原标题：A.I.VOICE 結月ゆかりは、VOICEROIDと何が同じで、何が違うのか？VOCALOMAKETSに聞いてみた

翻译：紫

もうご存じの方、そしてすでに購入された方も少なくないと思いますが、10月22日、株式会社エーアイより、音声合成ソフトのA.I.VOICE 結月ゆかりが発売されました。2011年12月、ボカロP 7人で構成されるクリエイターチーム、VOCALOMAKETS（ボカロマケッツ）が企画した歌声合成ソフト、「VOCALOID3 結月ゆかり」が発売されてから、10年。1月に発売されたCeVIO AI版の歌う結月ゆかりに続いて、A.I.VOICE版の喋る結月ゆかりが誕生したわけです。

今回の喋る結月ゆかりは、以前からある喋るソフト、VOICEROID版の結月ゆかりの声や雰囲気をそのまま踏襲するとともに、使い勝手などを大幅に向上させています。また、それに加え、18歳という想定の結月ゆかりの5歳下の別バージョン、雫（しずく）を収録しているのも今回リリースされたA.I.VOICE 結月ゆかりの大きな特徴となっています。実際どのように企画し、どのように開発していったのか、VOCALOMAKETSメンバーである、Bumpyうるしさん、かごめPさん、そして開発を担当した株式会社エーアイの栗田圭奈さんにお話しを伺ってみました。

株式会社AI在10月22日发售了语音合成软件A.I.VOICE结月缘，大家或许都是知道了甚至已经购买了的。2011年12月，由7位VocaloidP主组成的创作团队VOCALOMAKETS筹划的“VOCALOID3结月缘”发售了，至今已是10年。继CeVIO AI的歌唱版本结月缘在1月发售之后，A.I.VOICE的说话版本的结月缘也诞生了。

这次的说话的结月缘沿用了现有的VOICEROID语音软件的结月缘的声音以及氛围感，大大提高了可用性。除此之外，还收录了原本设定是18的结月缘的幼小5年的另外一个版本，雫（日语罗马音:shizuku，中文拼音:na2），这也是今次发布的A.I.VOICE结月缘的一大特色。实际是怎么进行企划、怎么开发的呢？我们和VOCALOMAKETS成员Bumpyうるし和かごめP、负责开发的株式会社AI的栗田圭奈进行了对话。

（对开发了A.I.VOICE结月缘的诸位进行了采访）

－－以前、CeVIO AI版の結月ゆかりをリリースした経緯などについて「CeVIO AI版の結月ゆかりが1月29日発売決定。なぜCeVIO AIなのか、どうやって作ったのか、VOCALOMAKETSに聞いてみた」という記事でお伺いしました。改めて、今度はA.I.VOICEを出した経緯について聞かせてください。

うるし：もともとVOICEROIDの次のバージョンが出たら、それに結月ゆかりを対応したいと考えていました。ところが、AHSさんからVOICEROID 3の出る様子がなかったため、困っていました…。そのまま製品の更新が途絶えてしまうことがあってはマズイので、どうにかならないだろうか…と。そうした中、VOICEROIDの開発元である、エーアイさんから、「A.I.VOICEとして出してみませんか？」というお声がけをいただき、それがよさそうだ、と考えたのです。

——之前，在《CeVIO AI版结月缘1月29日发售决定。为什么是CeVIO AI？它是怎么制作出来的？我们采访了VOCALOMAKETS》的文章里介绍了发布CeVIO结月缘的背景。这次也请介绍一下A.I.VOICE的制作经过。

うるし：原本想要在次代版本的VOICEROID推出后，制作对应的结月缘。可是，因为AHS没有推出VOICEROID 3的迹象，我感到困惑。要是就此中断了产品的更新，那就麻烦了啊，得想想办法……在这种情况下，VOICEROID的开发者AI社提议，“要不要试着做成A.I.VOICE来推出？”这听起来不错，我想。

（10月22日开始发售的A.I.VOICE结月缘）

－－歌うソフトとしてCeVIO AIソングボイスがあるので、喋るソフトもCeVIO AIトークボイスとして出すのが自然な流れなのかな…とも思っていたのですが……。

うるし：CeVIO AIトークボイスも、とても興味は持っています。でも、結月ゆかりにとって、既存の音声の更新が途絶えてしまうことは考えられないので、これは絶対に残しておくべき、最優先のものと考えています。そのバリエーションとしてCeVIO AIトークボイスなどがあるのはとても素晴らしいと思うのですが…。そのため、VOICEROIDと同じエンジンの、A.I.VOICEをまず出そうと考えました。

——既然有作为音声合成软件的CeVIO AI合成歌声，那么推出像CeVIO AI talk voice这样的语音合成软件…也很合理吧……？

うるし：我对CeVIO AI talk voice也很感兴趣。不过，对于结月缘而言，现有的音声的更新不太可能就因此中断的，我认为这是一定要优先考虑的、必定保留之项。我觉得有一个像CeVIO AI talk voice这样的变种也是很好的……因此呢，我想到了先推出与VOICEROID具有相同引擎的A.I.VOICE。

（VOCALOMAKETS的Bumpyうるし）

－－A.I.VOICE 結月ゆかりは、VOICEROID+結月ゆかりEXと何が違うのですか？

栗田：エンジンが違うのが一番大きい違いです。VOICEROID2ではAITalk4というエンジンを搭載していましたが、今回のA.I.VOICEはAITalk5というエンジンになっているんです。このAITalkは日本語解析と音声合成という2つに分かれています。つまり入力されたテキストを元に、それがどんなイントネーションで、どのように区切って発音するかなどを日本語解析機能で行い中間言語的なものに置き換えるのです。その後、音声合成のシステムで各キャラクタでの声へと変換していくのです。この日本語解析の精度がAITalk5になったことで大幅に向上しており、単語も増えているし、ポーズの入る位置やイントネーションもより適切なものへとなっています。

——A.I.VOICE结月缘与VOICEROID+EX结月缘有什么区别吗？

栗田：最大的区别是它们使用了不同的引擎。VOICEROID2搭载了AITalk4的引擎，而这次的A.I.VOICE是搭载的AITalk5引擎。这个AITalk分成了日语分析和音声合成的两部分。换而言之，输入文本，日语分析功能执行，分析它是什么语调和它的发音，替换为中间语言，之后，语音合成系统将其转换为角色的语音。有了AITalk5，这次的日语分析的准确率有了很大的提高，可读字数增加了，停顿的位置和语调也变得更合适了。

（株式会社AI的栗田圭奈）

－－つまり、より正しく日本語を理解していて、ベタ打ち？でもキレイに正確な日本語として話すようになった、と？

栗田：その通りです。システムのことなど、まったく考えず、単純にテキストを入れるだけで話す発音が、かなり向上しています。解析には標準語と関西弁がありますが、基本的には同じですね。このAITalk5のエンジンは、コンシューマ用製品であるA.I.VOICEだけでなく、法人向けのシステムでも使っていますが、法人のお客様からも「何も考えずに打ち込んで喋る言葉が、とてもよくなった」と評価いただいています。

——也就是说，能够正确地理解日语、更好的控制了？还是说漂亮且正确的说日语？

栗田：就是这样没错。即使不考虑系统化的问题，只是单纯地输入单语，合成的语句也得到了很大的改进。分析系统虽然分成标准语和关西方言，但基本大同小异。AITalk5的引擎不仅仅是运用于个人使用的A.I.VOICE，还运用于企业向系统当中，企业用户也有着“不考虑什么就输入的文本，输出的语句有很大的改善”的评价。

－－AITalk5における合成システムのほうはAITalk4と比較して何か変わったのですか？

栗田：従来通りの波形接続と、DNN（ディープニューラルネットワーク）の2つの合成エンジンが搭載されたハイブリッドになっています。波形接続はもともと収録した音声をラベリングして音素単位に分割した後、これをつなぎ合わせて喋らせるというもの。収録した音声をそのまま使うため、生々しい肉声に近い音となるのが特徴です。そして、収録するデータが増えれば増えるよど、より高品位になっていきます。このAITalk 5においては、ラベリング精度の向上が図られているほか、収録した音声の加工の仕方も変わっており、波形接続自体の質が大きく上がっています。一方のDNNの方式では、日本語解析機能で得られた中間言語的なものと、イントネーションや声色といった喋り方の情報との対応関係を深層学習します。そしてDNNから得られた喋り方の情報をボコーダーを用いて合成する仕組みであり、波形そのものをつなぎ合わせるわけではないのです。そのため、非常に滑らかな喋り声になるのが特徴です。ただ、DNNはつなぎ目は滑らかだけれど、やや人工的になるという面もあります。

——AITalk5合成系统跟AITalk4比较有哪些变化呢？

栗田：它是配备了传统波形连接和 DNN（深度神经网络）的两个合成引擎的混合引擎。波形连接就是将原先录制的声音标记划分为音素单元，然后将它们连接起来说话。由于原样使用录制的声音，它有着合成声音很接近原始声音的特点。以及，随着记录的数据量的增加，质量会变得更高。在AITalk 5里，标注准确度得到了提升，对录制音频的处理方式也发生了变化，大大提高了波形连接本身的质量。另一方面，在 DNN 方法中，对日语分析功能获得的中间语言与语调和语音等说话方式信息之间的对应关系进行深度学习。它是一种使用声码器合成从 DNN 获得的说话信息的机制，不是直接连接波形。因此，它的特点是声音非常流畅。不过，DNN虽然有光滑的连接，但也有略显人造性的一面。

（AITalk 5的构成系统）

－－ということは、今回の結月ゆかりも、その2つの合成エンジンを使ているわけですか？より人間的な結月ゆかり？

うるし：いえ、DNNを使うと、今までの結月ゆかりと異なる音声になってしまう可能性があったので、ここではやってないんです。いいか、悪いかではなく、それは違う、と。だから、使っているのはコーパスを使った従来と同じ波形接続の方ですね。ただ、将来的にDNN版のゆかりがあっても面白いだろうな、とは思っています。

栗田：今回の結月ゆかりでは、収録音声を大きく増やしているので、その面においても品質向上が図れています。

——这是说，这次的结月缘是，使用了那两个引擎的、更像人类的结月缘？

うるし：不是的，使用DNN可能会产生跟结月缘不同的声音，所以我们不会采用这种做法。不是由于效果好坏，这样做就是不对的。所以，我们采用了与先前运用过的语料库相似的波形连接方式。不过啊，如果以后有使用DNN的缘，我想那也是挺有趣的。

栗田：这次的结月缘，收录的声音增加了很多，这方面也是提高了品质。

－－今回のA.I.VOICEの結月ゆかりの声は、昔、VOICEROID用に作ったデータを使っているのですか？それとも新たに収録したのですか？

かごめP：今回新たに収録しなおしました。収録した文章量も増えた結果、収録時間も増えて、標準のほか、怒り、悲しみ、喜びとスタイルがあり、トータル9日ほどかけて収録しました。またVOICEROID 2などと比較して、収録量が非常に増えているので、このことも品質の向上に大きく役立っています

うるし：以前の結月ゆかり収録がどうだったのか、最初に石黒さんに聴いてもらいながら、以前と同じような声になるように調整していきました。声の調子や雰囲気などテスト収録しながら、何回か軌道修正を図りながら行ったんですが、10年ぶり（感情版は4年ぶり）の声の収録なのに、石黒さんの協力もあって完璧に再現できたのではないか、と思いました。このリファレンス収録時、石黒さんは天才だよね！と話しをしていました。

——这次的A.I.VOICE结月缘的声音是使用了以前为VOICEROID录制的采样吗？还是进行了重新录音？

かごめP：这次的是新录的。由于记录的句子量增加，记录时间也增加了，除了标准风格以外还收录了怒、悲、喜等风格，一共花了差不多9天来录制。另外，跟VOICEROID2相比，录音量的大幅增加也很有利于质量的提升。

うるし：以前的结月缘收录过程是怎样的呢，一开始石黑一边听录音，一边调整声音与之前一样。在进行语调跟氛围感的测试录制时候，我对轨迹进行了多次的修正。即便是时隔10年（对感情版来说是4年）的声音收录，在石黑的配合下也是完美再现了，我觉得。在记录这个参照录音的时候的石黑是天才！我说了这样的话。

（VOCALOMAKETS的かごめP）

－－その9日間、ずっとチェックしながら収録していたのですか？

かごめP：今年の夏前に収録していたのですが、まさにコロナ禍で、緊急事態宣言などが出ていたこともあり、最初にリファレンスを収録したとき以外は、VOCALOMAKETSメンバーは誰も立ち会っていません。すべてエーアイさんにお任せではありました。その後、完成するまで、途中経過を聴くことができないので、半年近く待っているほかなかったのですが、リファレンスの際にうまく行っていたので、あまり心配はしてませんでしたね。

——这9天中，一直都是在你的掌控下录音吗？

かごめP：虽然是今年夏天前就录的音，但是由于疫情的原因，有着紧急事态宣言的缘故，除了第一次收录参考资料的时候以外，VOCALOMAKETS成员都没有在场，全都交给了AI社。在那以后，直到完成，中途是不知道进展的，就这样等了近半年。但是因为参考的时候进行得很顺利，所以没怎么担心过这事。

－－ところで、今回5歳下の、雫がありますが、これはどのように収録していったのですか？

うるし：VOCALOMAKETSメンバー内で話し合った結果、5歳下でやってみよう…ということになりました。そのことを石黒さんに伝えたうえで、何パターンか録ってみて、絞っていきました。13歳ということは、中学生であり、やや反抗期的な難しい時期。収録したパターンの中から、ちょっとムスっとした感じで演じてもらったものがとても素晴らしかったので、このパターンに決めました。実はその一方で、イラストも並行して進めなくちゃならない。文倉十先生には、従来は音声を聴いてもらってからイメージしてもらっていましたが、5歳下という情報だけ伝えて、想像で描いてもらったんです。通常の結月ゆかりは普段着のイメージで、とお願いして作ってもらったのですが、雫もイメージにピッタリのものが上がってきた。石黒さんの雫、文倉先生の雫、そしてVOCALOMAKETSがイメージする雫のすべてが完全一致して出来上がった感じです。

——对了，这次还做了幼小5岁的雫。她是怎么制作收录的呢？

うるし：VOCALOMAKETS成员内部讨论的结果是，我们准备在5岁以下进行尝试。将这事传达给石黑之后，试着录了数个模式，集中起来找最好的一个。13岁对应的是中学生，是叛逆期的有点麻烦的时期。在收录的几个模式当中，稍微有点呆滞的一个表达出的感觉很棒，于是就决定是她了。实际上，我同时要负责交接的是插画一方的事情。文仓十听了声音之后要我想想，但是我只告诉了他她是小5年的，让他凭借想象给画出来。通常的结月缘是常服的形象，就这样拜托了他来画，而雫的形象也挺合适。感觉石黑的雫、文仓的雫、还有VOCALOMAKETS构想的雫的形象格为吻合。

（收录有13岁的结月缘、雫）

－－実際に製品がリリースされて、結月ゆかり、雫のユーザーの反応はいかがでしたか？

かごめP：メインであるゆかりのほうは、とっても好評でした。これまでVOICEROID+ EXとVOICEROID 2があり、どちらかというと、VOICEROID+ EXのほうがよかった、という声があったのですが、今回のA.I.VOICEはVOICEROID+ EXっぽい…ということをおっしゃる方が多いようですね。サンプリングレート的にはVOICEROID+ EXが22.05kHz、VOICEROID 2が44.1kHzだったのに対し、今回のA.I.VOICEは48kHz。その意味では音質向上はしているはずです。

——在制品正式发布后，用户们看到结月缘和雫的反应是怎么样的呢？

かごめP：主体部分的缘大受好评。迄今为止已有VOICEROID+ EX和VOICEROID 2的制品，硬要说的话，有种说法是VOICEROID+ EX更好一些，而这次的A.I.VOICE跟VOICEROID+ EX更像一些…持有这种想法的人不少。在采样率上比较，VOICEROID+ EX的是22.05kHz，与之相对的，VOICEROID 2的是44.1kHz，这次的A.I.VOICE的是48kHz。这也意味着音质应当是有所提升的

うるし：雫って、ある意味はオマケじゃないですか。だから、そのままでは注目されないと思っていたのですが、想像していた以上に、みなさんに喜んでいただけてうれしいです。一応、見せ方の演出として、通常版のリリースを発表した後に、通常版の音声を紹介し、その後に、雫が追加バージョンとして入ることを発表する……という形で別々に紹介していきました。こうすることで、雫はオマケではあるけど、別ものだよ、ということをみなさんに認識してもらいたかったのです。でもその思いが伝わったようで、想像していたのを遥かに超える反響で、すぐに雫のイラストや動画もUPされるなど、こちらが驚いてしまいました。本当にうれしいです。

うるし：雫啊，某种程度上来说不就是很完美的吗。因为，我一直以为她会这样不会被大家注意到，但出乎我意料的是，大家都很高兴。总之是，作为展示，在宣布正式版发布后，介绍了正式版的声音，然后，再发表了雫作为追加版本进入的事情……就按照这个形式分别介绍了。我希望能通过这样，让用户意识到雫虽然是追加的、但却是其他的东西。可这种想法马上就传达出去了，反响远超我的想象，甚至马上就有上传了雫的插图和视频，这很让我吃惊，我很高兴。

（A.I.VOICE结月缘的实体包装版。左为限量生产的，开售后30分钟就售完的10周年纪念豪华版）

－－新しい技術には対応させて新製品は出していくけれど、以前の声を変えてはいけない、というのはジレンマではあるけれど、すごくよく分かる方針だと思います。この先、結月ゆかりがどう進化していくのか、変わらないのかもぜひ注目していきたいと思います。ちなみに、A.I.VOICE 紲星あかりについても、2021年冬ごろの発売予定と発表されていましたが、こちらはどうなりそうですか？

うるし：あかりの方も着々と準備をしているところです。11/12のA.I.VOICE生放送に、VOCALOMAKETSからはかごめPが出演して、A.I.VOICE 紲星あかりの全貌を発表しますので、ぜひご覧ください。

－－ありがとうございます。楽しみにしています。

——虽然是使用新技术制作新产品，这真是个难以得兼的问题，但是不改变过去的声音，是个十分明智的决定。今后，结月缘会有怎样的发展、未来会有怎样的演变，很让人关注啊。还有，A.I.VOICE绁星灯已经宣布2021年冬季将预定发售，这又将会如何呢？

うるし：灯的事情也是在逐渐准备当中。在11月12号的A.I.VOICE生放送当中，来自VOCALOMAKETS的かごめP将会登场公布A.I.VOICE 绁星灯的全貌，敬请期待。

——十分感谢。很高兴能进行这次对话。

结月缘的A.I.VOICE与VOICEROID有何异同？我们采访了VOCALOMAKETS