短い録音一つで声を複製し本人と比べたところ、普段の話し方はかなり似ていた(qiita.com)
書く言語: 韓国語書かれた言語で読む
わかりやすい要約
- 筆者はMacで15秒の録音を一つだけ参考にして声を複製し、クラウドサービスを使わずVoiceStudioアプリでローカルに作ったと明らかにした。クイズでは本人の声と複製音声を並べて聞かせ、どちらが本人かを当てさせた。
- 普段の話し方を基準に筆者が測った声の高さは、本人が108Hz、複製が99で、105Hzだった。話す速さはOmniVoiceが本人とほぼ同じで、VoxCPM2は約10%速かった。話者1人、条件ごとに3回生成した小規模な測定である。
- 感情の指示を入れたとき、本人の声は「恐る恐る」(おそるおそる)で138Hz、「焦って」(あせって)で151Hzまで高くなったが、複製音声は93Hz前後にとどまった。英語の指示で作った複製の速さ8.40は、本人の焦って8.54と近く、「怖がりながら恐る恐る」の指示では逆に速くなった。
編集部の意見
O: 短い録音一つで声を複製する方式は、社内のナレーション案の制作者が本作業の前に、サンプルで話す速さと声の高さを先に聞いてみる場面で参考になるかもしれません。
X: 話者1人、条件ごと3回生成した小規模な測定で、類似度は著者が選んだ認識モデルで測ったものなので、別の声でも同じ結果になるとは言いにくいです。
書く言語: 韓国語
掲載元
Qiita ↗ / 掲載記事
似たような経験はありますか?そのときどうしたか、一言二言で教えてください。製品に詳しくなくても大丈夫です。