ボイスクローニング(Voice cloning)

ボイスクローニングは、テキスト音声変換モデルに特定の人物の声で話させます。多くはわずか数秒の録音から行えます。

  • モデルの使い方
  • 更新日

ゼロショットクローニングには訓練が不要です。モデルに短いクリップ(たとえば3秒)を渡すと、新しいテキストをその声で読み上げます。声を言葉で記述して作るボイスデザインを備えるモデルもあります。品質はクリップ次第で、話者一人のクリアな音声が最適です。

許可なく他人の声をクローンすることは法律に触れたり詐欺に悪用されたりし得るため、権利を持っている声だけを使ってください。出力に聞こえない透かしを入れるプロジェクトもあれば、なりすましを禁止したり、非商用に限定したりするライセンスもあります。クローニングモデルで製品を作る前に、この両方を読んでください。

関連用語

  • テキスト音声変換(TTS) テキスト音声変換モデルは書かれたテキストを話し声のオーディオに変えます。短いサンプルから声をコピーできるモデルも多くあります。
  • 非商用ライセンス 非商用ライセンスでは、研究・学習・個人プロジェクトでのモデル利用は認められますが、収益を目的とした利用は認められません。

すべての用語