新しい歌声合成ソフトを公開しました！　インストール、GPU不要で、あなたのCPUとブラウザで軽快に動作するフル機能のSVSです(Chrome推奨)。ページにアクセスしてすぐ使えるので、ぜひ触ってみてください。 wavtechyukky.github.io/vocat…

多くの歌声合成ソフトで複合母音(ai、an、ang等)中の各母音のタイミングがいじれないのは中国では不評だと聞いています。どのレベルの不評さなのかはちょっと存じ上げないのですが…。

重音テト…、嘘だよな…？

Thanks! I'll take a look at the included dictionary file.

You're really trying out everything, aren't you!? Apparently, native Chinese speakers dislike not being able to control the timing of compound vowels. Still, the sheer amount of dataset available for pinyin notation research is really appealing.

中国語の歌声データセット、沢山あるのだけど、ACV以外どれもピンイン表記なので諦めてピンインで学習させようと思ってる。XSAMPAやIPAの方が絶対に優れてはいると思うのだが…。

「完全に違法」は言い過ぎでしたけど、相当グレーですねw しかし調声頑張ってる人もかなりいて中国は広いです…。

bilibiliのDeepSeek娘の歌声合成モデル(DeepSeekの読み上げ音声を学習させてる)、違法すぎるという問題はあるのだけど完成度高くて驚いてた。教師データどうしたんだと思ったが、DeepSeekには読み上げ音声を歌わせるというハックがあるらしい(ChatGPTやGeminiだとできなかった)。

There was a plan for that, but I couldn't build a high-quality model. A non-commercial dataset with good audio quality is needed.

可能性の塊すぎますねww 本当にどうやったんですか！？　ソースコードの公開予定はありますか？

そうですね、OpenUTAUへの対応を考えておきたくて、ここしばらくスタイル変換機能は使っておらず、NormalとSoftを別スタイルとして学習したらより品質は上がるかもしれません。限界品質を見る価値は高そうです…！

調べると使用した曲数は110曲中の107曲でした。さらに乱数で1696フレーズ中22フレーズがevalデータに回されています。

今回SoftとNormalは使っておらず、キレ音源の4.23時間でした！

冥利に尽きます…！　それなりの品質にできてるのは本当に波音リツDB様々だと思います！

It seems like an intriguing library! Thank you, I will check it out.

データセットを揃えて適当にポチポチしたら歌声合成用のモデルができて、完璧なSVSにインストールできる、というのがあったら理想だと思うのだけど…。今のところ1話者だけ欲しい場合でも多話者モデルにした方がいい場合が多いと思うし、言語によっては十分データを確保できない。

Please check out this page. Apologies if the phrasing is a bit off. github.com/wavtechyukky/voca…

Sorry, we don't have plans to implement those features at the moment.

Thank you so much!