20:36:45.88
初音ミクとか目標にしてるんだろうけど意外に奥が深いんだよ。
328デフォルトの名無しさん
垢版 |
2014/01/27(月) 14:18:06.62
判ります
2014/01/27(月) 15:00:50.44
初音ミクどころか歌唱よりさらに難しいといわれる読み上げに見える
330デフォルトの名無しさん
垢版 |
2014/01/27(月) 15:05:33.72
へっ？
どうみても歌唱やんこれ
2014/03/08(土) 16:28:12.83
帐
332デフォルトの名無しさん
垢版 |
2014/04/04(金) 14:07:45.36ID:Bqre4+dt
初音ミク、って専属の声優さんがいるんじゃなかったかな？
その声優さんを機械のような質感にしているだけだと思うけどな。
2014/04/04(金) 14:11:49.55ID:UPfoP0f4
藤田咲さん
https://www.youtube.com/watch?v=yEDDVOmtbic
334デフォルトの名無しさん
垢版 |
2014/04/07(月) 10:02:18.51ID:Eg/nEWhY
>>333
紹介ありがとう。
やっぱり専属の声優さんいたんやな。
335デフォルトの名無しさん
垢版 |
2014/04/07(月) 10:05:42.81ID:Eg/nEWhY
声優さんの合成音声をセリフから抽出するより。
お気に入りの声優さんに「あ〜ん」までを発声してもらって。
それをタイピングと連動させるツールを作ればいいんでね？


音域を解析して、ネットラジオ等で音声素材を収集して。
埋められない言葉は、これまで収集したデータから予測するのは・・・。
考えただけでかなりのコスト^^;
2014/04/07(月) 10:36:56.71ID:SBlJ2Fr+
こんなん出てたわ

https://www.youtube.com/watch?v=tUIQItrpYBE
https://www.youtube.com/watch?v=RyezC1p_pak
http://internet.watch.impress.co.jp/docs/news/20140404_642876.htm
http://game.watch.impress.co.jp/docs/news/20140221_636384.html
http://gigazine.net/news/20140404-pocket-miku/
http://nlab.itmedia.co.jp/nl/articles/1403/03/news057.html
http://japanese.engadget.com/2014/03/02/evocaloid/
http://www.amazon.co.jp/dp/4057504656/
http://www.dtmstation.com/archives/51888898.html
http://hitoriblog.com/?p=23019
http://www.otonanokagaku.net/nsx39/index.html
http://www.dtmstation.com/archives/51877546.html
http://otonanokagaku.net/nsx39/app.html
http://www.crypton.co.jp/cfm/news/2014/02/pocketmiku

歌詞モードは知らんけど
リアルタイムモードは子音がサポートされてないのが残念

リアルタイムでも子音出せるのはこちら
↓
https://www.youtube.com/watch?v=ka8-SpSkmZA
http://vocaloid.blog120.fc2.com/blog-entry-11373.html
2014/04/07(月) 11:05:45.64ID:SBlJ2Fr+
ひとつURLにlついてなかったので
http://internet.watch.impress.co.jp/docs/news/20140404_642876.html
2014/04/07(月) 11:50:09.04ID:ktMnCtsu
また、この専用アプリでは、初期状態で「あ」、「い」、「う」、「え」、「お」と割り当てられている5つのボタンに別の文字を割り当てることができたり、この ボタン以外の文字をリアルタイムに選択して、本体のカーボンキーボードで歌わせることも可能とのことです。

発音するノートの直前に文字情報をMIDIシステム・エクスクルーシブで入力する

さらに、すべてをシーケンサ、DAWでコントロールして歌わせたという場合には、MIDIシステムエクスクルーシブを利用して歌詞を設定することも可能 です。具体的には、発音させたいノートデータの直前に

F0 43 79 09 11 0A 00 ** F7

というエクスクルーシブデータを送るのですが、この**に文字番号を設定します。その文字番号についてはポケット・ミクのマニュアルに記載されてい ますが、「み」なら「65」、「く」なら「07」(いずれも16進数表記)のように1バイトの数字が割り振られています。


子音もいけるじゃん
2014/04/07(月) 12:14:36.44ID:ktMnCtsu
なるほど
ようするにmidi音源として見ると安いな
http://m.youtube.com/watch?v=2-v5CB5krws
2014/04/07(月) 13:32:02.94ID:ktMnCtsu
いくつかアイディア思いついたので
ム板らしく早速実装に取り掛かろう
http://m.youtube.com/watch?v=2-v5CB5krws
2014/04/07(月) 13:33:06.19ID:ktMnCtsu
メモ
http://www.nicovideo.jp/watch/sm17357529
2014/04/12(土) 13:52:39.87ID:UapBJj1i
USBでmidiノート投げれば子音も普通にしゃべれるのか
■ このスレッドは過去ログ倉庫に格納されています
5ちゃんねるの広告が気に入らない場合は、こちらをクリックしてください。
ニューススポーツなんでも実況