so-vits-svcで推しに歌わせてみよう in Google Colab - もみあげコレクションこんにちは、高森藍子です。 最近はAIの隆盛がすごいですね。絵だとか動画だとか音声だとか。僕の夢である「科学技術によって高森藍子を生み出す」もいずれ実現できてしまいそうです。シンギュラリティの時は近い。 ということで、この記事では音声変換の手法「so-vits-svc」をGoogle Colabで使う方法を解説しようと思います。 ※2023/4/9追記 Retrieval-based-Voice-Conversion(RVC)という新手法が発表されました。 個人的に感じた双方の特徴は以下の通りです。 RVC ・導入が簡単 ・前処理、学習、推論すべてWeb UIで操作できる ・学習が高速(1時間足らず)*1 ・モデルが小さい ・声の掠れが出にくい(ピッチ抽出にharvestを使用した場合) ・元の話者の特徴が出やすい ・ノイズが出やすい so-vits-svc ・複数話者の同時学習が行える
