Irodori-TTSにも対応！Voice-Design-Clonerでお手軽にRVC・Beatrice学習用データセットを作ろう！

みなさんこんにちは。
ペラペラなベーコンよりも薄い内容の記事でおなじみのnielです。
『良いものは万人に広まれ！』がモットーの私ですがやる気はありません。

■『Voice-Design-Cloner』って何？

https://x.com/ReineHonoka/status/2042541385757397242?s=20

零音ほのかさんという方が公開されている、既存のTTSの音声作成やLora作成をWebuiでまとめて簡単に行えるようにした統合ツールのようなものですね。

これ何が便利って、

１．声をデザイン（リファレンス音声使用も可）
２．あらかじめ用意されたテキストに沿って自動で音声ファイル作成
３．そのままノンストップでLoRA学習が可能

これを誰でも簡単に自動で出来てしまうのですよ。

公式リポジトリ
https://github.com/reinehonoka/Voice-Design-Cloner

webuiはとてもわかりやすく丁寧なマニュアルなどもあります。
そしてなにより、簡単導入セットアップがある！！！
初心者でもこれを使えば誰でも簡単に導入できちゃう！

…と思ったのですが
このバッチファイルはPythonとGitの導入が大前提です。
ですが、ご存じの通り一般家庭の初心者PCにはPythonとGitなんて入っていません！（※niel調べ）

というわけで、、、

はいドン！

いつものヤツです。
閉じた環境内にPythonとGitなどを配置し（インストールはしない）、ワンクリック（※実際はダブルクリック）でポータブルな環境を構築出来るセットアップファイルです。

Voice-Design-Cloner_run.bat

を起動すると様々なものをダウンロードしつつ環境が構築されます。
あとはのんびり待ちましょう。

■使ってみよう！

セットアップファイル自体が起動ファイルを兼ねているので、もし無事に導入が終わったら自動的にwebuiが起動する、はずです。

そしたら、まぁこれは人によるかもしれませんがやはりせっかくなのでIrodori-TTSを使用したいよね、ということで設定を変更します。

で、メインのタブにはボイスデザインやLoRA学習など色々な項目がありますが、詳しい使い方は面倒なので割愛！Irodori-TTSで調べてくださいな。

そして私が一番使いたかった機能はココ！

ボイスクローンです。

この機能、様々なTTSに備わっている機能ではあるのですが、このツールのありがたいところは、テキストファイルを読み込んで一気に音声作成をやってくれるところです。

コーパスファイルという欄から、用意してあるテキストコーパスファイルが選ぶことができ、テキストの内容にそった短文のwavを一気に作成してくれます。
（※一気にといっても、もちろん数十分かかります）
それをそのままデータセットとしてRVCやBeatriceなどで学習させることで簡単にオリジナルのボイスチェンジャー用モデルが作れるというわけです。
なんてありがたい。

ところがここで用意されているテキストコーパス、いわゆる普通のテキストなのでこのまま音声を作成してもわりと淡々とした朗読読みになりがちなのです。

そこで、Irodori-TTSの目玉機能でもある絵文字による感情コントロールを活用します。

😊おはようございます！😊😊😆今日の予定はもう確認しましたか？😆 楽しい一日にしていきましょうね！😆😆

こんな感じで指定の絵文字をうまく使ったテキストを用意することで、よりエモーショナルでバリエーションのある音声データセットを作成することが出来るようになる、というわけです。

え？そもそもそのテキストを作るのが面倒？
まぁそれはそう。だいたい多種多様な喋り方を実現できる組み合わせをみつけるのもまた大変ですし。

というわけで、、、

はいドン！

私が小一時間でテキトーに作った絵文字入りの雑コーパスです。
通常の朗読読みから喜怒哀楽、ヒソヒソ声から喘ぎ声（！）まで雑に入ってます。ただ、絵文字が多すぎたせいか妙なノイズや声以外の音が若干入りがちですがもうそこはギャンブルです。

（追記）
うーん、ノイズすごい…というか男性ボイスでも女性ボイスが入ったり、急な喘ぎ声が差し込まれたりなかなかにカオスになりますね…
個別に音声ファイルの編集が必要になりそうです。

ちなみにこのテキストは文章の長さとか一切考慮してないです。なので様々な長さのファイルが生成されます。RVCであればApplioの自動処理で、Beatriceであれば私のwebuiの音声スライサーで分割処理すること前提ということをご理解したうえでご使用ください。

むしろ誰か良い感じのテキストあったら紹介して欲しいです…

そんな感じでレッツトレイン！

…っとと。
大事なこと忘れてました。ところで、

その音声、本当に"安全"ですか？？

はい。
昨今、声優さんなどを学習したAI音声による不正利用が増えています。
もちろんリファレンス音声に声優さんの声なんて使用してないですよね？？？

いえ、ぶっちゃけ使用してもいいんですよ？そして声優さんの音声の学習モデルを作ること自体も実は何も問題はありません。それがオンラインや外部へ公開しない完全な個人使用であれば。

問題なのは、その声を使用してSNSや動画サイトなどで活動や公開、または声優さんやキャラクターのパブリシティ権を侵害する行為などです。
もしも、TTSで作成した音声を元にボイチェンモデルを作り、Youtuberとして活動しようなど考えている方は気を付けたほうが良いかもしれません。
なんの意図もしていなかったとしても、有名声優さんと瓜二つの声だった場合あらぬ疑いをかけられてしまうこともあるかもしれません。

というわけで心配な方はコチラ↓

Paramatchぱらまっち — 声優推定デモ

AIボイスチェンジャーParavoでお馴染みのParakeet-incさんが開発した、声優判別ソフトのデモです。
作成した音声ファイルをアップロードすることで、その音声がどの声優に何％似ているかを算出してくれます。

もちろんこれらのプログラムも完璧なわけではないと思います。把握出来ていない声優さんやタレントさんの声もあるでしょう。
それでもある種の判断材料にはなるかもしれません。心配な方は試してみてはいかがでしょうか？？？

いやー、それにしてもどんどん便利になっていきますね。
ただ、音声AIに関しては今後声の権利との兼ね合いで世間でも色々と言われるようになってしまいそうで心配ではあります。
そしてそれに委縮して開発者達がプログラムを取り下げないか心配ではあります。
双方うまく折り合いを付けて良い発展をしていけたらいいですね。

以上　nielでした。