カスタムAIボイスモデルをRVCを使用して作成します

音楽プロデューサー、コンテンツクリエーター、声優、開発者など、カスタムAI音声モデルを使用すると、自分自身の声、キャラクターの声、アーティストのスタイルなど、あらゆるターゲットの声でリアルな音声出力を生成できます。このサービスは、提供されたオーディオデータセットから構築され、専用ハードウェアでプロフェッショナルツールを使用して処理された、完全にトレーニングされたRVC（Retrieval-Based Voice Conversion）モデルを提供します。

すべてのモデルは、Python MDX NET HQ Mainと3つの処理方法を使用してトレーニングされ、可能な限りクリーンなソースオーディオを実現します。AIモデル自体は、最高品質のF0推定アプローチとして広く認識されているRMVPEメソッドを使用して構築されており、ターゲット音声のユニークなアクセントと特性を維持および強化するために0.7～0.9の検索率を備えています。その結果、独自のワークフローで使用できるカスタムPTHモデルファイルが作成されます。

データセットの準備プロセスには、トレーニングを開始する前に、アーティファクト、ノイズ、またはブリードを除去するためのソース音声のクリーニングが含まれます。オーディオは、クリーンなRAW WAVファイルとして提供する必要があり、ボーカルチューニング、ピッチ補正、またはオートチューンは適用されていません。最適なモデル品質のために、期間は20分から25分の間である必要があります。データセットは、クラウドリンクを介して、またはZIPまたはRARアーカイブとして注文チャットで直接配信できます。

モデル作成に加え、本サービスではボーカル分離タスク（楽器除去およびボーカル除去）や特注のボイスオーバー（VO）録音も承ります。VO作業は、Audio-Technica AT4040コンデンサーマイク、Arturia MiniFuse 2オーディオインターフェース、ATH-M40Xモニタリングヘッドホン、Aston Haloアイソレーションシールドといったプロ仕様のスタジオ機器を使用してライブで行われ、放送品質を保証します。VOキャラクターやアーティストスタイルの音声は、男性と女性の両方で利用可能です。特定のキャラクター、アーティスト、またはパーソナリティをご希望の場合は、ご注文時にお申し付けください。

ワークフロー全体に適用される処理方法には、MDX、VR Arch、Demucs、ESNMモードが含まれており、チームは特定のソース素材に最適な分離アプローチを柔軟に選択できます。

注：ボーカルブレンドのリクエストには別途料金がかかります。該当する場合は、ご注文前にお問い合わせください。

**これは誰のためのものですか？**
オリジナルのAIボーカルレンディションを作成したい音楽プロデューサー、キャラクターボイスを構築するゲーム開発者やコンテンツクリエーター、迅速なプロトタイピングのために個人的なAIクローンを求める声優、AI音楽と音声技術を探求する愛好家。

**仕組み:**
1. ご注文いただき、クリーンなWAVデータセット（20～25分、チューニングなし）をアップロードしてください。
2. チームがソースオーディオを処理・クリーニングし、RMVPEを使用してRVCモデルをトレーニングします。
3. 完成したPTHモデルファイルは、合意された期間内に納品されます。

モデルの処理には、データセットが受領および承認されてから通常10時間から1日かかります。