Dwango Media Village(ドワンゴメディアヴィレッジ,dmv)
著者の声を録画・録音して声を変換し元の映像と組み合わせてみた映像です。 このときの変換元の音声は撮影用のスマートフォンで録音しており、部屋の残響が含まれるなど声が少し不鮮明になる収録環境ですが、それでもしっかり声変換できていることがわかると思います。 概要Dwango Media Villageの廣芝です。誰の声でも狙った複数の人の声に変えることができる声変換システムを開発し、実際に声を変えることができるデモページを公開しました。この記事では、声変換技術を研究開発する際に取り組んだ課題について紹介します。 声変換声の変換技術には、リアルタイム性と品質のトレードオフがあります。既存の声変換システムはリアルタイム性を重視する傾向がある一方、品質を重視したものはあまり見かけません。品質を優先した声変換システムがあると応用の幅が広がると思い、研究開発に挑戦しました。 声変換を含む音声合成の品質は、
QiitaのGoogle home 開発系記事分類(メモ書き) - なんも分からないのでしらべた
QiitaにはGoogle Homeの開発系記事がいろいろある。 何か実験しようとするときに、先駆者が居るのはありがたい。 しかし記事ごとに技術的な難易度が全然違うので、次のステップで実験するのにどれがいいだろうと悩む… 自分のスキルと相談して、「次はこれやろう」を判断したい。 🤔 そのため、QiitaのGoogle Home系の記事をざっくり読んだうえで、自分なりに分類した。 また、参考にするときによさそうな内容の記事を分類の上の方に置いた。個人の感想です。 （※風邪気味でふらふらしながらまとめてたので抜け漏れあり。ご了承ください。） 概要、まとめ Google Home/Google Assistantに関する情報まとめ - Qiita 音声アシスタントのAmazon AlexaとGoogle AssistantとLINE Clovaを比較した - Qiita Google Home
Google、聴覚障害者向けリアルタイム字幕アプリ「Live Transcribe」と補聴アプリ「Sound Amplifier」
Google、聴覚障害者向けリアルタイム字幕アプリ「Live Transcribe」と補聴アプリ「Sound Amplifier」 米Googleは2月4日（現地時間）、聴覚障害者向けAndroidアプリ「Live Transcribe」（β）と「Sound Amplifier」を発表した。 Live Transcribeは、ほぼリアルタイムで周囲の音声を自動的に画面に書き起こすアプリ。まだ申し込みが必要なβ版で、今後発売される「Pixel 3」にはプリインストールされる。Sound Amplifierは補聴器のように、ノイズを除去して人の声を聞き取りやすくするアプリだ。こちらもPixel 3にプリインストールされる他、本稿執筆現在、米国版Google Playストアで公開されており、筆者のPixel 3にインストールできた。Live TranscribeはAndroid 5以降、Soun
DSAS開発者の部屋:Google Assistant Library プログラミングを楽しむ
Introduction to the Google Assistant Library google.assistant.library package Introduction to the Google Assistant Service Package google.assistant.devices.v1alpha2 Google Home デバイスやスマートフォンアプリを通じて Google アシスタントの存在感はどんどん大きくなっています。その一方で現時点では Google Assistant SDK プログラミングのための実践的な情報を国内外を通じてあまり見かけないことが残念に思われました。ネットの奥深くに息づいている Google アシスタント陣営の一連の機能を本 SDK ごしに柔軟に呼び出すことができればこの強力で魅力的なサービスをさらに活用できるのではないでしょうか。
Microsoft Research、「息を吸いながら喋る」ことで周囲に気づかれずに音声入力を可能にするシステムを発表
Microsoft Research、「息を吸いながら喋る」ことで周囲に気づかれずに音声入力を可能にするシステムを発表 2018-10-17 Microsoft Researchの研究者は、「息を吸いながら」喋る時に出る非常に小さな音を利用した音声入力インタフェースデバイス「SilentVoice」を発表しました。 論文：SilentVoice: Unnoticeable Voice Input by Ingressive Speech 著者：Masaaki FUKUMOTO 本論文は、ingressive speech（吸気発話）法を用いて、非常に小さい音（漏洩音量39dB未満）での音声入力を可能にするシステムを提案しています。静かな場所だけではなく、80dBの騒音環境下においても周囲に気づかれずに音声入力が行えます。 本提案手法は、我々の通常音声やささやき声のように、息を吐きながら喋る
Google Assistant Latest Status
September 1, 2018 DevFest Tokyo 2018
「スマートスピーカー」の中にある「人工知能」は何をしているのか、作り方から理解する
「スマートスピーカー」の中にある「人工知能」は何をしているのか、作り方から理解する：ものになるモノ、ならないモノ（77） 世界の名だたるプラットフォーマーが開発に力を入れる「スマートスピーカー」。どのような手順でどんな処理が行われているのかは完全にブラックボックスだ。「スマートスピーカーを理解するには、自作するのが早道」と提唱する開発者に話を聞いた。 Amazon、Google、LINE、Apple（日本未上陸）と世界の名だたるプラットフォーマーが開発に力を入れる「スマートスピーカー」。筆者の中では、iPhoneに搭載されたSiriに次いで「人工知能」の存在を身近に感じる製品であると捉えている。ただ「オーケー、グーグル」や「アレクサ」と問い掛けたその先ではどのような手順でどんな処理が行われているのかは完全にブラックボックスだ。そのような折、「スマートスピーカーを理解するには、自作するのが早
AIアシスタントの賢さを比較！Googleがトップ、Siriは残念な結果に - iPhone Mania
AIアシスタントがユーザーの質問を理解し、正確に回答する能力を比較した調査結果が発表されました。Google Assistantが高い成績を残し、AmazonのAlexaが大きく成績を伸ばす一方、Siriは質問を理解して回答した割合が低く、誤答率が高い結果となりました。 約5,000の質問でAIアシスタントの能力を比較！ 各社のAIアシスタントが、どの程度質問に的確に答えられるを比較した調査結果をアメリカの調査会社Stone Templeが発表しました。 調査は、以下の5タイプのAIアシスタントに4,942の質問を投げかけて、回答を比較しています。 Alexa (Amazon) Cortana (Microsoft) 搭載のスマートスピーカー「Invoke」 Google Assistant (Google) Google Home版 Google Assistant (Google) ス
自然な音声作る「WaveNet」の衝撃 なぜ機械は人と話せるようになったのか
2017年、米Googleや米Amazonなどの「スマートスピーカー」と呼ばれるデバイスの普及が日本で始まった。例えば、「ねえGoogle、今日の予定は？」と話しかけると、カレンダーアプリに入力していた予定を流ちょうな日本語で読み上げてくれる。中に人がいるわけではない。デバイスが人の声を認識し、応答となる声を合成しているのだ。 このデバイスが音声で応答するために使用しているコアの技術は、「音声認識」と「音声合成」という2つの技術だ。音声認識は人の声の波形を機械で処理し、どんな文であったかを推定する技術。音声合成は与えられた文やデータから、人が話す音声を合成する技術だ。 ここに、音声認識で推定した文に対して適切な応答文を出力する「対話制御」という技術が加わり、「人の話を聞いて適切な応答を音声で返す」という一連の動作を実現している。 音声認識・合成ともに、コンピュータを利用した研究は1950年
Voice UI/UX Design Guideline
3. Zolo Mojo Clova WAVE ClovaCHAMPBROWN ClovaCHAMPSALLY Clova FACE Tmall Genie SBH42 BSHSBE200 GooglePixelBudsz QuietComfort35 MonsterTalkHeadphones Other AI Little Fish AppleActions on Google Skill developer AlexaSkillBuilder CortanaSkillsKit ClovaExtensionKit CortanaDevicesSDK ClovaInterfaceConnect AlexaSkillsKit VA-FW40 ONKYO Bosch Mykie Bosch Aire Aevena Yumi Omate Sanbot Nano Qihan Roomba 960
Google Homeを他の女の名前で呼ぶ
恋人や配偶者のことを、まちがえて別の異性の名前で呼んでしまったことはないだろうか。フィクションの中や他人の体験談にはたまに登場する話だが、あいにく（というべきかどうか）僕はそういう経験がない。 いずれにしろ、相応の修羅場は避けられない状況であると思う。妻に対して面白半分でやると、あとあとに禍根が残るだろう。人間相手はやめて、AIを相手にやってみたい。 インターネットユーザー。電子工作でオリジナルの処刑器具を作ったり、辺境の国の変わった音楽を集めたりしています。「技術力の低い人限定ロボコン（通称：ヘボコン）」主催者。1980年岐阜県生まれ。 本『雑に作る ―電子工作で好きなものを作る近道集』（共著）がオライリーから出ました！ 前の記事：バッタに噛まれたい ＞ 個人サイト nomoonwalk
クックパッドのAmazon Echo向けサービスをリリースしました 〜開発で得られた音声操作の知見〜 - クックパッド開発者ブログ
こんにちは。研究開発部エンジニアの山田(@y_am_a_da)です。ついに日本でも Amazon Echo の発売が始まりましたね。 今回は Amazon Echo 向けにリリースをしたクックパッドのスキル（ Amazon Echoではアプリと呼ばずにスキルと呼びます）についての紹介と、開発をしてみてわかった音声操作の強みと弱みについて紹介をしていきたいと思います。 Amazon Echoとは Amazon Echo は、Amazon 社の販売するスマートスピーカーです。声で命令をすることで、端末に内蔵されている Alexa と呼ばれる音声アシスタントが処理を行ってくれます。 特徴として、基本的に操作は全て音声で行い、レスポンスも音声で返ってくる点が挙げられます（海外では液晶が搭載されており、そこへレスポンスを返すモデルも存在します）。 すなわち、スキルの開発者は、 PC やスマートフォン
WaveNet launches in the Google Assistant
To understand why WaveNet improves on the current state of the art, it is useful to understand how text-to-speech (TTS) - or speech synthesis - systems work today. The majority of these are based on so-called concatenative TTS, which uses a large database of high-quality recordings, collected from a single voice actor over many hours. These recordings are split into tiny chunks that can then be co
クラウドの音声認識APIで、ライターにとって実用的な「文字起こしサービス」は作れるのか？
文章を書く仕事をしている多くのライターが苦手にしている作業のひとつに、かつて「テープ起こし」と呼ばれ、いまは「文字起こし」と呼ばれるものがあります。 これは取材やインタビューを行う際に録音したものを聞き返して、逐一正確に文字にしていく作業なのですが、とにかく単調で集中力が必要です。僕はこの作業が苦手ですぐ集中力が切れてしまうので、たとえば60分のインタビューの文字起こしをしようとすると、だいたいその3倍以上の時間がかかることを覚悟しなければなりません。 ある日、たまたま後輩と一緒にインタビューの仕事をしているときに、後輩が僕にこう言いました「新野さん、もし文字起こしを自動でやってくれるソフトがあったら僕は100万円出してもいいですよ」と。 まったく同感でした。この先ずっと、必要な時にいつでも機械がその場で自動的に文字起こしをしてくれるのなら、100万円ぐらい払ってもいい（僕もたまにクラウド
Google Document の音声認識入力が思ってたよりすごかった - mizchi's blog
はいえーとあの google の音声入力のテストをやってみてるんですけどこれめっちゃすごいですねなんかここまで認識精度良いと思わなかったあの文字の改行とかそこだけちょっと自分でやんないといけないんですけどそれ以外は全然不満がないですねこれなにかコマンドとかあるのかなやそうでもないか何がやりたいかというと discord でちょっと仕事で使ってみたくてボイスチャットチャンネルに没頭*1参加させて録音させてそのデータを google のドキュメントとして音声で食わせて文字起こしさせればあの会議とかねリモートワークとかですごい便利なんじゃないかなと思って文字認識 api ってちょっと公開されてるかわかんないんだけどこういう api って google あんまりね有料 api 脱退後悔*2しきれなかったりっていうイメージあるんだよねまあ google ドキュメントを使わせるためのインセンティブやっ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
TechCrunch | Startup and Technology News
ヤマト、Google Homeに話しかけて受取日時の変更可能に - Impress Watch
Transactions API
The Tudors