本文へスキップ

VoiceCraft

ニューラルコーデックモデルで音声を編集し声を複製

公式サイトを見る
カテゴリ AI音声合成

VoiceCraft とは

本モデルはトークン補完に基づくニューラルコーデック言語モデルと説明され、音声編集とゼロショットのテキスト読み上げを扱う。未知の音声でも数秒分のサンプルがあれば、その声を複製したり録音を編集したりできるとされる。

できること

  • 音声の内容を編集する
  • ゼロショットのテキスト読み上げを行う
  • モデルが学習していない音声を複製する
  • 既存の録音を編集する

活用場面

  • 自然な音声を生成しオーディオブックやポッドキャストの番組を作る
  • 既存の録音を編集し内容や話者の音声を変える
  • 少量の音声サンプルから声を複製し独自の音声コンテンツを作る

モデルについて

  • 手法はトークン補完を伴うニューラルコーデック言語モデルに基づく
  • オーディオブック、オンライン動画、ポッドキャストが実環境データとして挙がる
  • 未知の音声には数秒分のサンプルが必要とされる

長所と短所

✓ 良い点

  • 未知の音声でも数秒のサンプルから複製できる
  • 音声編集とテキスト読み上げの両方を扱う

! 注意したい点

  • 資料はオーディオブック、オンライン動画、ポッドキャストなどの実環境データを挙げる
  • 編集も複製も渡された音声サンプルを起点にする

よくある質問

新しい声には何秒必要?

資料は未知の音声には数秒のサンプルで足りると説明。

どんなデータが挙がる?

オーディオブック、オンライン動画、ポッドキャストが実環境データとして挙がる。

最終評価日: 2026-11-15

その他 AIオーディオツール ツール

すべて見る →

評価方法