九条林檎も参加「CoeFont CLOUD」で自分の声を合成音声化してみた

自分の声を、500円・約15分の収録で合成音声のモデルにできる音声合成サービス「CoeFont CLOUD」が、7月28日に正式リリースされました。

Yellston社が開発・提供する「CoeFont CLOUD」は、「声を手軽かつ表現力豊かなフォントのようにする」というコンセプトのAI音声合成プラットフォーム。

従来、人間の声で音声合成するのには、金銭的・時間的に少なくないコストがかかってしまいました。しかし、本サービスでは、低コストでかなり自然な発声のできるAI音声合成（CoeFont）を作成できます。

CoeFontはクラウド上で公開することができ、それが利用されるたび作成者に収益として還元されます。

他のユーザーのCoeFontを利用して音声合成することもできます。また、APIを利用してアプリやウェブサイトに組み込むことも可能です。

執筆現在、100を超えるCoeFontが登録されており、その中には、バーチャルYouTuber（VTuber）の九条林檎さんの声を元にした「リンゴ」や、気象予報士の森田正光さんなど著名人のCoeFontもあります。

自分の声をCoeFontにしてみた

今回、筆者もCoeFontを作成してみたので、手順を解説していきます。

筆者が収録した機材一覧
・PC：Macbook Pro 2018
・オーディオインターフェース：Steinberg UR22mkII
・マイク：SHURE SM58
・ブラウザ：Google Chrome

CoeFontではコンデンサマイクでの収録が推奨されていますが、今回はダイナミックマイクで収録したことをご了承ください。

1.プラン選択

まず、画面右上の「新規登録」から個人／法人アカウントを作成してログインします。ログイン後、左メニューの「CoeFontを作成」からプランを選択します。

現在のプランは、ローエンド（お試し版、収録時間約15分、500円）・ミドルレンジ（標準、収録時間約60分、1,000円）、ハイエンド（最高精度、収録時間約120分、1,500円）の3つ。収録時間が長いほど、高品質なCoeFontをつくれます。

「このプランで作成」からクレジットカードで決済した後、CoeFont作成画面に遷移します。今回はローエンド版を選びました。

2.収録準備

まず、声・話し方の特徴を選びます。選択肢は女声寄り・男性寄り・設定なしの3つです。

特徴を選択すると、生成されるCoeFontの品質が良くなります。なお、この情報は他のユーザーには公開されません。

選択後、下記の確認事項が表示されます。

【確認事項】
機材・環境
・コンデンサマイクなどでの収録を推奨します
・空調音などのノイズがない環境を推奨します
・一度収録を始めたら収録環境を変えないでください
文章の読み方
・一定の速度で文章を読むようにしてください
・読点の位置は注意して読むようにしてください 「録音前に確認してください」より

「使用するマイクを選択してください」からマイクを選択すると、録音環境のノイズを確認した後、スタート画面に遷移します。

スタート画面右上の「原稿をダウンロードする」から収録原稿のPDFファイルをダウンロードもできます。

「録音をスタート」から、収録画面に遷移します。

3.音声を収録

録音を開始し、表示された原稿を読み上げ、録音を停止。「音声の確認」から録音した音声を確認でき、問題がある場合は「もう一度録音」からリトライできます。

ローエンド版では100個の文章を読み上げます。音声収録後、サービス側でアップロードした音声の確認が行われ、CoeFontの生成処理に移ります。

この処理には通常6〜8時間ほどかかり、生成後メールで完了通知が届きます。

4.詳細設定

生成処理が完了したら、左メニューの「CoeFontを管理」から生成されたCoeFontの詳細設定を行います。

管理画面から生成されたCoeFontを選択すると、プロフィール申請・公開設定・利用申請の設定画面が表示されます。 プロフィール設定では、プロフィール画像・名前・ID・肩書きや所属などのキャプション・説明を設定できます。これらの情報は他のユーザーに公開されます。

公開設定では、他のユーザーが作成したCoeFontを利用する際、許可の要否を決める利用許諾・他のユーザーが作成したCoeFontを使用するために支払うポイントを決める利用ポイント設定が設定できます。

執筆現在、1文字あたり10ptに設定した場合、1000文字他のユーザーに使用されると42円の収入を得ることができます。

なお、自身で使用する際も1文字あたり5pt消費され、自身で利用したポイントは収益に還元されないことに留意が必要です。

画面右上の「音声を確認する」より、生成されたCoeFontおよび他のユーザーに公開されている情報を確認することができます。

今回作成したCoeFontはこちらです（外部リンク）。お試し版のため多少不自然な箇所はありますが、筆者の声の特徴がかなりの精度で再現されているのに驚きました。 テキストを音声に変換する音声合成技術。

声優・藤田咲さんの声を元にしたボーカロイド・初音ミクから、バーチャルシンガー・花譜さんの声を元にした音楽的同位体・可不に至るまで、現代のポップカルチャーは音声合成技術の変遷とともにあります。