【全体公開】バ美声開発のお話

こんにちは！はんそでです～！

バ美声を開発し始めてもう２年半近く経ちますが、よく考えると開発側がどんなこと考えて作っているのかを書いたことがなかったので書いておこうと思います。

　まずは、いつもバ美声をご使用いただきありがとうございます。また、開発支援の投げ銭本当に助かってます…！金銭的にもですが、やらなきゃなってなるのにめちゃめちゃ助かってます。バ美声は個人の使用状況などのデータを全く取っていないので、使ってる人がどれだけいるのか全く把握できていないんですよね…やっぱり使ってる人がいっぱいいるというのがわかるとモチベぎゅんぎゅんするのでそのあたりも今後何とかなるといいですが………

さて、本題のバ美声開発の話です。が、本題に入る前にバ美声が今までどんな感じで変わってきたか簡単にまとめたいと思います。

ver0.12　公開した最初のバージョン（声の高さのみ）

ver0.241　ASIO対応

ver0.260　声の質追加

～ver0.276　声の質のクオリティアップ

ver0.300　声の質がグラフで周波数ごとに設定可能に（声の質変換エンジンが大幅変更※詳しくは後述）

ver0.400　マグロナちゃん理論が試せるように可変ピッチに変更

ver0.402　ver0.400をバグ修正した最新バージョン

　バグ修正だけのものは省いてますが大体こんな流れです。書いてみて思いましたが意外とシンプルというか、たったこれだけのことするのがこんなに大変だとは思っていませんでした………

　こうしてみると気づく方もいるかもしれませんが、基本的には声の質のアップデートしか行ってないんです。ぷちぷちノイズや異音が発生するのは大体声の質のせいで、これはもう声を変換する以上発生してしまうため（ゆかりさんみたいな一度文字に変換するタイプなら大丈夫ですが）、ボイチェン感を極力減らしたいのであれば、声の高さだけを変更し、後は喉でどうにかするっていうのが一番です。（その場合はLowLatency版がおすすめです。 https://halfsode.booth.pm/items/1778785）

　そんななか、比較的異音がでにくく、かつ周波数ごとに声の質が設定ができるようなエンジンが出来たのがver0.300なんです。ただ、エッジの効いた変換がしづらいというデメリットもあるので、0.2系の変換と違うと感じるのはそのせいです。そういったデメリットがあっても自由度が上がるというメリットが大きすぎたので採用した感じですね…！

このエンジンにより、いままでバ美声の音質向上だけを行ってきたのが、声を可愛く変換する研究に入ることができたのです。結論から言うとまだ可愛くするための方法はほとんどわかっていません…情けないことですが…。このように私だけでは研究に使える時間も限られているので、使用者に研究してみてもらおうと考えて作った機能が0.3、0.4のグラフなのです。実をいうと私の思想的なところではユーザーにはボタン一つで可愛くなるソフトを提供したかったのですが、それを待っていたら熱意はあるのにソフトがないから断念してしまう人が出るくらい時間がかかるので、それだったら出してみるかぁ…という感じでした。なので、グラフ機能はデバック機能くらいに思っておいてもらえると助かります。（普段は見えないけど開発者モードにしたら出てくる画面みたいなそんな感じ）

　あと衝撃の事実をもう一つ。実は最新の0.402でも声を可愛くするための処理は入っていません。単純に機械的な誤変換をつぶしていっただけなんです。ボイチェ感といわれるノイズには二種類あって、

（1）完全に理論通りの変換を行ったとしても音の性質上発生するノイズ

（2）理論通りの変換が出来ていないため発生するノイズ

です。（2）はプログラムの問題なの？って思うかもしれませんがそうではないです。ほかの例でいうと、よく物理の問題なんかで『ただし、○○の質量は考えないものとする』みたいな一文ありますよね？でも現実にはそれも影響しているわけで、そういうとても細かいところまで合わせていかないと（2）のようなノイズとなって表れてしまうのです。これを実際の例でいうと、『声の質を変更しようとすると女声っぽくはなるけど音質が劣化して使い物にならない』って経験はありませんでしたか？これがまさに（2）対策が不十分なため起こるノイズです。この（2）のノイズ対策が完璧になって初めて（1）のノイズの対策ができるのですが、今までのバ美声はずっと（2）の対策をしてきただけなのです。（○○の質量まで考えて計算するようなものなのでめちゃくちゃ大変でした…）

ようやく及第点くらいの（2）対策ができてきて（1）の研究に入れたという感じなので、当然今までのものに可愛くする処理を入れることなんてできなかったんです…。今後は入れていきたいですが、（1）の研究次第なのでまだまだかかりそうですね…！

　さて、長々と今までの苦労話を書いてしまいましたが最後に今後についてです。

（2）の対策がある程度まとまったら製品版とする予定です。その時のグラフ機能はデバックモードくらいの気持ちで実装する予定なので、グラフの内容には変更があるかもしれません。ただ、私なりに研究し意味のあるものを採用していくので、おそらく今後のバージョンのグラフでもそれ以前の機能は代替できるんじゃないかなと思います。もしどうしてもできない場合は教えてください。

　また、バ美声開発の基本方針は「私（はんそで）の声が可愛くなるソフトを作ること」です。私自身地声はかなり低い方なので、私が使えるレベルのものが出来ればみんな使えるんじゃないないかな…？って感じです。初心はこれだったのですが、最近ちょっと方針がブレていたようにも感じてます…。私のためのソフトとなると皆さん思うところはあるかもしれませんが、引き続き応援していただければ幸いです！！！！！！

ではでは～～！！