?

嘛，就因此變成這么?(?`^′?)?生氣了。我還想是不是因?yàn)橄胍尣シ帕吭黾硬殴室鈱懗蛇@樣的呢……

?

上面說(shuō)了這么多開(kāi)場(chǎng)白有點(diǎn)長(zhǎng)了，而我想讓請(qǐng)大家重新認(rèn)知一下「CeVIO AI」是什么，因此寫下了這篇文章。我會(huì)仔細(xì)說(shuō)明，哪怕之前相關(guān)知識(shí)為零也能明白，可以的話請(qǐng)讀到最后吧。

?

所謂TTS

?

在講到CeVIO的話題之前，不知道大家對(duì)TTS這一詞了解嗎。

?

TTS是Text to Speech的略稱，用日語(yǔ)說(shuō)來(lái)就是「音聲合成」（中文的話是【語(yǔ)音合成】）。之前說(shuō)到的VOCALOID,UTAU,CeVIO AI都是TTS的一種。順帶一提，VOICEROID（結(jié)月緣、紲星燈之類的）這樣的語(yǔ)音特化的音源也被稱作是TTS。

?

接下來(lái)將會(huì)把TTS的例子按照初版發(fā)行的順序先依次列舉如下。

?

VOCALOID（2004年/歌唱特化）

?

SofTalk（2006年/語(yǔ)音特化）

?

UTAU（2008年/歌唱特化）※非生物音源除外

?

VOICEROID（2009年/語(yǔ)音特化）

?

Synthesizer V（2018年/歌唱特化）

?

CeVIO AI（2021年/歌唱·語(yǔ)音特化）

?

其他的話還有NEUTRINO（2020年）或者CoeFont（2021年）之類的音源，列舉下去就沒(méi)完沒(méi)了了。不知道「ゆっくりボイス」正式名稱的人應(yīng)該也有很多吧。（答：SofTalk，詳見(jiàn)ニコニコ百科）?

?

雖然偶爾也會(huì)有人認(rèn)為UTAU或是CeVIO AI是與VOCALOID相同的，或者是屬于被VOCALOID所概括的軟件群體，但正如最開(kāi)始所說(shuō)，這三款軟件是獨(dú)立的聲音合成技術(shù)，因此這種看法完全是錯(cuò)誤的。

?

VOCALOID是由雅馬哈這樣的「企業(yè)」，CeVIO AI是由CeVIO Project這樣的「企業(yè)團(tuán)體」，UTAU是由叫做飴屋P的「?jìng)€(gè)人」所研發(fā)出的。如果想要將這三款軟件組合在一起談及的話，不應(yīng)該是使用VOCALOID而是應(yīng)該使用歌聲合成軟件或者是歌聲合成技術(shù)（Singing Voice Synthesis; SVS）這樣的詞才是正確的。（包括CeVIO AI這樣只存在語(yǔ)音特化的音源。合成語(yǔ)音的技術(shù)也被稱作文本到語(yǔ)音（Text to Speech; TTS））

?

「初音未來(lái)」「鏡音鈴」這樣的角色名稱，嚴(yán)格來(lái)講，與其說(shuō)是在TTS下屬的分類，不如說(shuō)是在「VOCALOID」這一聲音合成軟件內(nèi)部分類下的音源，也就是音源的種類。

?

對(duì)于音源，如果和研發(fā)軟件的各家企業(yè)（比如說(shuō)對(duì)于VOCALOID就是雅馬哈）簽訂了許可合同之后獨(dú)自開(kāi)發(fā)和銷售也是可以的。比如稲葉曇的「ラグドレイン」，ゆこぴ的「強(qiáng)風(fēng)大背頭」，其中使用的歌愛(ài)雪這一音源，就不是由YAMAHA而是叫做AHS的企業(yè)發(fā)售的。

?

VOCALOID 4 歌愛(ài)yuki |?AHS(AH-Software)

雖然從了解的人看來(lái)可能很理所當(dāng)然的，實(shí)際上初音未來(lái)或是鏡音鈴這些代表性的VOCALOID的開(kāi)發(fā)公司也不是雅馬哈而是一家叫做Crypton?Future?Media的公司。雅馬哈，意外地在音源方面并沒(méi)有研發(fā)出那么多東西，有名的也許就是buzzG的「Fairytale，」的翻唱中的VY1V4這種程度……

?

各軟件的音源的例子我也暫且先寫出來(lái)（除了SofTalk）。

?

◆VOCALOID：初音未來(lái)，鏡音鈴，鏡音連，巡音luka等等

◆UTAU：重音teto，暗音renri，雪歌yufu，波音律等等

◆VOICEROID：結(jié)月緣，紲星燈，琴葉茜，琴葉葵等等

◆Synthesizer V：小春六花，弦卷maki，Saki等等

◆CeVIO AI：可不，佐藤莎莎拉，小春六花，星界，#KZN等等

(譯注：其中，Synthesizer V也有赤羽艾可這樣的中文音源https://dreamtonics.com/synthesizerv/，CeVIO AI詳見(jiàn)萌娘百科https://zh.moegirl.org.cn/CeVIO）)

?

「小春六花為什么同時(shí)存在于CeVIO AI和Synthesizer V兩邊呢？」雖然容易產(chǎn)生這樣的疑問(wèn)，但是這并不是筆誤，而是因?yàn)橥瑫r(shí)存在「CeVIO AI的小春六花」和「Synthesizer V的小春六花」。在這種情況下，CeVIO AI是語(yǔ)音特化，Synthesizer V是歌唱特化的小春六花。說(shuō)話的小春六花是以下視頻這種感覺(jué)。

?

和Kanaria的Synthesizer V小春六花的表情差太多了有點(diǎn)搞笑哈。

?

我覺(jué)得看了剛剛GYARI的視頻的人就能了解，也存在著結(jié)月緣、紲星燈這樣橫跨多個(gè)軟件的音源。東北kiritan（切蒲英）在其中是數(shù)一數(shù)二地復(fù)雜，能夠使用的軟件如UTAU，VOICEROID,CeVIO AI，NEUTRINO等多得要死（因此對(duì)于音源就不得不獲取·購(gòu)買各種各樣的軟件）。還要開(kāi)始考慮到版本的區(qū)別的話就更沒(méi)完沒(méi)了了。

?

順帶一提SofTalk有點(diǎn)特別，「博麗靈夢(mèng)」「霧雨魔理沙」這樣的名字實(shí)際上在軟件內(nèi)并沒(méi)有寫著，比如說(shuō)選擇靈夢(mèng)的話就要按照「聲質(zhì)=女性1，音程=100，速度=100」這樣的設(shè)定。東方Project的角色名稱完全是之后標(biāo)上去的。標(biāo)準(zhǔn)來(lái)自于這個(gè)網(wǎng)站。

?

Nicotalk&角色素材分發(fā)處
http://www.nicotalk.com/charasozai_kt.html

?

把到此為止的東西總結(jié)一下，老實(shí)說(shuō)盡管對(duì)于聽(tīng)眾的話對(duì)于音源種類記不太得也沒(méi)什么問(wèn)題，但是可能會(huì)產(chǎn)生在文章開(kāi)頭所說(shuō)過(guò)的那樣的詞語(yǔ)的誤用，事先了解一下也沒(méi)什么壞處。對(duì)于制作實(shí)況視頻和音軌的各位，希望你們一定能了解這些所說(shuō)的軟件和音源的區(qū)別。

?

所謂CeVIO

?

那么，盡管差不多想開(kāi)始說(shuō)說(shuō)CeVIO AI了，但是對(duì)在其前面的「CeVIO」還得說(shuō)明一下。CeVIO AI是如上述音聲合成技術(shù)的一種，而CeVIO這個(gè)詞有著一下兩種含義。

?

1.? 由視頻·音樂(lè)創(chuàng)作者團(tuán)體和持有聲音合成·歌聲合成技術(shù)的技術(shù)人員團(tuán)體實(shí)行的項(xiàng)目

2.? 作為上述項(xiàng)目的一部分被發(fā)行的TTS，也就是「CeVIO Creative Studio」和「CeVIO AI」這些。

?

CeVIO Creative Studio簡(jiǎn)單地說(shuō)，就是CeVIO AI的前身，發(fā)行于2013年。我使用CeVIO 這個(gè)詞的時(shí)候，為了與CeVIO AI區(qū)分更多的是使用了上述1的含義?；蛘呤蔷鸵浴窩eVIO Project」這樣稱呼。

?

雖然寫著「創(chuàng)作者團(tuán)體」「技術(shù)人員團(tuán)體」，但是基本上這些都是企業(yè)。大概地說(shuō)，創(chuàng)作這一方面主要是V-Sync和Frontier Works這兩家公司，技術(shù)方面主要是Techno-speech來(lái)?yè)?dān)任。Techno-speech，是進(jìn)行著最前端的TTS研究的名古屋工業(yè)大學(xué)內(nèi)的創(chuàng)業(yè)公司。

?

將要說(shuō)明的主要包含類似于以下這些的項(xiàng)目。CeVIO AI當(dāng)然也包含在這之中，但是將會(huì)在第3章說(shuō)明。

?

CeVIO Vision（2013）

?

這個(gè)項(xiàng)目主要是在數(shù)字展板上進(jìn)行雙方向的會(huì)話。下面視頻中是秋葉原的Animate店中叫做「佐藤莎莎拉」的角色在說(shuō)話的樣子。就像是聊天機(jī)器人一樣的東西。

?

?

CeVIO Creative Studio（2013）

?

作為TTS的一種，既能夠唱歌也能說(shuō)話。技術(shù)上使用了HMM（隱藏馬爾科夫模型，譯者注：一種可以分析時(shí)序信息的統(tǒng)計(jì)和機(jī)器學(xué)習(xí)中常見(jiàn)模型）的方法。也經(jīng)常被略稱為「CeVIO CS」。

?

VoiSona（2022）

?

雖然現(xiàn)有的CeVIO Creative Studio和CeVIO AI是獨(dú)立運(yùn)作的軟件，但它可以將CeVIO的功能如同VOCALOID一樣在DAW（譯者注：數(shù)字音樂(lè)工作站，一般也稱宿主軟件，大多數(shù)的音源、合成器都需要插入宿主軟件中才能工作）中以VSTi插件（虛擬樂(lè)器技術(shù)插件）形式使用。

?

上面的話換個(gè)說(shuō)法來(lái)講，VoiSona發(fā)布之前CeVIO AI用戶是先在CeVIO AI的軟件中輸出歌唱文件，再把它導(dǎo)入到DAW的vocal音軌中。也就是說(shuō)CeVIO AI是在DAW軟件的外部啟動(dòng)，開(kāi)著CeVIO AI和DAW兩個(gè)軟件進(jìn)行操作，因?yàn)镃eVIO AI中對(duì)vocal輸出的更改無(wú)法即時(shí)在DAW中反應(yīng)，在制作過(guò)程中非常折磨。（因?yàn)榻缑娑际欠珠_(kāi)的）

為了解決這一問(wèn)題，VoiSona應(yīng)運(yùn)而生（也就是CeVIO AI的VSTi插件化）。

VSTi插件基本都是打開(kāi)DAW軟件后，再在DAW中作為子程序啟動(dòng)。這樣一來(lái)，在VoiSona中進(jìn)行的修正，會(huì)在DAW中即時(shí)變更，大大提升了編輯反饋的效率。對(duì)于不作曲的人來(lái)說(shuō)沒(méi)有特別的好處，但是對(duì)于音軌制作者來(lái)說(shuō)是否能在DAW內(nèi)直接操作vocal音源決定了工作效率，是非常重要的因素。

不過(guò)較為可惜的是，目前可不等現(xiàn)有CeVIO AI音源無(wú)法在DAW中進(jìn)行使用。而是默認(rèn)添加了「知聲(Chis-A)」這一音源。CeVIO AI都是收費(fèi)的，不過(guò)這一款可以免費(fèi)使用。（如果想要使用AiSuu和＃kzn等其他音源時(shí)需要購(gòu)買另外的音源軟件許可證。）

所謂CeVIO AI

?

CeVIO AI是上述的項(xiàng)目中登場(chǎng)的一種TTS。其中有只能用于唱歌的音源，也有只能用于語(yǔ)音的音源，還有兩邊都能使用的音源。這一點(diǎn)和CeVIO Creative Studio是一樣的。

?

作為差別的地方，剛剛寫到CeVIO Creative Studio使用了HMM，這邊CeVIO AI則是使用了DNN（deep neutral network，深層神經(jīng)網(wǎng)絡(luò)）或者CNN（convolution neutral network,卷積神經(jīng)網(wǎng)絡(luò)）的方法。一言以蔽之，也就是「深度學(xué)習(xí)」這一技術(shù)。雖然HMM也是深度學(xué)習(xí)。

?

省略掉算法的解釋說(shuō)明，簡(jiǎn)單而言，該系統(tǒng)使用計(jì)算機(jī)根據(jù)錄制的聲音創(chuàng)建「歌手個(gè)性」的模型，即使有未知的文本（音樂(lè)創(chuàng)作中的歌詞輸入階段）輸入，人工智能技術(shù)也能輸出再現(xiàn)歌手個(gè)性的聲音。 神經(jīng)網(wǎng)絡(luò)(neutral?network)，顧名思義，使用計(jì)算機(jī)網(wǎng)絡(luò)來(lái)模擬人腦的結(jié)構(gòu)。 如果你對(duì)數(shù)學(xué)有點(diǎn)自信，可以去查一查。

所說(shuō)的DNN或是CNN方法本身雖然之前就有，但是在CeVIO Creative Studio發(fā)行2年之后的2015年左右急速發(fā)展，開(kāi)始在不僅限于TTS而是廣闊的領(lǐng)域中都有所應(yīng)用。

?

比如說(shuō)被評(píng)價(jià)為比Google翻譯性能更好的翻譯服務(wù)「DeepL」，就是使用了CNN的技術(shù)。DNN或是CNN是用于再現(xiàn)「真人的感覺(jué)」最適合的方法，我最近看到了能闡釋這件事的推文因此轉(zhuǎn)載在這里。

（圖中文段翻譯：在日語(yǔ)中，「領(lǐng)収書」和「receipt」是不一樣的概念，正如「battery」和「電池」是不一樣的概念。盡管這樣很麻煩想要廢除這種東西，但是在這種情況下「性別」和「gender」也好像很快作為不同的概念被確立下來(lái)了。）

（譯者注：日語(yǔ)中，基于英語(yǔ)的receipt一般更多指小票和收據(jù)而基于漢字的領(lǐng)収書雖然也指收據(jù)，但是偏向于發(fā)票；基于外來(lái)語(yǔ)的battery指可充放電電池而基于漢字的電池指一次性電池；而近年來(lái)性別一般指生理性別而gender指心理主觀性別；此處deepl可以對(duì)Google翻譯中已經(jīng)翻譯成英語(yǔ)后完全相同的兩個(gè)詞再重新翻譯成日語(yǔ)的時(shí)候再次從相同的英語(yǔ)詞匯中解讀出不同的日語(yǔ)詞匯對(duì)應(yīng)很厲害）

?CeVIO AI也是一樣，比如說(shuō)是可不，被認(rèn)為是構(gòu)建了從花譜的歌唱數(shù)據(jù)中學(xué)到的「花譜的感覺(jué)」的神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練需要大量的音樂(lè)數(shù)據(jù)和高性能的CPU，這種事只能由企業(yè)或者大學(xué)才能做到。例如同樣是使用了神經(jīng)網(wǎng)絡(luò)的聲音合成技術(shù)·NEUTRINO的叫做「No.7」的音源，就是由擔(dān)任聲優(yōu)的小巖井小鳥(niǎo)創(chuàng)作了50首左右的曲子得到的。

?

通過(guò)這些技術(shù)，就能創(chuàng)作出超越CeVIO Creative Studio性能的TTS，這也即是CeVIO AI的構(gòu)造。

※另外CeVIO AI等軟件基本上并沒(méi)有進(jìn)行開(kāi)源，不過(guò)目前存在著一種叫做「NNSVS」同樣使用了AI框架且開(kāi)源的歌聲合成技術(shù)。因?yàn)槭敲嫦蜓芯空吖_(kāi)的東西，如果你對(duì)編程很熟悉，機(jī)器學(xué)習(xí)和Python也有一定自己的理解，或許看了代碼多少能明白其中的構(gòu)造。創(chuàng)作者的話我還是推薦CeVIO AI和NEUTRINO之類的軟件。

譯者注ーーーーーーーーーーーーーーーーーーーーーーーーーーーー

（內(nèi)容修正）

ーーーーーーーーーーーーーーーーーーーーーーーーーーーー

?

作為我所屬的社團(tuán)的工作，我創(chuàng)作了在叫做「M→Fes2021」的活動(dòng)上使用的OP曲，而在創(chuàng)作期間我第一次嘗試使用了可不就稍微寫一寫使用的感受吧（順帶宣傳一下）。

?CeVIO AI合成音樂(lè)的優(yōu)點(diǎn)來(lái)說(shuō)就是在還沒(méi)有調(diào)教的時(shí)候聲音就已經(jīng)達(dá)到了很好的質(zhì)量了。盡管偶爾會(huì)產(chǎn)生音高輸出的錯(cuò)誤或者是音量的平衡不穩(wěn)定的問(wèn)題，出現(xiàn)的頻率只需要大概兩個(gè)小時(shí)左右的程度就能夠完成修正工作了所以沒(méi)有那么讓人在意。

?

但正如剛才所說(shuō)，CeVIO AI是模仿「真人的感覺(jué)」的TTS,無(wú)法演唱cosMo暴走P的「初音未來(lái)的消失」或者是avtechno的「Boku-Boku.β」這樣的樂(lè)曲。反過(guò)來(lái)VOCALOID并沒(méi)有使用DNN或是CNN這樣的統(tǒng)計(jì)模型，只是采用了將各處的發(fā)音對(duì)應(yīng)的波形連接的「波形連接型聲音合成」，這方面性能更好（沒(méi)有特別注意到發(fā)音和發(fā)音的連接這一缺點(diǎn)反而成為了長(zhǎng)處的感覺(jué)）。

?

對(duì)我個(gè)人而言我認(rèn)為這所有的TTS，各有長(zhǎng)處，各自有特點(diǎn)這一點(diǎn)很有魅力，我覺(jué)得不能說(shuō)一概而論地說(shuō)哪邊的技術(shù)更加先進(jìn)。正如金子美玲也說(shuō)過(guò)「我們不一樣，我們都好」。

※2022年10月發(fā)售的「VOCALOID 6」開(kāi)始搭載了由AI輔助的歌聲合成機(jī)能，剛開(kāi)始我還以為“誒!?波形連接型合成要被撤掉了嗎??？”，不過(guò)后面才知道保留了以往的VOCALOID引擎，使用者可以根據(jù)需要選擇波形合成引擎和AI引擎進(jìn)行合成。真是太好了。

?

然后盡管主要是歌唱音源收到很多的關(guān)注，但是語(yǔ)音音源也不能輕視。CeVIO AI語(yǔ)音音源中存在著感情的參數(shù)，能夠自如地表現(xiàn)出聲音中的情感。嘛，雖然VOICEROID里也有這個(gè)功能就是啦。

?

2023年4月的現(xiàn)在，已經(jīng)發(fā)行的或是預(yù)定發(fā)行的音源包括歌唱型，語(yǔ)音型和兩邊兼可的類型合起來(lái)一共大約25類。接下來(lái)，我會(huì)列舉幾個(gè)我個(gè)人比較喜歡的。

?

「星界」是在2022年4月發(fā)售，以和花譜一樣隸屬于KAMITSUBAKI STUDIO的異世界情緒T的聲音作為模型制成的CeVIO AI歌唱音源。作為同事們的理芽，幸祜，春猿火也在此后相繼發(fā)表了名為「裏命」「狐子」「羽累」的音源制作決定。KAMITSUBAKI STUDIO的全員聲音克隆計(jì)劃似乎正在穩(wěn)步進(jìn)行。

由陽(yáng)炎系列而出名的1st PLACE所推出的「IA -ARIA ON THE PLANETES-」雖然歌唱和語(yǔ)音兩方面都可以使用，但是歌唱方面只有英語(yǔ)版。英文音源在目前也很是少見(jiàn)，大概會(huì)得到某些人群的鐘愛(ài)吧。

?

?

語(yǔ)音音源中唯一的英語(yǔ)聲源在2021年12月這一時(shí)期只有「弦卷maki（マキ）」。在提到歌愛(ài)雪的部分就已經(jīng)說(shuō)了這個(gè)企業(yè)的名字，而弦?guī)啣蕙彩怯蛇@個(gè)叫做AHS的企業(yè)發(fā)行的音源（對(duì)于制作voiceroid實(shí)況視頻的人而言確實(shí)是很受其照顧的公司）。弦卷maki英語(yǔ)的聲音在下面視頻的后半段可以聽(tīng)到。

?

然后最近令我震驚的是，次世代少女樂(lè)隊(duì)企劃「BanG Dream!」內(nèi)的角色「戸山香澄」、「湊友希那」將在2022年內(nèi)CeVIO AI 音源化被宣布了。她們各自是企劃內(nèi)的樂(lè)隊(duì)「Poppin’Party」「Roselia」的vocal。盡管我過(guò)去一直想著將已經(jīng)存在的游戲或者動(dòng)畫的角色就那樣TTS化的時(shí)代在這一段時(shí)間內(nèi)是不是就要到來(lái)了，但我沒(méi)想到自己在玩的東西居然會(huì)一馬當(dāng)先被TTS化，受到驚嚇?lè)炊悬c(diǎn)畏縮。另外我推的「倉(cāng)田真白」的CeVIO AI什么時(shí)候?。?？？

?

結(jié)尾

?按照這樣的感覺(jué)，以上是TTS和CeVIO AI 的介紹。

?

我邊寫邊想到，有相當(dāng)程度多的人就算認(rèn)知到了CeVIO和VOCALOID是不一樣的，也總會(huì)想要將CeVIO AI以「ボカロ」來(lái)稱呼。我也會(huì)覺(jué)得心里有著正確的認(rèn)知的同時(shí)，在稱呼方面不要太那么嚴(yán)謹(jǐn)不也挺好。特別是對(duì)于圈子的情況不是很詳細(xì)了解的人來(lái)說(shuō)，「ボカロ」這一記號(hào)也確實(shí)很方便。

?

嘛實(shí)際上，朋友在聽(tīng)了可不的曲子后說(shuō)著「這首是術(shù)力口P主的曲子真不錯(cuò)啊~！」的時(shí)候，「不對(duì)，因?yàn)镵AMITSUBAKI STUDIO發(fā)行的「可不」是CeVIO Project發(fā)行的叫做CeVIO AI的TTS的音源的一種，所以不應(yīng)該稱呼為「術(shù)力口P主」而是「CeVIO AI P」的稱呼才是正確的表現(xiàn)？？」這樣指出的話，真的會(huì)損失一位朋友的請(qǐng)不要那么做（這是我和你的約定喔

原文鏈接：https://note.com/kalte/n/ne2b0cf96d1bf
文章已獲得作者KALTE的授權(quán)。（本文保持持續(xù)更新）

翻譯：nagi
校對(duì)：Suzukaze Aoba