ロボット音声テキスト音声変換は、ストリーム、ミーム ビデオ、または SF キャラクターに、すぐに認識可能なマシン パーソナリティを与える最も簡単な方法の 1 つです。1 行を入力すると、明らかに非人間的な平坦でメタリックな音声が出力されます。寄付アラートや Android NPC、またはグリッチ AI ナレーターに最適に読み取られます。難しい点は、「ロボット音声」が 1980 年代のコンピューターの魅力的なビープボープから滑らかなボコーダー シンセロボットまで、音のファミリー全体をカバーしているということです。このガイドは、あなたが思い浮かべている正確なロボット音声を構築できるように、すべてのルートを分割します。
TL;DR
- ロボット音声テキスト音声変換には 2 つのフレーバーがあります: すでにロボットのような音のクラシック TTS エンジン、および最新 TTS (または独自の音声) をロボット エフェクトで押します。
- コア ロボット エフェクトは、リング モジュレーション (メタリック)、ボコーディング (音楽的シンセ)、ビット クラッシュ (ロー ファイ デジタル)、およびピッチ クォンタイズ (ピッチをノートに固定) です。
- 説得力のあるロボットには、軽いリング モジュレーション、軽いビット クラッシュ、ピッチ クォンタイズをスタックしてから、EQ を引き締めます。
- リアルタイム音声チェンジャーを使用すると、ライブで話すことができ、機械的に聞こえます。これは、静的なテキスト音声ロボットよりも表現力に富んでいます。
- 出力を仮想マイクで通してルーティングして、Discord、OBS、ゲームでロボット TTS をライブで使用します。
- VoxBooster はロボット エフェクト プリセット、組み込み TTS、ライブ ルーティングを搭載しているため、Windows 上の 1 か所ですべてを実行できます。
ロボット音声テキスト音声変換が必要な理由
ロボット音声ジェネレータが必要な理由は、予想よりも多くあり、各理由により、やや異なるサウンドに向かって押し進められます。
ストリーム上の寄付とアラート TTS。 視聴者がチップを渡し、メッセージが大声で読み上げられるとき、ロボット音声は物事を楽しく、少し匿名に保ちます。また、ゲーム オーディオの下に良く座り、部屋に 2 番目の人がいるように聞こえません。
SF キャラクターとペルソナ。 テーブルトップ プレイヤー、VTubers、マキニマ作成者は、NPC、船舶コンピューター、および悪役に Android および AI アシスタント音声を使用します。ロボット音声は「これは人ではありません」をどんなコスチュームよりも速く売ります。
ミームとコメディ ビデオ。 古典的な PC スピーチ エンジンの無表情な配信は、コメディ ゴールドです。多くのウイルス クリップのユーモアの半分は、平坦な機械的な声が何か荒唐無稽なことを述べているという事実です。
アクセシビリティとナレーション。 一部のクリエイターは、プライバシーや長いシリーズ全体の一貫性のため、合成音声を本当に好むため、軽いロボット キャラクターは、合成起源を気を散らす代わりにスタイルの一部にします。
具体的に懐かしいクラシック TTS の感触が欲しい場合は、GoAnimate の音声テキスト音声変換についてのコンパニオン ピースがその懐かしい味を詳しく掘り下げます。
ロボット音声テキスト音声変換とは何ですか?
ロボット音声テキスト音声変換は、入力されたテキストを、人間ではなく、機械的、合成的、またはアンドロイドのような音声に変換するプロセスです。2 つの方法で達成できます: 音声がすでにロボットのような音のような TTS エンジンを選択するか、通常の音を生成してから、人間のぬくもりを取り除き、マシン文字を追加するオーディオ エフェクトで処理します。
その 2 つのルート スプリットは重要なので、順番に各ルートを見てみましょう。最初のルートは正しい音声を選択することです。2 番目のルートは、任意の音声をロボットに形成することです。
ルート 1: すでにロボットのような音のクラシック TTS エンジン
テキスト音声ロボットへの最古のパスは、最初から機械的だった音声合成を使用することです。初期の音声合成システムはフォルマント規則から音声を生成するか、小さな記録音声単位を一緒に縫い合わせ、平坦なピッチと堅い時間を生成しました。この「制限」は現在、愛される美しさです。
クラシック ロボット TTS を見つける場所
- 組み込みシステム音声。 Windows と macOS の両方が無料 TTS 音声を出荷しています。古く、より基本的なものは、特に高い音声レートで自然にロボット的なエッジを持っています。
- Web ベースのクラシック TTS ツール。 いくつかのサイトは、正確にビンテージ PC スピーチ サウンドを再現しており、多くの無料ブラウザ オプションは迅速なスターティング ポイントとして機能します。
- スクリーン リーダーと開発者ツール。 多くの開発者とアクセシビリティ音声は、デザイン別に合成へ傾斜し、追加の処理なしで説得力のあるロボット ナレーションを作成します。
ルート 1 の利点は単純さです: 入力、生成、完了。デメリットはコントロールです。エンジンがあなたに与える音声を取得し、それが十分にロボットのように聞こえない場合、エフェクトなしでそれをさらに押すことはできません。ここがルート 2 が登場するところです。
ルート 2: 最新 TTS または独自の音声（ロボット エフェクト経由）
最新のアプローチは、クリーンな音声から始めることです。自然な TTS または独自のマイク、およびオーディオ エフェクトを使用してそれをロボットに形成します。これにより、結果がどのくらい機械的に聞こえるかを完全に制御できます。重い持ち上げを行う 4 つのエフェクトを、プレーン言語で示します。
リング モジュレーション (古典的なメタリック トーン)
リング モジュレーションは、安定した音色で音声を乗算し、元々は音声に決してなかった新しいメタリック オーバートーンを振ります。これは、最も有名な SF ロボットと邪悪なコンピューター悪役の背後にある音です。少しは長い道のり: 重いリング モッドはスピーチを理解できない蜂の声に変えるため、暖かいロボットの場合はモジュレーション周波数を低く、より厳しく、金切りの高い場合は高くしてください。
ボコーディング (音楽的シンセロボット)
ボコーダーは、音声を周波数バンドに分割し、それらを使用してシンセ トーンを形成するため、単語は電子キャリアの上に乗っています。これは、数十年の電子音楽から「歌うロボット」とトークボックス隣接音です。ロボットが、厳しく、金切りの代わりに、音楽的、滑らか、未来的に感じてほしい場合、ボコーディングはあなたの選択です。
ビット クラッシュ (ロー ファイ デジタル ギター)
ビット クラッシュは、意図的に音声のビット深度とサンプル レートを削減し、ざらざらした低解像度デジタル ギターを追加します。これは、「グリッチ AI」または破損した伝送ロボットへの高速ルートです。微妙な復古デジタル エッジの場合は軽く使用するか、壊れた、ゆがんだマシンをクランクして、何かが機能しなくなっているように聞こえます。
ピッチ クォンタイズ (音声をノートに固定)
ピッチ クォンタイズは、固定された音楽ノートへの音声をスナップし、人間のスピーチを生きているように聞こえさせる自然なマイクロワブルを削除します。そのワブルを取り除き、脳は即座に「マシン」を読みます。リング モジュレーション または ビット クラッシュの下にスタックされた、ピッチ クォンタイズは、多くの場合、「ある種の処理」音を本当に説得力のあるロボットに押し進める成分です。
このロボット ワークフローを完全に合成 AI ナレーションと比較したいですか? AI voice text to speechガイドは、最新の TTS 側をカバーしており、AI TTS をこれらの同じロボット エフェクトにフィードしてその 2 つを混合できます。
説得力のあるロボット音声ジェネレータの設定レシピ
音声チェンジャーで適応させることができるスターティング レシピです。これらを方向として扱い、聖書ではなく、味に合わせて調整してください。
- きれいに始めます。 ノイズ抑制入力またはクリーン TTS を使用して、エフェクトが部屋のヒスではなく、音声に作用するようにします。
- 軽いリング モジュレーションを追加します。 モジュレーション周波数を低く保ち、ミックスを適度にします。メタリック シマーが必要で、蜂のような混乱ではありません。
- 軽いビット クラッシュをレイアーします。 デジタル グリット を追加するだけで十分です。言葉が落ちはじめたら、バックします。
- ピッチ クォンタイズを適用します。 ピッチをスケールにスナップして、音声が人間のゆらぎを失うようにします。これは、ほとんどの人がスキップするステップであり、最も重要なステップです。
- EQ を形成します。 深い低いエンドをロール オフし、ミッド-ハイズに小さなプレゼンス ブースト を追加して、ロボットがミックスを通して切ります。
- オプションでピッチを下げるか上げます。 低いフォーマントは大きな産業用機械として読み取られます; 高い 1 つは小さく、かわいい droid として読み取られます。
- プリセットとして保存します。 良く聞こえたら、保存して、正確なロボットをオンデマンドで呼び出すことができます。
各行を入力する代わりに独自のライブ音声を変換したい場合は、リアルタイム音声チェンジャーは、話しているときにこの全チェーンをマイクに適用し、自然なタイミングと感情を保ちます。
比較されたロボット音声スタイル
すべてのロボットが同じように聞こえません。このテーブルは、最も要求されている 4 つのスタイルを、それらに適合するエフェクトと使用例にマップするため、希望の音に直接向かうことができます。
| ロボット スタイル | コア レシピ | のような音 | 最適な |
|---|---|---|---|
| クラシック PC スピーチ | ビンテージ TTS エンジン、最小限のエフェクト | 1980 年代のホーム コンピューター、平坦でビープ音 | ノスタルジア ミーム、レトロ ナレーション、コメディ |
| SF Android | ライト リング モッド + EQ 存在 + わずかなピッチ ドロップ | 船舶コンピューター、落ち着いた AI アシスタント | SF キャラクター、VTuber NPC、アラート |
| ボコーダー ミュージカル ロボット | ボコーディング + 定常キャリア トーン | スムーズな電子シンギング ロボット | 音楽イントロ、スタイリッシュな未来的なペルソナ |
| グリッチ AI | ヘビー ビット クラッシュ + リング モッド + ランダム ドロップアウト | 破損した信号、機能していないマシン | ホラー ビット、悪役の暴露、ミーム カオス |
スタイルの混合は公平です。たとえば、グリッチの触れでの SF アンドロイドは「この AI は暴走し始めています」を売ります。
Discord と OBS でロボット テキスト音声をライブで使用する
静的なオーディオ ファイルは編集済みビデオには問題ありませんが、ストリーマーとゲーマーは通常、ロボット音声をライブで、リアルタイムで、使用しているアプリで希望します。これを機能させるブリッジは、仮想マイクです。
仮想マイクは、他のアプリが通常のマイクとして見るソフトウェア オーディオ デバイスです。処理されたロボット オーディオをそれにルーティングしてから、Discord、OBS、またはゲーム内の入力として選択します。反対側のすべての人がロボットを生の音声の代わりに聞きます。
Discord でのライブ ロボット音声
- 音声チェンジャーでロボット音声をセットアップし、出力を仮想マイクにルーティングします。
- Discord の設定を開き、[音声とビデオ] に移動します。
- [入力デバイス] で、物理マイクの代わりに仮想マイクを選択します。
- 話すか、TTS をトリガーし、友達がロボット テキスト音声を聞きます。
Discord 用の音声チェンジャーチュートリアルでは、スタックした場合の完全なセットアップについて説明します。
OBS でのライブ ロボット音声（ストリーミング用）
- ロボット音声出力を仮想マイクにルーティングします。
- OBS で、[オーディオ入力キャプチャ] ソースを追加し、その仮想マイクを選択します。ソースの追加については、公式の OBS Studio クイック スタート ガイドを参照してください。
- 寄付またはアラート TTS を同じデバイスで再生するようにワイアリングして、チップがストリーム上のロボット音声で読み取られるようにします。
ロボット音声をより信じられるようにするにはどうすればよいですか?
ロボット音声をより信じられるようにするには、処理を文字に合わせて、リスナーの耳が機械から期待する小さな機械的な詳細を追加します。船舶コンピューターは落ち着いていて均等に聞こえるべきです; 戦闘ドロイドはクリップされて蜂のように聞こえるべきです。エフェクトは仕事の半分に過ぎません。もう半分はパフォーマンスと文脈です。
一貫して幻想を売る 3 つのタッチを次に示します。
- 微妙なモーター またはハム ベッドを追加します。 音声の下に非常に静かな、安定した低ハムは、マシンが実行中であることを意味します。ノイズとしてではなく潜在意識的に登録するように、音声のはるか下に置いてください。
- 感情をトリミング、リズムを均等に保ちます。 人間は感じることで速度を上げたり遅くしたりします。説得力のあるロボットはメトロノーム ペースを保つため、配信をフラット化するか、TTS を均等な音声レートに設定します。
- 短いビープ またはクリックで句読点を付けます。 1 行の前後の単一の柔らかいビープは、古い SF コンピューターが「思考」を発表した方法と同じように、すべてをマシン出力としてフレーミングします。
リング モジュレーション とピッチ クォンタイズの上にレイアーされた、これらの小さなキューは、単に処理された音声を、視聴者が信じるキャラクターに変えます。
テキスト音声ロボットの一般的な間違い
避けられるいくつかのエラーは、クリスプ ロボットと泥っぽい混乱を分離します。
エフェクトをやり過ぎます。 ヘビー リング モッド、マックス ビット クラッシュ、積極的なクォンタイズ を一度にスタックすると、通常は理解を破壊します。ロボットはまだ理解する必要があります。エフェクトを一度に 1 つずつ追加し、機械的に読むが明確なときに停止します。
入力品質を無視します。 エフェクトは、バック グラウンド ヒスとハム を含めて、受け取るものを増幅します。クリーンで、ノイズ抑制されたソースから始めて、ロボット文字がノイズではなくエフェクトから来るようにします。
ピッチ クォンタイズを忘れています。 多くの人は歪みを適用し、なぜそれでも歪んだ人のように聞こえるのか思い始めます。自然なピッチ ワブルを削除することは、「マシン」にスイッチをフリップするトリックです。
レベル チェックをスキップします。 ロボット エフェクトは、音量をスパイクまたは潰す可能性があります。クイック テスト レコーディングを行い、レベルを視聴し、ロボットがミックスで正しく座っていることを調整します。ライブに行く前にキャプチャされた短いテスト クリップは、ストリーム上でブロー アウト サプライズから保存します。
VoxBooster がどこに適合するか
3 つの個別のツールをチェーンしたくない場合、VoxBooster は Windows 10 および 11 上で実行され、ロボット エフェクト プリセット、組み込みテキスト音声、リアルタイム音声チェンジャー、および任意のアプリに処理済みオーディオをルーティングする仮想マイクをバンドルしています。つまり、タイプされたテキストからロボット音声を生成するか、ロボット プリセットでライブで話し、どちらかを追加のプラミングなしで Discord、OBS、またはゲームに直接送信できます。
すべてはデバイス上で処理されるため、オーディオは PC を離れることはなく、ロボット プリセットをコミットする前にテストしたい場合、クレジット カード不要の 3 日間のフル トライアルがあります。価格ページに含まれるもを確認できます。
FAQ
ロボット音声テキスト音声変換とは何ですか?
ロボット音声テキスト音声変換は、入力されたテキストをロボットのような、またはアンドロイドのような音の合成音声に変換します。すでにロボットのような音に聞こえるクラシック TTS エンジンから取得するか、任意の TTS または自分の声をリング モジュレーションやボコーダーなどのロボット オーディオ エフェクトで処理して取得できます。
ストリームの寄付 TTS 用のロボット音声を作成するにはどうすればよいですか?
ロボットのような音の TTS 音声を選択するか、通常の TTS をロボット プリセットに設定された音声チェンジャーで送信します。仮想マイクを使用してストリーミング ソフトウェアに出力をルーティングして、寄付がトリガーされたときにロボット テキスト音声がライブで再生されるようにします。
どの効果が音声をロボットのようにしますか?
リング モジュレーションは古典的な金属性 Dalek トーンを与え、ボコーダーは音楽的なシンセロボット音を与え、ビット クラッシュはロー ファイ デジタル ギターを追加します。ピッチ クォンタイズは音声を固定ノートにロックするため、自然な人間のゆらぎが失われ、機械のように読み取られます。
自分の音声をロボット音声ジェネレータとして使用できますか?
はい。リアルタイム音声チェンジャーはライブ マイクにロボット エフェクトを適用するため、通常は話しますが、出力は機械的に聞こえます。これは静的なテキスト音声ロボットよりも表現力に富んでいます。これはタイミング、感情、強調を自分で制御するためです。
ロボット音声テキスト音声変換は無料ですか?
多くのオペレーティング システムはすでにロボットのような音のシステム TTS 音声を無料で出荷しており、無料の Web ツールが存在します。ライブ ルーティング付きのフル リアルタイム ロボット エフェクトは通常、専用の音声チェンジャー ソフトウェアが必要です。その一部は無料トライアルを提供しているため、決定する前にテストできます。
昔のような TTS がそんなにロボット的に聞こえるのはなぜですか?
初期の音声合成は短い記録音声単位を一緒に縫い合わせるか、フォルマント規則から音声を生成し、平坦なピッチと機械的なリズムが生じました。この制限は現在、ノスタルジックな美しさになったため、人々は意図的に古典的な PC 音声ロボット サウンドを探しています。
Discord でテキスト音声ロボット音声を使用できますか?
はい。ロボット音声を生成または処理し、仮想マイクでルーティングして、Discord の入力デバイスとして選択します。その後、友達は声チャネルで通常のマイクの代わりに、ロボット テキスト音声を聞きます。
結論
ロボット音声テキスト音声変換は、実際には 1 つの名前の 2 つのスキルです: すでに機械的である音声を選択するか、リング モジュレーション、ボコーディング、ビット クラッシュ、ピッチ クォンタイズを使用してロボットに任意の音声を形成します。これら 4 つのエフェクトと生成するスタイルを理解すると、頭に聞こえるアンドロイド、レトロ コンピューター、またはグリッチ AI を正確に調整してから、仮想マイクで Discord、OBS、ゲームにライブでルーティングできます。
ロボット プリセット、TTS、ライブ ルーティングを 1 つの Windows アプリに希望する場合、デバイス上で すべてを保つ VoxBooster は試す価値のある 1 つのオプション、3 日間のトライアルはカードが必要ありません。VoxBooster をダウンロードして、本日のロボット音声の構築を開始します。