アニメ声のようなわざとらしい声でもなく、ボカロなどのソフトを使ったいかにも合成の音声でもなく、クラスに一人くらいいそうな、自然で親しみやすい美少女の声を…。

本モデルは、そういうコンセプトで開発されたSo-vits-svc 4.0のモデルです。

一次音声は私自身の肉声から合成し、その素材をElevenLabsで1時間程度まで水増しし、水増しした音声データセットを学習させました。

innnky氏がG_0.pth、D_0.pthのあったrepoを削除してしまったようなので、学習用のベースとなったG_0.pth、D_0.pthおよびhubertのチェックポイントも同梱しています。

また、推論や学習ができるように、notebookも同梱しています（利用時はconfig.jsonを置き換えることも必要です）。

注意

• Sovitsの仕様で、音声の直前の無音部でノイズが発生することがあります。
• 中国由来のモデルなので、日本語や英語の発音はたまにおかしくなります。
• 自然な音声を目指したので、（もしかすると）実在人物の音声に類似している可能性があります。「歌わせてみた」など、平和的な内容での利用を推奨します。
  • （おそらく日本では）違法ではないですが、例えばどこかの4chan民のように『我が闘争』を読ませる使い方や、nsfw音声としての利用は推奨されません。

サンプル

God knows... <audio src="https://huggingface.co/ThePioneer/NaturalGirlyVoice/resolve/main/God-knows...-sovits4-ver0.mp3" controls></audio>

Speak softly love <audio src="https://huggingface.co/ThePioneer/NaturalGirlyVoice/resolve/main/Speak-Softly-Love-Sovits4-Ver0.mp3" controls></audio>