誰の声でも100人の声に変えられる声変換システム - Dwango Media Village(ドワンゴメディアヴィレッジ,dmv)
著者の声を録画・録音して声を変換し元の映像と組み合わせてみた映像です。 このときの変換元の音声は撮影用のスマートフォンで録音しており、部屋の残響が含まれるなど声が少し不鮮明になる収録環境ですが、それでもしっかり声変換できていることがわかると思います。 概要 Dwango Media Villageの廣芝です。 誰の声でも狙った複数の人の声に変えることができる声変換システムを開発し、実際に声を変えることができるデモページを公開しました。 (2022年5月 SeirenVoiceシリーズの製品化に伴いデモページは終了しました。) この記事では、声変換技術を研究開発する際に取り組んだ課題について紹介します。 声の変換技術には、リアルタイム性と品質のトレードオフがあります。 既存の声変換システムはリアルタイム性を重視する傾向がある一方、品質を重視したものはあまり見かけません。 品質を優先した声変換
SoundFlowerとwriter.appを使った、自動文字起こし術決定版｜平野太一
文字起こしは、記事をつくる上で大事な工程のひとつ。 でも取材が終わった瞬間に、取材に行く前にやっていた“すぐにやらなければいけない仕事”をやったり、他の人から頼まれたタスクをやっているうちに、文字起こしがどんどん後回しになって億劫に。それなら、早いうちにクラウドワークスに出した方が効率がいいなと思って、ここ最近はそうしていました。 ・・・ そんなとき、こんなツイートを目にして、文字起こしを自動化できるかもしれない…！と思い、さっそく試してみました。 紹介されていたのは、「SoundFlower」と「Google Docs」の2つのツール。 ■ SoundFlower : https://github.com/mattingalls/Soundflower/releases ■ Google Docs : https://docs.google.com/ SoundFlowerの導入について
音声入力でどのようにブログを書いているのか｜けんすう｜note
今年にはいってから音声入力でブログを書いているのですが、どんな感じでやっているかというものを、まとめてみたいと思います。 と言ってもそんな大したことはやっていません。 単純にAndroid端末でGoogleの音声入力を使って入力しているだけです。iOSでもそんなに精度悪くないんですけど、Googleさんのほうが良い気がしています。 まずやり方ですが、僕は最初に下書きを Google Keep に入れています。 ちょっと特殊なことをやっている点は、Google Keepを立ち上げるのをショートカットで簡単にしているぐらいです。Nova Launcerというアプリを使うことで、ホーム画面でダブルタップをすればGoogle Keep をすぐに立ち上げるように設定できます。これがあれば、思い立った時にすぐにメモを取ることができるので便利です。 音声入力の良さはやはり入力スピードの速さです。一般的に
JSUT (Japanese speech corpus of Saruwatari Lab, University of Tokyo) - Shinnosuke Takamichi
JSUT (Japanese speech corpus of Saruwatari-lab., University of Tokyo) The JSUT Collection is Japanese speech corpora connecting speech, song, and audio events. The JSUT corpus is a part of the JSUT Collection. JSUT コレクションは，声・歌・音声模倣をつなげるための音声コーパスです．このJSUT コーパスは，JSUT コレクションの一部です． This corpus consists of Japanese text (transcription) and reading-style audio. The audio data is sampled at 48kHz and rec
音声処理プログラミング言語、Faustの紹介 | Matsuura Tomoya|松浦知也
音声処理プログラミング言語、Faustの紹介published: 2016-12-01 last modified: 2023-01-25 この記事はFaust(多分ひとり)Advent Calenderの1日目の記事です。 さて、やろうと思っていて中々出来てなかったFaustの紹介ですが、この際Advent Calenderでまとめて紹介して行こうと思います。 今回はFaustの全体的な紹介です。 この記事の流れ FaustとはFunctional-AUdio-STreamの略で、フランスの音響研究所GRAMEが中心になって2004年頃から開発を続けている関数型音声処理言語です。 このAdventCalenderではFaustの紹介からtips、応用的な使い方までできるだけ網羅的にFaustについての記事を書いていきます。 この記事での紹介はJUCE Summit 2015でのOlive
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
ggsoku.com
