CeVIO≒さとうささらはボカロシーンの脅威となり得るのか

Bukko＠やせたいフレンズ @Bukkosan

「技術的な好奇心」を重視して曲を聴いていたのは、ミクさんが出る前のめーちゃん親衛隊ぐらいじゃないかな。ミクさん以降は技術のすばらしさを理解しつつ、単純に曲で聴いてると思う。

Bukko＠やせたいフレンズ @Bukkosan

何より、一部の「廃」たちを除く、特に曲を「フラットに」聴いてる人であればあるほど、VOCALOIDかUTAUかSinsyかCeVIOかなんてどうでもいいと思ってると思う。いいと思う曲を聴くだけで。

なおっさん @nao_square

そもそも今の無償版のCeVIOでは調声する余地が無いから、ボカロPが進んで使うとは思えないけれども、ちょっと喋って歌わせてみたい、と言うライト層をガッツリ取り込めば、音声合成ソフトの売り上げとしてはボカロを凌駕する可能性を秘めている。

Bukko＠やせたいフレンズ @Bukkosan

結論としては、技術的興味がないからとかリスナーの耳が腐ったとかそういうのじゃない。単に曲がまだ少ないだけ。広めたいなら増やしてくれ。もっと。GUMIぐらいに。

Bukko＠やせたいフレンズ @Bukkosan

@nao_square いや、あれだけ手間なく、人に近い歌声が出せれば、確実にボカロの売り上げを越えられるんじゃないですかね。作られた曲が「伸びる」かどうかは別ですが。

Eji @ejiwarp

@Bukkosan 基本的ここまで音楽を、曲を等価的評価すること自体かなり難しい。「いい曲」を先入観なしで聞ける事自体もう一つの「理想」さえも思います。

Bukko＠やせたいフレンズ @Bukkosan

「既存ボカロの曲しか伸びない」の話はまた別。ランキングの評価点を変えりゃいいってレベルですらない。もっとでかい話。それについては長くなるから今後きちんと記事書くけど。少なくとも「技術的興味」とか「リスナーが若いから」なんてことじゃない。

Bukko＠やせたいフレンズ @Bukkosan

@ejiwarp 「いい曲」を掘り当てられるかどうかってところもありますからねー。でも、掘り当てた曲がUTAUだから、CeVIOだから聴かない、てことはないだろうと思います。

なおっさん @nao_square

@Bukkosan あぁ、楽曲が伸びるかどうかって観点ですか。ささら自体がキャラが確立して、ユーザー層も増えて来たら、たまに殿堂入りが出て来てもおかしくないかも？ もしCeVIOが一万本くらいの大ヒットをしたら、製品のユーザーだけで結構な量ななりますし。

Eji @ejiwarp

@Bukkosan ですね。現時点の「歌声合成」の曲から聞けるのは、制限された環境での創作し、磨きながら上達していくことが見られる楽しさ。歌声合成が実用的範囲に入る前に、通常「作曲できる歌手」でなければこれが難しい。

Bukko＠やせたいフレンズ @Bukkosan

@nao_square Pから見て便利であれば、売れはすると思いますよ。聴き専が関係するのはその先、曲が伸びるかどうか、再生数ベースのランキングを席巻するかどうか、で。

Eji @ejiwarp

歌声合成が完全に人間と聞き分けできないなら、今度はほぼ代用としてしか見らない問題が生まれる。「人間より手間がかからない」上に声も外さないけれど、編集された歌声と同じく、「知らないうちに広がった」技術であり「聞き手が意識されない」、つまり「人間の歌声として聞いてる」。

Eji @ejiwarp

@Bukkosan @nao_square 手間をあそこまで減らせるとある意味理想的ですね。ただ見当たるところ音域の狭さ、芯のある声が出せないなど汎用性の狭さが目立つ。発想変わると「自然を保つまま変化させるのに、元となってる歌声の制限」とも言えるべきか。

なおっさん @nao_square

@Bukkosan 今のところ自分なりの歌声が出せませんから、DTMerからすると物足りなそうな感じのようで。色々チューンする技術があればいいのでしょうが、逆に手間がかかりますしねぇ。 話は変わりますすが、歌と声の声色が同じってのに、私は凄い可能性を感じてます。

Eji @ejiwarp

@nao_square @Bukkosan 逆に言うと、無料配布したCeVIOの現状は、「数万本」を見ていいでしょうか。大体新しいVOCALOID製品が出ると、初周はやはりある程度の売上がします、新しい声に対して興味を持つことが伺える。けどこの先はどうなるやら。

Eji @ejiwarp

@nao_square @Bukkosan 基本的素片接続では出来ない芸当だわ＞声と歌の声色が同じ。 同等の信号処理系じゃないと。

Eji @ejiwarp

っていうか、VOCALOIDのHMM化できるとまだ状況が変わるよね。

mikumiku_aloha @mikumiku_aloha

@ejiwarp それはVOCALOIDの中の人のHMMではなくて、VOCALOIDのHMM?

Eji @ejiwarp

まず、声色が保つのは、同じの信号処理（分析、合成系）を使用したからですが、元々言語と歌声合成の信号処理は要点を置くところが違うから（音高とイントネーション）コレまで違う技術に当てられましたが、市場から見るとと大分「違いがわからない」から「両方同時に求められがち」とも言えます。

Eji @ejiwarp

逆に言うと、「歌声と発話両方こなせる」分析合成系のニーズは求められてるとも言えるから、VOICE発のCeVIOのブレイクに繋がったと思います。

Eji @ejiwarp

@mikumiku_aloha VOCALOIDの信号処理系（EpR)を使用したままに、HMMベース（主はDB構造を影響する）で同じ中の人で収録すると、現存ボカロとおなじ声色になると思います。ただHMM合成から見ると、「同じ話者性」を求めるだけなら、声真似でいけるではないかと。

Eji @ejiwarp

@mikumiku_aloha けどこの前提なら、「中の人」の歌い方などの癖も収録され、現にSinsyの元DBにある歌謡曲的な歌い方が残りつつ、ミクの声になるデモが示したように、CeVIO側がライセンスもすると、現存ボカロのCeVIO版はすぐでも揃えると思う。

Eji @ejiwarp

ただこれだけでは、元の「ボカロ」にある癖と特徴は出せない。例えばミクはところどころ癖があるからカワイイし、V3GUMIも特徴を残せるのためノーマルGUMIを予め出しました。話者性だけ真似してはここまでは行かないと思う。

Eji @ejiwarp

ですが、「声マネ」で生まれた「ボカロを真似したCeVIO」から劇薬とも言える新機能が生まれる。それは「喋りと歌う両方こなせるボカロ」の出来上がることです。議論上HMM歌声合成とまともに勝負が出来ない理由はここにあります。

Eji @ejiwarp

@mikumiku_aloha 「中の人」に対してHMM収録すると、違う合成系と編集のこともあって、かなり違う声になると思います。普通に歌わせるとミクさんと藤田咲さんの歌声はかなり違う。