プロの女性声優 3 名が 3 パターンの感情表現で読み上げた音声 2 時間分 を「声優統計コーパス」として無料公開します - 糞糞糞ネット弁慶
日本声優統計学会 サークル「日本声優統計学会」の最後の活動として，読んでくださった方々への恩返しの意味を込め， id:repose と id:MagnesiumRibbon で声優統計コーパスを上記ページにて公開しました． 概要 声優統計コーパスは diphone の出現頻度を考慮しながら独自に構築した音素バランス文 その音素バランス文をプロの女性声優 3 名が 3 パターンの感情表現(ニュートラル，喜び，怒り)で読み上げた総長約 2 時間，総ファイルサイズ 720 MB，計900個の音声ファイル の 2 つで構成されています． 音素バランス文については表示 - 継承 4.0 国際 (CC BY-SA 4.0)で公開しています． 音声ファイルについては研究・分析目的でのみ無償で利用可能です． 音素バランス文 音素バランス文は日本語版 Wikipedia の本文データを元に構築しています．
Neural Network Learns to Generate Voice (RNN/LSTM)
[VOLUME WARNING] This is what happens when you throw raw audio (which happens to be a cute voice) into a neural network and then tell it to spit out what it's learned. This is a recurrent neural network (LSTM type) with 3 layers of 680 neurons each, trying to find patterns in audio and reproduce them as well as it can. It's not a particularly big network considering the complexity and size of the
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
処理を実行中です
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
