LoginSignup
TrendQuestionOfficial EventOfficial ColumnOpportunitiesOrganization
70
92
@nakakq

posted at

updated at

無償入手可能な音声コーパス／音声データベースの一覧

音声合成,音声認識,コーパス

おもに無償で入手が容易な音声データセットをメモしています。
ライセンス・利用規約については「研究用途のみ」「商用利用可能」ともに紹介しています。

外部のコーパスリスト

音声コーパス・音声データを探す際に便利なサイトです。

用途別早見表

リストが大きくなってきたので（独断と偏見による）コーパス早見表を作ってみました。

  • 日本語音声を対象に・・・
    • 大規模なモデルの事前学習をしたい
      • JSUTコーパス
      • CSS10 Japanese
      • みんなで作るJSUTコーパスbasic5000（現時点では進行中）
      • 声庭（アノテーション進行中）
    • 音声合成をしたい
      • JVSコーパス
      • ITAコーパス
      • 声優統計コーパス
      • 有志による JVS / ITA コーパスの読み上げデータ
      • JSUTコーパス
      • CSS10 Japanese
    • 声質変換をしたい
      • JVSコーパス
      • 有志による JVS / ITA コーパスの読み上げデータ
    • 歌声合成をしたい
      • 東北きりたん歌唱データベース
      • 東北イタコ歌唱データベース
      • No.7 歌唱データベース
      • おふとんP 歌声データベース
      • 夏目悠李/男声歌声データベース
      • 御丹宮くるみ 歌声データベース
      • PJSコーパス
      • JSUT-Song
      • NIT SONG070 F001
  • 英語音声を対象に・・・
    • 大規模なモデルの事前学習をしたい
      • LJ Speech
      • LibriSpeech
    • 音声合成をしたい
      • LJ Speech
      • LibriSpeech
      • VCTK Corpus
    • 声質変換をしたい
      • VCTK Corpus
    • 歌声合成をしたい
      • NUS-48E Sung and Spoken Lyrics Corpus
      • NHSS Database
  • 信号処理・統計目的で・・・
    • 基本周波数推定・音源推定の性能を評価したい
      • CMU_ARCTIC Database
      • FDA Evaluation Database
      • OPENGLOT
    • 多様な音声表現を分析したい
      • 声優統計コーパス ― 読み上げスタイル3種
      • ITAコーパス ― 読み上げスタイル4種
      • JVSコーパス ― ささやき・裏声
      • JSSS-miscコーパス ― ささやき・できるだけ低い声・裏声
      • VocalSet ― 歌唱表現多種
      • VocalSketch ― 声による音の模倣
      • JSUT-vi ― 声による音の模倣
  • 新たに日本語音声データセットを収録したい
    • 読み上げ
      • 大規模
        • JSUTコーパスの「basic5000」台本
        • ROHAN4600コーパス台本
      • 中規模（1時間未満）
        • ITAコーパス 台本
        • JVSコーパス／つくよみちゃんコーパス 台本
    • 歌声
      • No.7 歌唱データベース の楽曲
      • 夏目悠李/男声歌声データベース の楽曲
      • NIT SONG070 F001 の童謡

日本語話声コーパス

声優統計コーパス

フリーな日本語音声コーパスが現れはじめた発端のひとつともいえるコーパス。
日本語版Wikipediaから構築された音素バランス100文を、プロ声優が3種類の感情表現つきで読み上げている。

  • 話者
    • プロ女性声優3名
  • 内容
    • 音声データ: WAV, 48 kHz, 16 bit
      • 通常
      • 喜び
      • 怒り
  • ライセンス
    • 音素バランス文: CC BY-SA 4.0
    • 音声ファイル: 日本声優統計学会サイト を参照
      • 個人での研究・分析目的でのみ無償利用可能
      • 禁止事項: 再配布、公序良俗に反する利用など
  • 関連リンク

JVSコーパス

声優統計コーパス100文を、プロの声優100名が読み上げたコーパス。
通常の読み上げ音声に加え、裏声・ささやき声も含まれる。
また、同じ話者らによる歌声が JVS-MuSiC コーパス に収録されている。

  • 話者
    • プロ声優・男女あわせて100名
  • 内容
    • 音声データ: WAV, 24 kHz, 16 bit
      • 通常発話（全話者共通文章: 声優統計コーパスと同様）
      • 通常発話（話者別文章: BASIC5000など）
      • 裏声（話者別文章）
      • ささやき声（話者別文章）
    • 音素ラベル: テキスト（自動アラインメント）
    • 読み上げ文: テキスト
    • 話者の性別
    • 話者のFo上限・下限
    • 話者類似度マトリクス（男女別）
  • ライセンス
    • タグ情報: CC BY-SA 4.0
    • 音声データ: 研究・個人利用のみ、再配布不可、ブログ等へのサンプル掲載可（詳細は README を参照）
  • 関連リンク
  • サードパーティ

[声優統計・JVS系] 有志によるコーパス

声優統計コーパス・JVSコーパスの文を読み上げた音声が収録されている、有志による音声コーパスです。
音声データのライセンス・利用規約はコーパスによって異なります。

有志による録音がまとめられている外部ページ

[ITA系] ITAコーパスマルチモーダルデータベース

プロ女性声優3名が読み上げた音声データに加え、発話時の口唇動画を含むコーパス。
読み上げ台本はパブリックドメインで公開されている。
通常読み上げ音声 (324文) と感情読み上げ音声 (通常, あまあま, セクシー, ツンツン 各100文) からなる。

  • 話者
    • プロ女性声優3名
  • 内容
    • 音声データ: WAV, 96 kHz, 24 bit
    • 音素ラベル
    • 画像データ: 連番PNG, 300×300 px
    • 画像ラベル: 顔の特徴点68点
  • ライセンス
    • 独自の取り決め（詳しくはサイト参照）
    • 音素バランス文は Unlicense（パブリックドメインとほぼ同等なライセンス）
    • 口唇画像は個人を特定できる情報を含むため公開厳禁
  • 関連リンク
    • GitHub：ITAコーパスの文章リスト
    • ITAコーパス文の出典
    • ITAコーパスの論文 (PDF)
      • 小口純矢，金井郁也，小田恭央，齊藤剛史，森勢将雅, “ITAコーパス：パブリックドメインの音素バランス文からなる日本語テキストコーパスの構築と基礎評価”，情報処理学会研究報告，vol. 2021-MUS-131, no. 31, pp. 1-6, 2021. PDF
    • GreenFunding：クラウドファンディング 東北イタコは歌いたい！しゃべりたい！東北イタコ音声合成データベース制作プロジェクト
  • サードパーティ

[ITA系] 話速変換コーパス SpeedSpeech-JA-2022

上述のITAコーパスの文章リストを、通常・速い・遅いの3段階の話速で読み上げたコーパス。

  • 話者
    • 日本語プロナレーター
    • 男性1名、女性1名
  • 内容
    • 音声データ: WAV, 48 kHz, 24 bit, 防音室
      • normal: 通常速度
      • fast: 高速条件
      • slow: 低速条件
  • ライセンス
    • 音声データ: CC BY-NC 4.0
    • 読み上げ文: ITAコーパス準拠（パブリックドメイン）

[ITA系] 有志によるコーパス

ITAコーパスの文を読み上げた音声が収録されている、有志による音声コーパスです。
文章リストそのものはパブリックドメインですが、音声データのライセンス・利用規約はコーパスによって異なります。

有志による録音がまとめられている外部ページ

JSUTコーパス

単一話者による大規模な日本語読み上げコーパス。
JSUT-Song（歌声）, JSUT-vi（音声模倣）などバリエーションもある。

名称は「JUST」ではなく「JSUT」である点に注意（スペルチェッカなどで勝手に訂正されやすい）。

  • 話者
    • 女性1名
  • 内容
    • 音声データ: 48 kHz, 10時間
    • 読み上げ文
      • basic5000: 常用漢字の音読み・訓読みを全てカバー
      • utparaphrase512: 文の一部を読み替えたもの
      • onomatopee300: 日本語オノマトペ
      • countersuffix26: 助数詞
      • loanword128: 外来語由来の動詞・名詞
      • voiceactress100: 声優統計コーパスとのパラ音声
      • travel1000: 旅行ドメインのフレーズ
      • precedent130: 判例文
      • repeat500: 繰り返し発話された音声 (100文 × 5回)
  • ライセンス
    • 音声データ・各文章はすべて異なるライセンス形態（コーパスのLICENCEファイルを参照）
  • 関連リンク
  • サードパーティ

みんなで作るJSUTコーパスbasic5000

JSUTコーパスのbasic5000文を、複数の音声提供者で分担して読み上げ、大規模なコーパスを作るプロジェクト。
まだ全文はカバーされていないが、途中経過の音声データも配布されている。

  • 話者
    • 複数話者
    • 上記サイトに音声提供者一覧のスプレッドシートあり
  • 内容
    • 音声データ: WAV, 48 kHz, 16 bit
    • 読み上げ文
  • ライセンス
    • basic5000テキスト: CC BY-SA 4.0
    • 音声データ
      • 「音声技術に関する研究・開発」かつ「元の音声・声質が表に出ない」用途にのみ利用可
      • 営利利用も可
      • 詳しくはサイトの利用規約を参照

ROHAN4600

4600文からなる、大規模な音素バランス文のリスト。数千文規模の音素バランス文は珍しい。
ROHAN4600そのものはパブリックドメインの文章リストであり、音声データは付属しない。

以降で実際に音声が含まれるデータベースを紹介する。

（今後、音声データとして「No.7」の読み上げデータが公開予定とのこと）

[ROHAN4600系] ROHAN4600マルチモーダルデータベース

音声データに加えて口唇動画も含む、全4600文からなるコーパス。

  • 話者
    • プロ女性声優1名
  • 内容
    • 音声データ: WAV, 96 kHz, 24 bit
    • 音素ラベル
    • 画像データ: 連番PNG, 300×300 px
    • 画像ラベル: 顔の特徴点68点
  • サードパーティ

[ROHAN4600系] 有志によるコーパス

ROHAN4600コーパスを読み上げた音声が収録されている、有志による音声コーパスです。
文章リストそのものはパブリックドメインですが、音声データのライセンス・利用規約はコーパスによって異なります。

有志による録音がまとめられている外部ページ

  • TODO: 外部のリストが出てきたら載せる

JSSSコーパス

同じ意味の文章を複数読み上げた音声コーパス。

  • 話者
    • 女性1名
  • 内容
    • 音声データ: 24 kHz, 8時間
    • 読み上げ文
      • summarization: 時間制約付き音声要約
      • simplification: 「やさしい日本語」音声
      • short-form: 短文読み上げ
      • long-form: 長文読み上げ
  • ライセンス
    • 音声データ・各文章はすべて異なるライセンス形態（公式サイトを参照）
  • 関連リンク
    • JSSS-miscコーパス
      • JSSSコーパスと同じ単一話者による多スタイル音声データ
      • 以下の4スタイルが含まれる
        • ささやき声
        • できるだけ低い声
        • 裏声
        • 方言文章→東京方言 変換文の読み上げ（元文章はJMDコーパス）

JMDコーパス

日本語方言コーパス。

  • 話者
    • 熊本弁: 男性
    • 大阪弁: 女性
  • 内容
    • 音声データ: WAV, 24 kHz, 2時間以上
    • 読み上げ文
  • ライセンス
    • 次の用途のみ許可
      • アカデミック研究
      • 非商用研究（営利団体でも可）
      • 個人利用
    • 詳細は公式サイトとREADMEを参照

JECS: Japanese-English code-switching speech corpus

日本語・英語・コードスイッチング（日本語の途中で英語発音が交じる）からなる音声コーパス。
通常発話 (neutral) のほかに、感情発話 (怒: anger, 哀: sad, 楽: joy) が含まれる。

  • 話者
    • バイリンガルの声優、男性1名
  • 内容
    • 音声データ: WAV, 24 kHz, 2.5時間, スタジオ収録
    • 読み上げ文
  • ライセンス
    • 次の用途のみ許可
      • アカデミック研究
      • 非商用研究（営利団体でも可）
      • 個人利用
    • テキストデータ: CC BY 3.0
    • 詳細は公式サイトとREADMEを参照

JLecSponSpeech: Japanese lecture spontaneous speech

大学での講義の録音をもとにした音声の書き起こしデータ。
読み上げではなく自発的な発話である点が特徴。非流暢性タグ（言い淀みなどのアノテーション）が含まれる。

CSS10 Japanese

夏目漱石『明暗』を読み上げたパブリックドメインのオーディオブックをもとに作成された大規模コーパス。
CSS10 には他の言語の音声コーパスもある。

  • 話者
    • 男性話者1名
  • 内容
    • 音声データ: WAV, 約6800文, 約15時間
    • 読み上げ文: テキスト形式
  • ライセンス
    • CC0（パブリックドメイン）

声庭 (Koniwa)

ラジオ番組や朗読音声の大規模なコレクション。商用利用も可能。
アノテーションの進行状況は上記GitHubリポジトリから確認可能。

  • 話者
    • 複数話者（複数の出典）
    • 詳細は上記サイトを参照
  • 内容
    • 音声データ: 様々なフォーマット
    • アノテーションデータ: JSON
  • ライセンス
    • 原文および音声（以下のいずれか、データの出典により異なる）
      • CC BY
      • CC 0
      • パブリックドメイン
    • アノテーション
      • CC 0
    • プログラム
      • Apache License 2.0

JTubeSpeech

YouTubeの日本語字幕あり動画で構築されているコーパス。
音声データは付属のPythonスクリプト経由でダウンロードする必要がある。

NIT ATR503 M001

ATR503文を読み上げた音声データベース。
（有償コーパスのATR503文を読み上げているため権利関係があやしい。利用はおすすめしない）

  • 話者
    • 男性1名
  • 内容
    • 音声データ: RAW, 16 kHz, 16 bit
    • 音素ラベル

日本語歌声コーパス

東北きりたん歌唱データベース

  • 話者
    • プロ日本人女性声優1名
  • 内容
    • 50曲
    • 音声データ: WAV, 96 kHz, 24 bit
    • 音素ラベル: スペース区切りテキスト
    • 楽譜データ: MIDI, MusicXML
  • ライセンス
    • 独自の取り決め（詳しくはサイト参照）
    • 2018年度に改正された「著作権法30条の4」に従い、研究開発用途など「著作物の表現を享受しない」場合に利用できる
    • ダウンロードには要Facebook認証
  • 関連リンク
  • サードパーティ

東北イタコ歌唱データベース

  • 話者
    • プロ日本人女性声優1名
  • 内容
    • 50曲
    • 音声データ: WAV, 96 kHz, 24 bit
    • 音素ラベル: スペース区切りテキスト
    • 楽譜データ: MIDI, MusicXML
  • ライセンス
    • 独自の取り決め（詳しくはサイト参照）
    • 2018年度に改正された「著作権法30条の4」に従い、研究開発用途など「著作物の表現を享受しない」場合に利用できる
    • 音素補填用の50曲目はパブリックドメイン（歌声データは除く）
    • ダウンロードには要Facebook認証
  • 関連リンク
  • サードパーティ

No.7 歌唱データベース

商用楽曲が収録されている「東北きりたんDB」「東北イタコDB」と異なり、楽譜と歌詞がデータベース向けに作成されている。

  • 話者
    • プロ日本人女性声優1名
  • 内容
    • 51曲
    • 音声データ: WAV, 96 kHz, 32 bit
      • オリジナル歌唱: /wav_O/
      • ノイズ除去: /wav_O_re/
      • ノイズ除去＆ピッチ補正: /wav_P/
      • ノイズ除去＆タイミング補正: /wav_T/
      • ノイズ除去＆ピッチ補正＆タイミング補正: /wav_PT/
    • 歌詞データ: docx, PDF
    • MIDIデータ
    • 音素ラベルデータ
    • MusicXMLデータ
  • ライセンス
    • このデータベース内に収録されている歌声
    • ラベルデータ
      • パブリックドメイン (CC0)
    • 楽曲
      • 楽曲の著作権は小岩井ことり氏（作詞・作曲）に帰属
      • 収録ジャンル等に応じてアレンジし、それを歌ったデータの公開が可能（制作陣の森勢先生によるツイート）
      • 詳しくはデータベースのREADMEを参照
    • キャラクター、合成した歌声、イラスト
  • 関連リンク

おふとんP 歌声データベース

  • 話者
    • 男性1名
  • 内容
    • 音声データ: 96kHz, 24bit, 46分30秒
      • ピッチ補正済
      • 一部 44.1kHz, 24bit から変換したものも含む
    • 音素ラベル
    • 楽譜データ
      • 著作権切れの楽曲 + "呪文歌唱"
  • ライセンス
    • サイト参照

夏目悠李/男声歌声データベース

  • 話者
    • 男性1名
  • 内容
    • 約48分
    • ポップス調、権利問題のない楽曲 + 著作権切れ楽曲

御丹宮くるみ 歌声データベース

  • 話者
    • 女性1名
  • 内容
    • 約61分
    • 著作権切れの楽曲 + "呪文歌唱"

JVS-MuSiCコーパス

JVSコーパスと同じ100名による歌声。Melodyneによりピッチとテンポを補正・統一した音声データ付き。

  • 話者
    • プロ声優・男女あわせて100名
  • 内容
    • 音声データ: WAV, 24 kHz, 16 bit
      • 共通歌唱1曲（童謡「かたつむり」）
        • 元の歌声
        • 歌唱者毎にピッチとテンポを修正したもの
        • 歌唱者間でピッチとテンポを統一したもの
      • 歌唱者毎に異なる童謡1曲
    • Melodyneプロジェクト
  • ライセンス
    • タグ情報: CC BY-SA 4.0
    • 音声データ: 研究・個人利用のみ、再配布不可、ブログ等への掲載可
  • 関連リンク

PJS コーパス

JVSコーパスにメロディをつけたもの。

NIT SONG070 F001

「Japanese song file」からダウンロード可能。

  • 話者
    • 女性1名
  • 内容
    • 31曲の童謡
    • 音声データ: RAW, 48 kHz, 16 bit
    • 音素ラベル

JSUT-Song

JSUTコーパスと同じ話者による歌声。

  • 話者
    • 女性1名
  • 内容
    • 27曲の著作権切れの童謡

OJaMa-Song

  • 話者
    • 20代日本人一般男性1名
  • 内容
    • 音声データ: WAV, 48kHz, 16bit
      • 童謡

英語話声コーパス

LJ Speech

著作権切れのノンフィクション書籍7冊の一節を読み上げたコーパス。

LibriSpeech

パブリックドメインのオーディオブックから抽出された大規模コーパス。

  • 内容
    • 音声データ: FLAC, 16 kHz, 16 bit, 約1000時間
      • clean
      • other
    • 原文テキスト
    • 話者情報（名前・性別）
  • ライセンス
    • CC BY 4.0

People's Speech Dataset

約3万時間相当という非常に大規模なラベル付き英語話声データセット。
音声の品質によって Clean と Dirty に分かれている。

CSTR VCTK Corpus

声質変換の論文でよく目にするコーパス。

  • 話者
    • 110名
  • 内容
    • 音声データ: 48 kHz, 16 bit
      • 収録は 96 kHz, 24 bit
  • ライセンス
    • CC BY 4.0

CMU_ARCTIC Database

古くから存在する英語の話声コーパス。
Electroglottograph (EGG, 電気グロトグラフ) と呼ばれる装置で観測された声帯振動波形を含む。

  • 話者
    • 18名の男女
  • 内容
    • 音声データ: 32 kHz版 or 16 kHz版
      • マイクで収録した音声
      • EGGデータ
    • 音素ラベル

MOCHA-TIMIT Corpus

Electromagnetic Articulograph (EMA)と呼ばれる磁気センサを使って口腔内をモーションキャプチャしたデータを含むコーパス。

  • 内容
    • 音声データ: 16 kHz
    • EGGデータ: 16 kHz
    • EMAデータ: 500 Hz
      • upper incisor (上あごの前歯)
      • lower incisor (下あごの前歯)
      • upper lip (上唇)
      • lower lip (下唇)
      • tongue tip (舌の先)
      • tongue blade (舌の中央)
      • tongue dorsum (舌の奥)
      • velum (軟口蓋)

FDA Evaluation Database

基本周波数推定アルゴリズムの評価用データ。

  • 話者
    • 男性1名 (話者名: RL)
    • 女性1名 (話者名: SB)
  • 内容
    • 音声データ: RAW, 20 kHz, 16 bit
    • EGGデータ: RAW, 20 kHz, 12 bit
    • 基本周波数データ: 簡素な独自フォーマット
  • 関連リンク

PTDB-TUG

基本周波数推定向けの音声データベース。

  • 話者
    • ネイティブ英語話者男女20名
  • 内容
    • 音声データ
    • EGGデータ
    • 基本周波数軌道データ
  • 関連リンク

英語歌声コーパス

NUS-48E Sung and Spoken Lyrics Corpus

歌声と話声をともに収録したデータベース。

  • 話者
    • 12名
  • 内容
    • 音声データ: WAV, 44.1 kHz, 全169分
      • 各話者4曲ずつ
      • sing : 歌声
      • read : 歌詞の読み上げ音声
    • 音素アラインメントラベル: テキスト形式
  • 関連リンク

NHSS Database

歌声と話声をともに収録したデータベース。

VocalSet

3曲の歌声に加え、多様なスタイル（ロングトーン、トリル、息もれ声、ボーカルフライなど）の単母音が収録されている、歌唱者20名による大規模な歌声データベース。

  • 話者
    • 20名 (男性9名、女性11名)
  • 内容
    • 音声ファイル: WAV, 10.1時間
  • 収録されている歌

MUSDB18

音楽音源分離向けのデータセット。
ボーカル入りの曲も含まれている。

多言語話声コーパス

tri-jek: Japanese-English-Korean tri-lingual speech corpus

3ヵ国語を話すことができる話者1名による読み上げ音声。

  • 話者
    • 女性話者1名
      • 日本語: ネイティブ
      • 韓国語: ネイティブ
      • 英語
  • 内容
    • 読み上げ音声: WAV, 24 kHz, 16 bit, 全11時間
      • 日本語音声: BASIC5000 (うち2,715文), 2.8 時間
      • 韓国語音声: Zeroth-Korean (うち2,812文), 6.7 時間
      • 英語音声: ENGLISH3000 (うち1,884文), 1.5 時間
  • 備考
    • コロナ禍中の収録のためスタジオ収録ではなく、音声にはクリッピング歪みや背景雑音がみられる

CSS10

パブリックドメインのオーディオブックをもとに構築された、10言語の読み上げ音声。

CMU Wilderness Multilingual Speech Dataset

世界700言語（地図）の読み上げ音声。
マイナーな言語が多め。

Common Voice

クラウドソーシングにより収集された読み上げ音声。

  • 話者
    • クラウドソーシング（非ネイティブ含む）
  • 内容
    • 音声データ: MP3
    • 文章
    • 年代
    • 性別
  • ライセンス
    • CC 0 （パブリックドメイン）
  • 関連リンク

その他

少し特殊なデータセットをとりあげます。

VocalSketch

音を声で模倣したコーパス。

  • 話者
    • 複数名

JSUT-vi

音を声で模倣したコーパス。（例: シンバルの音 → 「ジャーン」）
VocalSketch と同じ音を日本語話者が模倣したもの。

  • 話者
    • 女性1名 (JSUTコーパスと同じ話者)
  • 内容
    • 元の音データ: WAV, 44.1 kHz, 16 bit
    • 音声データ: WAV, 48 kHz, 16 bit

OPENGLOT

音声信号から「声帯振動」の成分を分離・抽出する手法 (Glottal Inverse Filtering) 向けの評価用データセット。
人工的に生成したデータからなる Repository I, II, III と、実際の声帯の観測データからなる Repository IV で構成されている。

  • 内容
    • Repository I
    • Repository II
    • Repository III
    • Repository IV
  • 関連リンク

Dresden Vocal Tract Dataset

発声器官を3次元MRIで撮像したデータと、その話者が発声した単音が含まれているデータベース。
3Dプリンタで印刷できる3Dモデルデータも用意されている。

  • 話者
    • 男性1名
    • 女性1名
  • 内容
    • MRIデータ
    • 音響シミュレーション用3Dメッシュデータ: STL
    • 3Dプリント用3Dデータ: STL
    • 撮像時と同じ状態で発声: WAV
    • 3Dプリントした模型にホワイトノイズを流して録音: WAV

rtMRIDB

リアルタイムMRIで発声器官を観測した動画と音声がペアになっているデータベース。
「テキストに『わ』を含む」などで検索すると、条件に合う観測データをまとめた動画を見ることができる。

  • 話者
    • 男性 6 名
    • 女性 4 名

Tips

  • 「コーパス」と「データベース」の違い
  • 音素バランス文
    • すべての音素（あるいは音素の組み合わせ）が、なるべく等しい頻度で出現するように調整されている文章リスト
      • なるべくすべて均一な頻度を目指して作られるのが一般的
      • 日本語や発話状況における代表的な頻度ではない
    • 深層学習型の音声合成においては、必ずしも「音素バランス文こそが正義」とは限らないのではないか、という議論もある

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
What you can do with signing up
Sign upLogin
70
92