RVCのモデルの作り方！学習データの準備や学習済みモデルも紹介｜HENSHIN Labo

各項目について詳しく解説していきます。 学習元の音声データの収集 まずはモデル制作のために必要な音声データを集める作業です。 自分の音声を読み込ませるような場合は、声の録音が必要です。インターネット上から音声データを探して学習させることも可能です。 なお、学習のために必要なデータは10〜50分になります。モデルのクオリティに関わるので、少なすぎないように気をつけましょう。また、長すぎても品質が落ちる場合もあるので注意が必要です。 ここでは収集のコツについてご紹介していきます。 録音環境の設定 良質な学習データにするためには、適切な録音環境の設定が重要です。 まず、静かな部屋を選び、外部の騒音やエコーを最小限に抑えます。高品質なマイクロフォンの使用と、マイクと話者の距離を適切に保つことも必要です。 さらに、一貫した音量とクリアな発音で録音を行い、音声データの一貫性を保つことが大切です。 これ