日本語セリフも読める音声AI「Style-Bert-VITS2」で音声合成を試す

2024年2月17日
AI BLOG Technology

先日、「日本語セリフも読める音声合成AI「Style-Bert-VITS2」をインストール」と言う記事で、Style-Bert-VITS2のインストール方法について紹介しましたが、今回はStyle-Bert-VITS2を利用して音声合成を行う手順をまとめていきたいと思います。

Style-Bert-VITS2を起動

Style-Bert-VITS2をインストール時には自動的に立ち上がってきましたが、2回目以降の起動は「Style-Bert-VITS2」フォルダ内の「App.bat」を実行して起動します。

「App.bat」を実行した後に表示される、 local URLをクリックすれば起動が完了です。

音声のモデルを選択・ロード

起動したら、音声モデルを選択しロードします。ディフォルトでは、4種類のモデルが用意されており、jvnv-F1-jp、jvnv-F2-jpが女性、jvnv-M1-jp、jvnv-M2-jpが男性となります。UIにも記載されていますが、初期からあるjvnvのモデルは、JVNVコーパス（言語音声と非言語音声を持つ日本語感情音声コーパス）で学習されたモデルです。ライセンスはCC BY-SA 4.0となりますのでご注意ください。

読み込みたいモデルが決まったらロードボタンを押してモデルをセットします。