감사합니다！！　貴重なデータを共有していただきありがとうございます…！　使ってみます！

確かに音素境界が見えていると便利ですね！　入れておきます。ピッチの直接編集に対応しています。

最近は当たり前のようにみんなGPUを持っているので、GPUでの使用も視野に入れるべきかもしれないですね！

That's alright, your Japanese is great! Phoneme labeling is a lot of work, so I wouldn't dare ask you to do that...! For now, I just want to confirm that I can train the model on English.

最速で駆動させる場合、Pytorch版のモデルを使う必要があります。ONNX版はDFTを使うせいで強制的にCPUに計算を落とすため、GPUで使ってもほぼ速度が変わらないです…！　自分もPytorch版を使っていないため、inferのコードが各リポジトリに散逸してしまっています…。そのうちまとめておきます！

楽しみにしております…！　まだ日本語以外まともなモデルを作れたことがないので、他の言語でちゃんと動くか明確にしたいと思っています…！

調声パネルの動作。色んなソフトを参考にした。実際に調声やってる人の意見を聞きたいところだが…。

いえ、質は高いと思います！　データ量の多めのMecholさんはそこそこの品質にできました。欲を言えば、ソーダすぅさんの音素ラベルがもっと欲しいと思いました。毎回音響モデルでは男女の話者を混ぜて学習していますが、経験則的に、互いの不得意な音域でも破綻が少なくなるためです。

完全にCPUで駆動する前提で作っていたけれど、GPU環境ではGPU使ったライブラリに比べた遅さが気になってきますね。GPUで使うためのガイドなどがあっても良かったかもと反省…。

日本の個人の製作者様方が綺麗に作りすぎていて感覚がおかしくなりますが、きりたんはよくできてると思います…！　(あと、きりたんのラベリング調整しようと言ってたのに途中で放置していてすみません…！)

GTSinger教師データに追加したらむしろ悪化した。音質以前に指定の音素を発音しなくなった。あれ絶対音素ラベリング適当やって…。

韓国語の多話者音響モデル作ってるが、男性の方はそこそこ良さそうなのに女性の方の発音が悪い…。5人に増やして回してみてるけど追加データの音質が良くないから改善の望み薄かもしれない。いい韓国語モデルを作ってみたいのだが…。

配色自由に変えれるようにしたけど、なんかどれもダサい気がするんですよね…。デザインセンスくれ

自作SVSの進捗。CPUでも軽く、高速にブラウザで動作します。GitHub Pageから無料で開放する予定です。パラメータのカーブによる調声やAIリテイクなど、高度な機能を備えています。そして何より、独自のF0モデルや音響モデルにより、デフォルトでもかなり歌が上手いです。興味を持っていただければ…！

データセットの内容たいして確認せずに英語の多話者音響モデル作ったらGTも生成結果も音質が酷かった…。とはいえ研究用途に使えるだけコーパスの製作者の方には感謝です。綺麗な音のデータセットが欲しいが、ひとまずちゃんと英語を喋れそうだとは言えそう(GT→fakeの順に再生)

这是你自己做的吗？这个GUI太漂亮了

Claudeに「こんな感じがいいな」ってSynthVのスクショ渡したら、かなりアカン感じの叩き台を出してきた。ほぼTypeScriptで作られていて、Webページとして公開できるように作る予定です。

LeapSinger色々調整して全体的に公開版より話者再現性が良くなった(比較されてるdecay_15も公開版より良いやつ)。子音の発音はまだ改良したいけど来週には更新できると思う。

16stepの教師モデルを蒸留して、1step、GANなしでほぼ同じ結果が出せるのが分かった。melの周期的成分に少しドット欠けみたいなのが入るだけで音質悪くなるんで、x_tのノイズの強度や周期的成分の形状を吟味した。(やっぱmelって特徴量として微妙なんですかね…)