学習プロセス

最新の手法が必ずしも最良とは限らず、それぞれの学習バージョンには異なる特性や良さがあります。 声ラボでは、ユーザーの皆様にさまざまなモデルを比較しながらお試しいただきたいと考えており、単なる数値によるバージョン管理ではなく、「学習プロセス名」によってモデルバージョンを表現しています。 また、学習傾向や特性に大きな変化があった場合には、過去モデルに対しても新たな学習プロセス版を展開しております。

学習方法について

声ラボ独自の学習プログラムで学習しています。 分離学習率（EncoderやFlow、Vocoder他）、共有層の最適処理、独自Embedderの利用、Optimizer処理など、様々な部分で最適な学習方法を常に研究しています。 また、後述の独自学習処理「ALICE」を利用しています。

独自学習処理「ALICE」について

1. ToneWeave 細部への過剰な調整を抑え、声の響きや音色を自然に整える
2. ClearVeil 耳につく高音や金属的な響きをやわらげ、澄んだ声に整える
3. VoiceAnchor 声質を覚える過程で発音や音程が崩れるのを抑え、発音や音程の土台を保った学習を可能に
4. BreathBloom 息づかいや声の余韻、少し長い区間での音のつながりを豊かに学習
5. SonicContour 声の成分を保ちながら不要な音を減らし、輪郭を整える処理
6. ContourFlow 序盤で余分な音を抑えつつ、後半では声の細かな特徴を学びやすくバランス調整

RVCモデルプロセスリスト

Beatrice KoeLab Fork

販売中音声モデル

モデルリスト

モデルサンプリングレートについて

全てのモデルは32kHzとなっております。 48kHzについては、学習に用いられるHiFiGANの特性でもあるボイチェン特有の広域ノイズを抑えること、モニターテスト等でメリットが薄いという結果がある点を考慮した最適なサンプリングレートとしています。 ニーズが多い場合は、48kHz版のリリースをするかもしれませんが、その際は購入いただいたユーザー様へ無償で提供させていただきます。

ご利用について

声ラボのモデルは、複数の有志協力者によって収録された音声コーパスをもとに学習されています。 協力者には、音声・演技に関心のある一般参加者やクリエイティブ分野に関わる方々が含まれており、すべて事前に使用許諾を得たデータのみを使用しています。 一般的に販売されているRVCv2モデルは、権利部分が曖昧となっている「事前学習モデル」を利用していますが、声ラボのモデルは上述音源を利用した独自の事前学習モデルで制作しております。