ボイスチェンジャー「voicelab」を作って、BOOTHで公開した。友達に言われた「よくあるボイチェンと大差ない」から直したこと【96NEKO LAB開発記録 #34】
- #Claude Code
- #AI活用
- #ボイスチェンジャー
- #VRChat
- #BOOTH
はじめに
前回までは、サイトの手入れの話でした。
今回は、サイトとは別に作っていたソフトの話です。10月26日から31日にかけて、Windows 用のボイスチェンジャー「voicelab」を作り、BOOTH で公開しました。
- [voicelab(BOOTH)](https://96nekolab.booth.pm/items/9076676)
- [voicelab の紹介(このサイトのショップ)](/shop/voicelab)
目指したのは「雑音っぽくならない」ボイチェン
ボイスチェンジャー(ボイチェン)は、声を高くしたり低くしたりすると、機械っぽい声や、ザラザラした声になりがちです。
そこで目標を「雑音っぽくならない、自然なボイチェン」にしました。
作り方は、声をそのままずらすのではなく、いったん要素に分けてから組み立て直す方式にしました。
マイクの声
↓
「高さ」「声色(声の響き)」「息っぽさ」に分ける
↓
それぞれを調整する
↓
組み立て直して、声に戻すもう1つ、目玉にしたい機能がありました。自分の声を分析した「声プロフィール」を友達に渡すと、受け取った人がその声に寄せたボイチェンを使える、というものです。
AI に声を学習させる方式(RVC など)も考えましたが、今回は見送りました。
声を分析する。ノイズ除去の落とし穴
最初に作ったのは、声の分析です。決まった文を1分ほど読み上げると、声の高さ・抑揚・声色・息っぽさを数値にして、「声プロフィール」として保存します。
ここで最初のつまずきがありました。普段使っているヘッドセットのノイズ除去をオンにして録ると、声色の値が大きくずれていました。
調べると、ノイズ除去と一緒に、低い音と高い音を強めて中くらいの音を弱める音質の補正(いわゆる「ドンシャリ」)がかかっていたのが原因でした。
そこで、ノイズ除去をオフとオンで1回ずつ録って、その差から「補正のくせ」を求め、打ち消すようにしました。これで、オフで録ったときとほぼ同じ値に戻りました。
声を変える。震え・ロボット声・効いていないつまみ
次は、録った声を変換する部分と、画面です。画面は、自分の要望でミキサーのような見た目(暗い背景・縦のつまみ・波形・音量のメーター)にしました。
変換した声を聞いてみると、いくつも問題が出ました。
声が震える
変換した声が、細かく震えて聞こえました。息を吸う音や吐息にまで「声の高さ」が付いてしまい、息がリズムよく刻まれていたのが原因でした。息の部分には高さを付けないようにして、大きく改善しました。
極端にするとロボットっぽい
「高さ・抑揚を極端にすると、ロボットっぽい」
抑揚を大きくすると、声の細かい揺れまで大きくなっていました。ゆっくりした話し方のメロディだけを強めるように変えました。
効いていないつまみがある
「効いていない変換がある」
実際に出た音を測り直してもらうと、つまみを途中まで動かしてもほとんど効かないものがありました。効き方を見直して、少し動かしただけでも分かるようにしました。
おじいさん・おばあさんのプリセットは、いらないと判断して外しました。自分で作った設定を名前を付けて保存できる「マイプリセット」や、初めて起動したときにマイクの確認から録音までを案内する画面も作っています。
リアルタイムで動かす。ブツブツと「大差ない」
録音を変換できるようになったので、マイクの声をその場で変える「リアルタイム変換」にしました。
音がブツブツ途切れる
最初は、声が鳴っては途切れて、ブツブツになりました。計算が重いのかと思いましたが、原因は別でした。パソコンと音の機器の間の受け渡しの待ち時間が短すぎて、日によって受け渡しが間に合っていなかったのです。
待ち時間を短くしすぎないようにし、途切れが出たら自動で少し長くするようにして、解消しました。実際に話してみて、
「いい感じに機能してる」
となりました。そのあと、仮想の音声ケーブル(VB-CABLE)を通して、VRChat でマイクとして使えるようにしています。
友達に「よくあるボイチェンと大差ない」と言われた
VRChat で友達に聞いてもらうと、声の自然さについて「よくあるボイチェンと大差ない」と言われました。
ここで、声が少し遅れて届くようになってもいいので、自然さを優先すると決めました。
- 声の高さの読み取りを、遅いけれど間違いの少ない方式に変えた
- こもって聞こえる原因が、ヘッドセットのマイクが高い音を拾っていないことだと分かったので、高い音を少し補うようにした
ところが、これを聞くと
「高い音でキンキン・シャリシャリして微妙」
になりました。原因は、さっきのノイズ除去の「ドンシャリ」でした。声色を変えると、強められた高い音がさらに高いほうへずれて、耳につく音になっていたのです。変換の前にも「補正のくせ」を打ち消すようにして、補う量も控えめにしました。
友達の声に寄せる機能
目玉の「友達の声に寄せる」機能も作りました。友達から声プロフィールを受け取って選ぶと、高さや声色をその声に近づけます。
開発中は本物の友達のプロフィールがないので、自分の声を変換して「仮の友達」を作って試しました。声色の合わせ方は2回作り直し、仮の友達3人の聞き比べで「どれも聞こえ方は問題なさそう」というところまで来ました。
ただし、そっくりになるわけではありません。話し方やくせは本人のままなので、似せるには使う人の工夫が要ります。このことは、画面と説明書、BOOTH のページに書きました。
安全面では、次のように決めました。
- 声プロフィールは、アプリの中で決まった文を読み上げたときだけ作れる(拾ってきた音声ファイルからは作れない)
- プロフィールには作った人の名前が入る
- 声優さんなど、他人の声をまねするプリセットは入れない
- 説明書に、なりすましの禁止などの利用条件を書く
配る準備と、BOOTH での公開
最後に、Python が入っていないパソコンでも動くように、アプリの形にまとめました。
配り方は、お金をかけない形にしました。zip で配って、展開すればそのまま使えます。インストーラーやアプリの自動更新はなく、新しい版は BOOTH から入れ替えてもらいます。起動のときに Windows の警告が出ることがあるので、その案内は説明書に書きました。
ほかに入れたもの:
- アプリをまとめるたびに、ちゃんと動くかを自動で確かめる「自己診断」(だめなら配る用の zip を作らない)
- 困ったときに、パソコンの環境や最近のエラーをまとめた文章を作って、そのまま送れる「不具合を報告」
BOOTH では、1つの商品に「無料版」と「製品版」を用意しました。無料版は高さ・抑揚・声色の3つを調整できます。製品版は、声質の細かいつまみ、プリセット、友達の声に寄せる機能が使えます。まず無料版で、自分のパソコンとマイクで動くかを確かめてもらう形です。
BOOTH への登録と公開は、自分で行いました。
つまずいたこと:作ったデータを消してしまった
一度、アプリを作り直す手順の中で、それまで使っていた設定や声プロフィールのデータを消してしまいました。アプリをまとめる道具が、出力先のフォルダを丸ごと作り直していたためです。
それからは、作り直す前にデータを別の場所へ避けて、終わったら戻すようにしました。
やってみて感じたこと
一番効いたのは、友達の「よくあるボイチェンと大差ない」の一言でした。自分で聞いているだけでは慣れてしまい、気づけないところがあります。
直すたびに「耳で聞く」と「音を測る」を両方やったのも良かったです。「効いていない」「キンキンする」と感じたところは、測ると原因が見つかり、聞き比べ用の音を並べてもらって、どれにするかを自分の耳で決めました。
まだ確かめていないこともあります。本物の友達の声プロフィールでの「寄せる」機能と、ほかの人のパソコンでの動き方です。使ってもらいながら直していきます。