音声信号処理の専門家である井原健紘氏というかたが、
「初音ミクとかの音声合成のしくみ」というページを公開。音声合成の基本から、VOCALOIDで用いられているという音声合成がどんなものかを、推定ながら
図入り解説していて興味深い。
特に「へぇ」と思ったのは、初音ミク（VOCALOID2）とKAITO（VOCALOID(1)）の違い。前者は「素片接続法」、後者は「ＨＭＭ合成法」という、まったく異なるアプローチによってつむぎだされているそうな。一件すると、VOCALOID2エンジンのほうがVOCALOID(1)エンジンより優れていると思いがちだが、どうもそう単純に言い切れるものでもなさそうだ（ていうか、「ＨＭＭ合成法」ってFM音源みたいな＾＾；）。 ←追記参照何にせよ
「音声合成って何やってんだろ」と思っている人は行ってみて。
＞
井原健紘を紹介するページ「初音ミクとかの音声合成のしくみ」上記サイトより転載（VOCALOID2のしくみの図解）
追記上記に、「前者は「素片接続法」、後者は「ＨＭＭ合成法」という、まったく異なるアプローチ」と書いたのだが、これは誤りで、
VOCALOIDもVOCALOID2も、どちらも「素片接続法」を採用しているというコメントをいただいた（thx^^）。また、「井原健紘を紹介するページ」さんのサイトでも訂正が入るようだ。ということは、違いはなんぞ。＾＾；
＞
IHARA Note「初音ミクなどのVOCALOIDに関するウェブページの訂正とお詫び。」
［初音ミク-音楽］
2008/02/09(土) 10:42:16|
Q&A
| トラックバック：0
| コメント：3
> 初音ミク（VOCALOID2）とKAITO（VOCALOID(1)）の違い。前者は「素片接続法」、後者は「ＨＭＭ合成法」という、まったく異なるアプローチによってつむぎだされているそうな。
これは完全に間違いですよ．井原さんにも伝えましたが，両方「素片接続」です．
- 2008/03/26(水) 15:45:05 |
- URL |
- へーが #-
- [ 編集]
> ということは、違いはなんぞ。
多分ですが，素片の数が違うんではないかと．歌声合成だと，合成したい楽譜にマッチするように，各素片の音程をいじらなくちゃいけません．しかし，大きくいじると，音が劣化します．そこで，同じ「あ」でも色んな高さの「あ」を録音しておけば，音の高さをいじる幅を小さくできます．v1とv2を比較すると，v2のほうが素片の数がずっと多いんではないでしょうか．
ちなみに，
http://www.interspeech2007.org/Technical/ssc_files/Yamaha/VOCALOID_Interspeech.pdf
にVOCALOIDのアルゴリズムが詳しくかかれてたりします（英語）．
- 2008/03/26(水) 22:58:22 |
- URL |
- へーが #-
- [ 編集]
