リアルタイム声質変換ライブラリ「Realtime Yukarin」を公開しました

はじめにリアルタイム声質変換アプリケーション、Realtime Yukarinを開発し、 OSS（オープンソースソフトウェア）として公開しました。 ここで言う声質変換とは、「誰でも好きな声になれる」技術のことを指します。 好きな声になれる声質変換は夢があって流行りそうなのですが、まだ全然普及していないと思います。 それは現時点で、声質変換を実際にリアルタイムで使えるフリーな仕組みが無いためだと考えました。 そこで、自由に使えるリアルタイム声質変換アプリケーションを作り、ソースコードと合わせて公開しました。 声質変換とは声を変える方法で有名なのは、声の高さや音色を変える手法、いわゆるボイスチェンジャーです。 既存のボイスチェンジャーは、元の声を起点として、変換パラメータを自分で調整する必要があります。 一方ここでの声質変換は、元の声と好きな声を用いて機械学習し、変換パラメータを自動で調整しま

[stealthinu]

3年前のものだけどセグメントをオーバーラップしてつなぐことで変換精度を下げないというのここではすでに実装されていた

[witchstyle]

(2019/09/27のブログエントリ) 声質変換の機械学習タスクで作成したモデルと、GPU搭載パソコンを用いて、 コマンド１つでリアルタイムな声質変換ができます。

[yarumato]

“既存のボイスチェンジャーとの違い、元の声と好きな声を用いて機械学習し変換パラメータを自動で調整。GPU搭載パソコンでコマンド１つでリアルタイム（遅延2秒）声質変換。FOSSなので商用アプリ組み込み可”

[cpw]

凄い

[maruhoi1]

後で使う

[kai_kou]

こりゃすごい