音声合成ソフト、VOICEROIDが高音質化、高性能化を実現！

DTMステーションでもこれまで何度か取り上げてきていた音声合成ソフトのVOICEROID(ボイスロイド)。歌声合成ソフトのVOCALOIDとはだいぶ違うソフトであり、単純に文章を入れれば流暢な日本語でしゃべってくれるというものです。あまりにも自然なしゃべりで、機械がしゃべっているとは信じられないほどですが、そのVOICEROIDが先日さらに進化していたのです。

AHSが発売するVOICEROIDは、これまで計7製品が出ていましたが、最新版の「琴葉茜・葵」と機能・性能が揃う形に以前の6製品が「VOICEROID+EX」というシリーズ名でリニューアル。声の音質が大きく向上するとともに、機能面でもいろいろと強化されているのです。どんな進化を遂げたのか、紹介してみたいと思います。

VOICEROID製品がVOICEROID+EXとリニューアルして新たに登場した

まず初めに、このVOICEROID+EXとはどんなものなのか、以下のビデオをご覧になってみてください。ここではDTMステーションの記事をコピーして、VOICEROID+EXのテキスト入力エリアに貼り付けただけ。

いかがですか？これは「VOICEROID+東北ずん子EX」という定価11,000円のソフト(ベクターによるダウンロード版は税込8,618円)にしゃべらせたもの。初めてVOICEROIDの声を聴いたという方は、ちょっと驚かれたのではないでしょうか？

パッケージ製品の価格はそれぞれ定価11,000円

VOCALOIDでいうところの「調教」なんてことは一切やっていません。「わたしわ」のように「は」を「わ」にする必要がないのはもちろん、漢字が入った文書だって、普通に読んでくれるんですから、すごいですよね。

とはいえ「ホントにそんな風に日本語を読んでくれるの!?」と不信に思っている人もいるかもしれません。そんな方は、AHSのサイトにあるVOICEROIDの紹介ページにアクセスすると、ブラウザ上にテキストを打ち込むだけでしゃべらせることができるデモ機能があるので、試してみることをお勧めします。まあ製品版と比較すると機能はごく一部に制限されているし、音質的にも劣るものの、本当にすぐにテキストを読み上げてくれるので面白いですよ。
お気づきの方もいると思いますが、
・月読アイ
・月読ショウタ
・吉田くん
・民安ともえ
・結月ゆかり
・東北ずん子
・琴葉茜・葵

と7種類ある中で、結月ゆかりと東北ずん子の2製品はVOCALOIDと姉妹ソフト関係となっており、歌う時はVOCALOID、しゃべる時はVOICEROIDと使い分けることができるのも大きなポイントとなっていました。

結月ゆかりと東北ずん子はVOCALOID版とVOICEROID+EX版がそれぞれ存在する

そのVOICEROID、ビデオ制作におけるナレーションの声として、音楽作品でのMC担当やラップの声ネタとしてなど、さまざまな用途で使われてきたのですが、一つ不満点がありました。それはVOCALOIDと違ってシステムと声のライブラリが一体化しているため、システムの機能が向上されても、以前購入した製品をアップデートすることができないということ。

琴葉茜・葵の場合、あるフレーズだけゆっくりしゃべったり、、音量を変えたりすることができる

たとえば、最新版の琴葉茜・葵なら、あるフレーズだけを、ゆっくりしゃべらせたり、ある1文だけを大きい声でしゃべらせるといったことができるのに対し、以前にリリースされた月読ショウタや結月ゆかりなどでは、そうした機能が使えず、もどかしく思っていたのです。

従来の月読アイ、ショウタは、2009年リリースの初期バージョンということもあって、機能的にもかなり少なかった

ところが、今回のVOICEROID+EXへのリニューアルによって、基本的にすべての機能が一律に揃ったのです。機能の違いを示す表が以下にあるので確認してみてください。ちなみに、この新バージョンであるVOICEROID+EXは旧バージョンをお持ちの方なら、それぞれ「アップグレード版」というものが存在しており、税込2,678円で購入できますよ。

民安ともえも、琴葉茜・葵と同様の機能を備えるようになった

これらの機能については、以前「関西弁、標準語を使い分ける音声合成ソフト、琴葉茜・葵が登場」という記事で詳しく紹介しているので、そちらも併せてご覧いただければと思います。

東北ずん子も大きく機能向上している

しかし、そうした機能だけでなく、声の音質も大きく向上しているんですよ！先ほどのデモだと低いサンプリングレートなので違いを見出すことはできないと思いますが、製品版のソフトを使ってしゃべらせてみると、明らかです。なんでここまで違うんだ？と思ったら理由はハッキリしていました。

「音声保存」ボタンをクリックするとWAVファイルで読み上げる音声を保存できる

「実は月読アイや月読ショウタの声のデータベースのサンプリングレートは12kHzのものを採用していました。また、民安ともえや吉田君では16kHzだったのに対し、今回のVOICEROID+EXでは22.05kHzを採用しているために大きく違うんです」と語るのは発売元であるAHSの尾形友秀社長。確かにサンプリングレートが違うと、音質は大きく変わりますよね。

■VOICEROIDの旧バージョンと新バージョンの声質の比較

月読アイ	旧バージョン	VOICEROID+EX
月読ショウタ	旧バージョン	VOICEROID+EX
吉田くん	旧バージョン	VOICEROID+EX
民安ともえ	旧バージョン	VOICEROID+EX
結月ゆかり	旧バージョン	VOICEROID+EX
東北ずん子	旧バージョン	VOICEROID+EX

でも、結月ゆかりや東北ずん子は22.05kHzだと以前に聞いたことがあるのですが、しゃべり声を聴いた感じで、やっぱりちょっと違って、音質が向上した気がするんですよね。これについても尾形社長に聞いてみると

「確かに、ゆかりやずん子はサンプリングレート自体は22.05kHzで同じなのですが、合成エンジンがバージョンアップしているため、ニュアンスが少し変わっています。発音によっては、より滑らかに聴こえるものもあるかもしれません」とのこと。なるほど、合成エンジンの違いというのも大きなポイントなんですね。

生成されたWAVファイルを周波数解析してみると、22.05kHzのサンプリングレートで、11.025kHzまでの音が出ているのが分かる
ところで、読者のみなさんの中には「DAWは96kHzや192kHzなんかが出ているのに、22.05kHzとは何事だ！」なんて思っている方もいるのではないでしょうか？確かにスペックだけを考えるとそういう気がするのも無理はないと思いますが、「百聞は一見にしかず」ではなくて「百見は一聞にしかず」。実際の製品の声を聴いてみてください。しゃべり声としては必要十分なクオリティーであり、おそらくこれ以上上げても、マシン負荷が大きくなるだけでオーバースペックになるのではないでしょうか。

やはり音楽としゃべりを単純に比較すべきものではないし、これを音楽作品に取り込んでいく際に96kHzなどに変換してからエフェクトをかけたり、音量調整をしていけばいいんだと思います。実際、VOCALOIDだってサンプリングベースでは44.1kHzですからね。それよりも22.05kHzだからこそ、非常に軽く動かすことができ、またとても滑らかな発音ができるという点のほうが大きなポイントなんだと思います。

ところでVOICEROIDを使って音楽作品を作った場合、それをニコニコ動画やYouTubeにアップしたり、CDとして販売することは可能なのでしょうか？この利用ガイドラインはVOCALOIDのものと少し異なるので、注意が必要です。

まず個人ユースであれば、VOICEROIDで作品を制作して公開することは基本的に自由です。二次創作であったり、同人活動においても自由に利用することができるそうです。ただし商用利用となると、何でも自由というわけにはいかないそうです。VOCALOIDの場合、キャラクタ名の表記などがなければ、商用であっても「楽器である」という考えの元、自由に使うことができますが、VOICEROIDの場合は、声だけであっても商用は有料となるから注意が必要ですね。逆にいえば、お金を払えれば使えるというわけですが、例外となるのが東北ずん子、吉田くんです。

一方で気になるのは、有料とはいくらなのか？ということです。尾形社長に聞いてみました。

「内容によって価格も変わってくるので、まずは当社へお問い合わせください。一方、個人がVOCALOID曲など、楽曲の中で使ってて商用販売したいとか、音楽作品に利用した上で、有料音楽配信を行っていきたいという場合は、『楽曲ライセンス』というものがあるので、これをご利用ください。価格的には5,000円となっているので、気軽にご利用いただけると思います」とのこと。

楽曲ライセンスのスキーム。楽曲ライセンス申請ページから申し込むことができる