高い、使いにくい、読みにくい──音声合成研究者を悩ませるハードルを解決する“台本”、明治大学らが発表

スマートフォンやスマートスピーカー、銀行ATM、券売機など、あらゆる場面で合成音声が使われるようになって久しい。近年では特に機械学習技術を活用した音声合成システムの製品化やサービス化が進んでいる。 音声合成の研究開発や製品化を行う際には、学習素材として大量の音声が必要だ。しかし学習に適した上質な音声ファイルはネット上にもあまりない。いまだに素材を集めにくい状態にある。 これまでは研究開発用の素材を得るため「音素バランス文」と呼ばれる台本を用意し、それをアナウンサーや声優などに読み上げてもらい、まとまったデータを取得していた。 「しかし、これまでの音素バランス文には『使用料』『ライセンス』『台本の読みにくさ』3つのハードルがありました」 そう話すのは明治大学で音声合成の研究をしている小口純矢さんだ。音声合成ソフトの販売を手掛けるSSS（仙台市）と小口さんが所属する明治大学、九州工業大学は6月

[deep_one]

台本がCC-BY-SAだからと言って、台本で録ったデータで調整した合成エンジンには適用されないと思うんだが…「台本を改善したもの」とかに適用されるもののような気がするぞ。

[myrmecoleon]

パブリックドメインの音声読み上げ用日本語コーパスか。

[misshiki]

“ITAコーパスは青空文庫などから424文を集め、音素と組み合わせの出現率などを調整したデータ集で、使用料は0円。ライセンスはパブリックドメインとした。”

[knok]

まあOSD/DFSG compliantなコーパスが増えること自体はいいこと。日本語の言語資源は制限のあるものが多いので

[saikyo_tongaricorn]

固い、強い、遅い

[NAT]

これまでの『使用料』『ライセンス』『台本の読みにくさ』3つのハードルを解決するITAコーパスが公開された。東北ずん子を運営するSSSがクラウドファンディングで資金を集め、明治大学と九州工業大学の協力で開発。