VocaListener

维基百科,自由的百科全书
跳转至: 导航搜索
VocaListener
開發者 產業技術綜合研究所
类型 語音合成系統
網站 staff.aist.go.jp/m.goto/VocaListener/index-j.html

VocaListener(簡稱ぼかりす)是一個自動測定用戶歌聲的語音合成參數的系統,可以簡單地把輸入的歌聲轉換成另一種風格或聲質的技術。技術分為三部分:一是合成歌聲模仿目標歌聲的核心技術「VocaListener-core」,二是編輯目標歌聲的技術「VocaListener-plus」,三是分析歌聲的技術「VocaListener-front-end」。主要由中野倫靖和後藤真孝參與研究,先後以VOCALOID 2初音未來鏡音鈴、連GACKPOID和VOCALOID的MEIKOKAITO作研究測試,採用的原因是因為產品已發放於市場,較容易入手。而音樂採用RWC研究用音樂資料庫(流行音樂)(RWC-MDB-P-2001)。研究目的是希望可以做到輕易合成高品質的歌聲,從而探索動聽歌聲的技巧,並在歌唱中得知人類個人的知覺。

歷史[编辑]

技術早於2006年8月已進行研究[1]。最初於2008年4月28日公開,於NICONICO動畫上載音樂軟件初音未來版本的《PROLOGUE》,歌曲原唱為聲優緒方智美。但最初只是寫作簡稱「ぼかりす」,並沒有正式發表技術,是一個試驗性質的公開。當時正值初音未來熱潮後不久,其極為自然、非常接近人類的歌聲大大超越初音未來平常歌曲的水準而被稱為「神調教」(把初音未來的歌曲調整得十分自然之意),更引起一段短暫對新技術真相的猜測[2]。同年5月2日承認「ぼかりす」就是VocaListener[3]。在5月28日的第75回音樂資訊科學研究會正式發表。6月6日再公開鏡音鈴版本的《Game of Love》,歌曲原唱為吉井弘美。9月22日再同時公開KAITO、MEIKO、初音未來、鏡音鈴、連ACT2、GACKPOID和合唱版本的演歌《大漁船》,2009年2月6日再公開巡音流歌的版本,歌曲原唱為西一男。4月27日開始Yamaha的「Netぼかりす」Alpha版測試,只提供部份功能[4]

技術[编辑]

系統先以VocaListener-front-end分析目標歌聲和歌詞,辨認音高、音量、歌詞等,再由用戶以VocaListener-plus編輯修正,其後以VocaListener-core分析歌聲並加以合成,反覆測定音高、音量、歌詞等的相似度,由用戶加以微調,最後得到合成歌聲的參數。

VocaListener-core[编辑]

這是合成歌聲模仿目標歌聲的核心技術,由歌聲分析、歌聲合成、反覆的合成參數更新三種要素組成。歌聲分析的對象不止目標歌聲,亦會對合成後的歌聲作出分析,但分析的使用技術Viterbi alignment會有辨認錯誤的問題,需要反覆分析,務求兩者的風格盡量相近。判定音高分為MIDI的音名數值和滑音斜率。在音名數值中,組合VOCALOID 2滑音斜率(PIT、Pitch Bend)和滑音斜率敏感度(PBS、Pitch Bend Sensitivity)最多可以做出高或低兩個八度的滑音,而音名數值由以下數式選擇(NoteNumber:音名數值、σ=0.03、t是音符長度。):

而合成歌聲是、目標歌聲則是。經過重複計算而把兩個數值不斷更新,變得相似。把PIT和PBS轉換為數式則是如此:

而音量測定上是使用相對數值,反覆測定而得到從0至127的強弱(DYN、Dynamics)數值。

VocaListener-plus[编辑]

這是編輯目標歌聲的技術,可以令歌聲有更廣闊的種類,但並非一定要使用。技術中分為兩種類,分別是改變音高和改變歌唱風格的機能。前者的改變音高,用途可以是修正走音,或可以合成原唱者不能唱出的音高。然而在音符較短的時候,可能會不能修正音高。後者可調整振音的強弱、音高、音量的平滑感,藉以改變歌唱風格,甚至加強歌唱的表現。

VocaListener-front-end[编辑]

VocaListener-front-end則分為歌聲分析及歌聲合成,在歌聲分析中需要從原歌聲中抽出音高、音量、發音開始時間和音長

音高
由以下數式轉換為MIDI音名數值(fHz:基本頻率、fNoteNumber:MIDI的音名數值):

音量
由以下數式計算(N:窗幅、x(t):聲音波形、h(t):窗函數):

技術中N為2048(約46毫秒)、h(t)為漢寧(Hanning)窗
發音開始時間和音長
使用Viterbi alignment辨認音聲,再從歌詞轉換為音素,但偶然會有辨認錯誤,需要用戶修正。

參見[编辑]

参考資料[编辑]

外部連結[编辑]