リアルタイム低遅延ボイチェンのポイントは“個性の制限”？ NTTが研究成果を発表する「オープンハウス」が6月24日から大阪で開催（2/3 ページ）
超低遅延のリアルタイムボイスチェンジャー
各種契約や問い合わせにおいて、Webベースの方法が充実してきた。一方で、Webベースの方法では対応がなかなか難しい人もいるため、電話（音声）窓口の重要性は衰えてはいない。しかし、通話をする人が互いの声をうまく聞き取れないということもある。
一方で、最近はWeb動画のライブ配信やメタバース空間において音声を使ったコミュニケーションも盛んだが、やはり話者の声がうまく聞き取れないということもある。もっというと「自分の声を変えたい」というニーズも存在する。
そんな背景を踏まえて、CS研ではリアルタイムかつ低遅延に声を変換するボイスチェンジャーの研究を進めている。「ボイスチェンジャーってもうあるよね？」という疑問もあるかもしれないが、CS研が追求しているのは低遅延、つまりコミュニケーションに支障を起こさない短時間での音声変換である。
低遅延のボイスチェンジャーを実現するには、話者の声の特性（個人性）を徹底的に除去して汎用（はんよう）的な音声表現とし、音声変換をするタイミングで個人性を再度付与できるのが理想だという。しかし、その実現で壁となるのが「汎用的な音声表現」で、現状のボイスチェンジャーでは、中間処理の段階でどうしても個人性を取り除き切れないのだという。
そこでCS研では、中間処理における個人性に“制限”を設け、しきい値以上の個人性を除去する処理を行うことでリアルタイム性を確保した。個人性の再付与には話者ごとの個人性を考慮した深層生成モデルを使うことで、バッファー（＝未来方向のデータ）を使わずに変換処理を行うことも、リアルタイム性の向上に寄与している。
ボイスチェンジャーにリアルタイム性が欠ける原因の1つとして、精度を高めるために未来方向のデータを必要とすることが挙げられる。そこで今回の研究では、未来方向のデータを使わないで変換することでリアルタイム性を向上している。懸念点は音声品質の劣化だが、先に紹介した深層生成モデルを使うことで音質向上を図っているという音声のリアルタイム変換は、簡単な文章を読めばすぐに使い始められる。イベントのデモ展示では、「ずんだもん」や「つくよみちゃん」を含む4種類の声で実際にボイスチェンジを体験できる。
なお、本研究はスマートフォンでも稼働することが既に確認されている。なりすまし対策と合わせて、実用化を前提として今後も研究を進めていくそうだ。
その後、なりたいキャラクターを選ぶことでリアルタイムボイスチェンジャーが機能する。今回のイベントでは「ずんだもん」や「つくよみちゃん」の声を選ぶことも可能だ。なお、写真ではmacOS上で稼働しているが、本プログラムにはWindows版もあるそうだ
Copyright © ITmedia, Inc. All Rights Reserved.
アクセストップ10
- 飲食店でのスマホ注文に物議、LINEの連携必須に批判も 「客のリソースにただ乗りしないでほしい」 （2025年12月04日）
- NHK受信料の“督促強化”に不満や疑問の声 「訪問時のマナーは担当者に指導」と広報 （2025年12月05日）
- 「スマホ新法」施行前にKDDIが“重要案内” 「Webブラウザ」と「検索」選択の具体手順を公開 （2025年12月04日）
- 「健康保険証で良いじゃないですか」──政治家ポストにマイナ保険証派が“猛反論”した理由 （2025年12月06日）
- 楽天の2年間データ使い放題「バラマキ端末」を入手――楽天モバイル、年内1000万契約達成は確実か （2025年11月30日）
- 三つ折りスマホ「Galaxy Z TriFold」の実機を触ってみた 開けば10型タブレット、価格は約38万円 （2025年12月04日）
- ドコモが「dアカウント」のパスワードレス認証を「パスキー」に統一 2026年5月めどに （2025年12月05日）
- 「楽天ポイント」と「楽天キャッシュ」は何が違う？ 使い分けのポイントを解説 （2025年12月03日）
- 楽天ペイと楽天ポイントのキャンペーンまとめ【12月3日最新版】 1万〜3万ポイント還元のお得な施策あり （2025年12月03日）
- “Switch 2”の映像を「XREALの全グラス」に出力可能に そのカラクリとは？ （2025年12月05日）
過去記事カレンダー
Feed Back
ITmediaはアイティメディア株式会社の登録商標です。