登録後にVoice Cloneへ進むと、画面の案内に従って25個のフレーズを順番に録音します。
音声の収集には、それほど時間はかかりません。
録音を完了して送信すると、約30分後に音声モデルの学習が完了しました。
実際に音声を生成し始めたとき、最も目立った問題は言語対応でした。
最初は中国語で試そうとしましたが、Web版では未対応というメッセージが表示されました。その後調べてみると、MyVocalは初期には主に英語を中心に開発され、ほかの言語は有料版や後続モデルへ段階的に追加されていたことがわかりました。
現在のV3 APIでは、中国語を含む98言語が対応言語として掲載されています。ただし、Web製品で同じモデルを直接利用できるかどうかは、APIドキュメントだけでは判断できません。
英語でのテストは比較的スムーズでした。
一般的な文章を入力すると、生成された声には元の声と似た音色が感じられ、全体的な読み上げも滑らかでした。
ただし、長い文章が増えると、AIらしさが目立ち始めます。
間、強調、感情の変化は人間ほど自然ではありません。特に感情の起伏が大きい文章では、自然に会話しているというより、文章を滑らかに読み上げているように聞こえます。
そのため、声が「本人に似ているか」と「自然に聞こえるか」は、実際には別の問題です。
MyVocalは前者をある程度実現できますが、後者では依然として合成音声らしさが残ります。
生成速度よりも、プライバシーの問題に注意するべきです。
MyVocalは初期に、運営情報の透明性についてメディアから疑問を呈されたことがあります。現在は運営主体を確認できますが、音声クローンを利用するには、個人を識別できる声の特徴を含む一連の録音をプラットフォームへ提供する必要があります。
娯楽目的で試すだけなら、リスクの判断は比較的単純かもしれません。
しかし、業務上の録音、顧客情報、長期的な商用利用が関係する場合は、録音データの保存方法、削除手続き、利用許諾の範囲を確認してからアップロードするべきです。
良いところ
- クローン作成の流れが短い： 25個のフレーズを録音するだけで学習を始められ、大量の音声素材を用意する必要がありません。
- AI Singerに特徴がある： 一般的なTTSだけでなく、クローンした声で歌わせることもできます。
- 無料版で一連の流れを試せる： 声の再現度を支払う前に確認できます。
- APIを提供している： 開発者は音声生成機能を自分の製品へ組み込めます。
- 利用のハードルが低い： 専門的な録音技術や音声モデルの知識は必要ありません。
気になるところ
- Web版の中国語対応が明確ではない： APIでは対応言語が拡大していますが、Web版の機能は個別に確認する必要があります。
- 自然さに限界がある： 長い文章、間、感情表現では合成音声らしさが目立ちます。
- 過去の料金情報がわかりにくい： 時期や情報源によって価格に大きな差があります。
- 音声データにプライバシー上の注意が必要： クローン機能を使う前に、データ処理と利用許諾の条件を慎重に確認する必要があります。
- 専門的な制御機能は限定的： 話す速度、間、細かな表現の調整は、専門的な音声プラットフォームほど充実していません。
向いている人 / あまり向いていない人
向いている人
- 音声クローンを試したい人： AIが自分の声をどの程度再現できるか確認できます。
- AIによる歌唱に興味がある人： AI Singerは、わかりやすい娯楽機能です。
- 音声デモを素早く作りたいクリエイター： クローン音声を使って、ナレーションやコンテンツのテンポを試せます。
- 音声APIが必要な開発者： 音声クローンやTTS機能を素早く製品へ組み込めます。
あまり向いていない人
- 主にプロ向けの中国語ナレーションを制作する人： 中国語対応と実際の品質を個別に検証する必要があります。
- 音声データの安全性を特に重視する人： 個人の音声をアップロードする前に、プラットフォームのデータ処理方法を確認する必要があります。
- 放送品質の完成音声が必要な人： 自然さと感情制御の面で、まだ人間のナレーションを完全には代替できません。
- 細かな音声制御を必要とするチーム： 文ごとに間、速度、イントネーションを調整する場合、MyVocalでは制御の深さが不足する可能性があります。
コメント（0件）