Microsoftがわずか数秒のサンプルから会話や歌声を再現できる音声合成AI「NaturalSpeech 2」を発表
2023年4月18日にMicrosoft Research AsiaとMicrosoft Azureのカイ・シェン氏らの研究チームが拡散モデルを使用した小品質の音声合成システム(TTS)である「NaturalSpeech 2」を発表しました。NaturalSpeech 2では数秒の短い音声サンプルを利用する事で、人の声だけでなく歌声までも忠実にシミュレートすることが可能になっています。 [2304.09116] NaturalSpeech 2: Latent Diffusion Models are Natural and Zero-Shot Speech and Singing Synthesizers https://doi.org/10.48550/arXiv.2304.09116 NaturalSpeech 2 https://speechresearch.github.io/na
ピッチを操って、世界の何を描くのか？
珍しく、@で長い会話をしたので備忘録的にまとめました。 オートチューンやヴォコーダーで何が描かれるようとしているのかについては、2008年頃に一度、考えたんだけれど、もう一度、考える頃合いなのかもしれないですね。カニエ＋ボン・イヴェール以後の広がりや、傍らにヴォーカロイドの興隆が傍あったりする中で。
ロバートジョンソンの歌の研究
イントロ およそ35年前、自分をブルースの世界に引きずり込んだのがこのロバート・ジョンソンというブルースマンである。ギター弾きの自分はそのときから彼の歌とギターを演奏しはじめ、今に至るまでずっと続けている。その、破格に思い入れのある彼の音楽を、今回は切り刻んで分析しようとしているのである。 なにをしているかと言うと、彼の歌を周波数解析しメロディーの正確な周波数を測定し、これを半音の1/100の単位で譜面化する。次に、この正確な音程に基づいて、電子ボーカルソフトであるVocaloidにそのままその歌を歌わせる。最終的な目的は、ロバート・ジョンソンの平均律12音階から外れる音程（マイクロトーンと呼ばれている）の秘密を解き明かし、その独特のフィーリングを明るみに出すことである。 実は、この分析はアカデミックな世界で仕事として行っているものである。アカデミアでは結局、論文がすべてだが、このページは
【報告】「イケメン×2.5―境界、まなざし、在／不在」 | Blog | University of Tokyo Center for Philosophy
2015年11月8日（日）、ワークショップ「イケメン×2.5―境界、まなざし、在／不在」が開催された。以下は企画・司会を担当した筒井晴香（UTCP特任研究員）による報告である。 今回のワークショップでは、『ユリイカ』 2014年9月臨時増刊号『総特集イケメン・スタディーズ』、同2015年4月臨時増刊号『総特集2.5次元―2次元から立ちあがる新たなエンターテインメント』の寄稿者・編集者を招き、『ユリイカ』発刊後の展開も含めて議論を行った。提題者は岩下朋世氏（相模女子大学）、岩川ありさ氏（東京大学）、石田美紀氏（新潟大学）の3名、コメンテーターは上田麻由子氏（上智大学）である。トークセッションからは『イケメン・スタディーズ』『総特集2.5次元』の編集を手掛けた明石陽介氏（青土社）にも加わって頂いた。 初めに、筒井が導入として『ユリイカ』において示された「イケメン」と「2.5次元」という二つの概
modern fart | 歌のしくみ 第十回「犬と太陽」
あたたかな宵、西の空に輝くシリウスが太陽を追って沈んで行くようになると、もう春はたけなわです。やがてさらに季節が移れば、あの青く輝くマイナス1.5等星は、太陽とともに昇るようになるでしょう。 おおいぬ座の口元に空高く青く輝くシリウスは、ギリシャ語でセイリオス。「焼けこがす星」です。夜空に青々と輝く星を見て、そのまわりに大きな犬の形を見た人の想像力にも驚かされますが、その青さに燃えさかる炎を見た人の想像力にも驚かされます。 冬の夜、その燃えさかるシリウスの下で世界は静かに凍っている。けれど、もし、この烈々たる青星が夜ではなく昼に光ったなら、そしてその光が太陽と重なったなら、世界はどうなってしまうだろう。昔の人は、夏の太陽と重なるように昇りこの世を焼き尽くす青いシリウスを思い浮かべて、二つの星がもたらす灼熱の日々を「Dog Days」と名付けました。目には見えないまひるの星の光と温度を怖れ
modern fart | 歌のしくみ 第十一回「ハイ・ディ・ホーのゆくえ」
へーいへいへいへーいへい（へーいへいへいへーいへい）。 いきなりフィンガー５の（小泉今日子の）「学園天国」風に始めてみましたが、こんにちは、細馬です。 こんな風に歌詞の繰り返しをカッコを入れると、カッコの外で呼んで、カッコの中から答えてるみたいですね。こうしたコール＆レスポンスは、歌手とバンドとの間でも行われますが、なんといってもその醍醐味は、コンサートやライブでの歌い手と観客との間のやりとりにあります。 コール＆レスポンスのことを考えるとき、わたしがまっさきに思い出すのは、映画『ブルース・ブラザーズ』の１シーンです。 映画の後半、孤児院出身の二人組ジェイクとエルウッド、二人のブルース・ブラザーズは、メンバーを集めてコンサートを計画したものの、車がガス欠になって本番に遅れてしまう。するとブラザーズの庇護役だった風采の上がらないおっさんカーティスが、突然見違えるような白いタキシードを身
マガーク効果 - Wikipedia
マガーク効果（マガークこうか、McGurk effect）は、言語音声の音韻知覚において聴覚情報と視覚情報の相互作用を示す現象の1つ[1]。 マガークとマクドナルド(McGurk & MacDonald 1976)は、ある音韻の発話の映像と別の音韻の音声を組み合わせて視聴すると、第三の音韻が知覚されることを初めて報告した。たとえば、「ガ（ga）」と言っている映像に、「バ（ba）」と言っている音声を組み合わせて視聴すると、「ガ」でも「バ」でもなく、「ダ（da）」と聞こえる。 この現象は矛盾した情報を脳が言語処理を行う以前の段階で自動的に統合することによって発生するため、体験者は矛盾が生じている事を意識できない[2]。 マガーク効果は、音韻知覚が音声の聴覚情報だけで決まるのではなく、話者の口元の映像のような視覚情報など、他の感覚モダリティの情報にも影響を受けることを示しており、視聴覚情報統合の
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
なぜネット上にはデマや陰謀論がはびこり、科学の知見は消えていくのか：研究結果
UbuWeb Sound - Brion Gysin
人間とのデュエットを果たした「量子コンピューターの歌声」
https://walkerart.org/magazine/2016/meredith-monk-deborah-jowitt-interview
The Beach : August 2006