[B! 音声合成] Nyohoのブックマーク

りんな開発チームのメンバーが語る、深層学習で“表現豊かな”音声合成を実現する方法

2018年4月20日、Deep Learning Labが主催するイベント「音声・言語ナイト」が開催されました。Chainerを提供するPreferred Networksと、Azureクラウドを提供するMicrosoftによる、エンジニアコミュニティDeep Learning Lab。今回は、自然言語処理や合成音声など、音声・言語×深層学習の最新事例や知見を発表しました。プレゼンテーション「深層学習に基づくテキスト音声合成の技術動向」に登場したのは、マイクロソフトディベロップメント株式会社の沢田慶氏。自身が大学院生時代に手がけた研究などを元に、音声合成技術の最新事例を紹介しました。りんなチームで音声合成システムを手がける沢田慶氏（以下、沢田）：それでは、マイクロソフトディベロップメントの沢田が、「深層学習に基づくテキスト音声合成の技術動向」と題して発表していきます。よろしくお願いしま

Nyoho 2018/07/04

リンク

WaveNet vocoder をやってみましたので、その記録です / WaveNet: A Generative Model for Raw Audio [arXiv:1609.03499] | LESS IS MORE

WaveNet vocoder をやってみましたので、その記録です / WaveNet: A Generative Model for Raw Audio [arXiv:1609.03499] Summary コード: https://github.com/r9y9/wavenet_vocoder 音声サンプル: https://r9y9.github.io/wavenet_vocoder/ 三行まとめ Local / global conditioning を最低要件と考えて、WaveNet を実装しました DeepVoice3 / Tacotron2 の一部として使えることを目標に作りました PixelCNN++ の旨味を少し拝借し、16-bit linear PCMのscalarを入力として、（まぁまぁ）良い22.5kHzの音声を生成させるところまでできました Tacotron2 は

Nyoho 2018/06/30

WaveNet

リンク

VoiceText Web API (β版)

無料版で作成した音声データの商用利用、二次利用及び配布する行為は禁止されております。利用規約をご確認の上、本サービスをご利用ください。 ※音声データの二次利用例本WebAPIで作成した音声をYouTube等の動画投稿（共有）サイトにおいて使用・公開する行為有料版サービスを開始しました。詳しくは製品情報をご覧ください。

Nyoho 2014/07/09

音声合成

リンク

ボカロ(作るところから)はじめました - やねうらおブログ(移転しました)

今日からボカロを始めることにした。もちろん、ボカロを作るところからだ。ボカロを含めて音源も自作する。楽器(ハード)も自作する。音楽理論も自分で構築しなおす。自動作曲のためのプログラムも作る。そうして、やっと自分だけの音楽が完成する。とりあえず、目標はそこだ。 ■　ボカロを作るとは？初音ミクに代表されるようなボーカロイドは、「あ」「い」「う」など、人間がそれぞれの文字を発声したものを録音しておき再生しているだけである。つながりが不自然なところは二文字、ときとして三文字つなげたファイルも持っている。ただそれだけである。私はそういうことをしたいわけではない。声を一から作るところからだ。 ■　スーパーファミコンのDSP 順序立てて話そう。私は高校生のときにアーケードの麻雀の移植のために音声合成の処理を書いたことがある。*1 このプログラムは実際には世に出なかったわけであるが、私はそれ以前から