音声クローンとは何か、何ではないか
音声クローンソフトは、声の音色、つまりその声だと分かる決め手となるものを再現しつつ、話している内容はそのまま保ちます。これはボイスエフェクトとは根本的に別物です。ピッチを変えた「Demon」エフェクトは、あなたの声にフィルターを重ねたものにすぎません。クローンした声は、まったくの別人のように聞こえます。
音声クローンには2種類あり、VoxBoosterはその両方に対応しています。
- リアルタイム音声変換。 あなたが話すと、タイミングと感情をそのままに、対象の声でライブに出力されます。通話、配信、ゲームで使うのはこちらです。
- 音声クローンのテキスト読み上げ。 ソフトに参照録音を渡し、台本を入力すると、その声で新しい音声が生成されます。ボイスオーバー、ナレーション、コンテンツ制作で使うのはこちらです。
優れたリアルタイムクローンには、3つの条件を満たすことが求められます。
- ライブの会話に耐える低レイテンシ。 理想は、エンドツーエンドで1秒を大きく下回ることです。
- 個性。 出力が、ありふれた声ではなく、特定の一貫した声に聞こえること。
- プライバシー。 声は生体データであり、PCの外に出す必要があってはなりません。
リアルタイム音声クローン:別人としてライブで話す
Voice Cloneタブを開き、音声を選び、リアルタイムをオンにして話し始めます。マイクの音声はPC上のニューラルモデルを通り、対象の声で再合成されます。ピッチ(より低く、またはより高く)とゲインも調整できます。
結果は、Discord、Zoom、Teams、Google Meet、OBS、Streamlabs、ゲーム内ボイスチャット、ブラウザ通話など、マイクを使うものにそのまま流れます。インストールや選択が必要な仮想オーディオデバイスはありません。
レイテンシはデフォルトで約500 msで、品質を少し犠牲にすれば、特に専用GPUなら約250 msまで下げられます。
内蔵音声
VoxBoosterには、よくあるタイプを網羅した合成音声のライブラリが付属しています。たとえば次のとおりです。
- Marcus Blake: 中音域の男性。温かみがあり、ナレーター調。
- Elena Vox: 女性。落ち着いていて、ポッドキャスト向き。
- Ray Calder: 年配の男性。しわがれ声で、世の中に疲れた雰囲気。
- Jin Park: エネルギッシュで若々しい男性。
- Nia Holt: 女性。自信があり、威厳がある。
- Theo Strand: 深いバスの男性。悪役やノワールの主人公向き。
内蔵音声は合成音声で、実在の人物のコピーではないため、誰かのアイデンティティを借りることなく、配信やコンテンツで使えます。カスタム音声のインポートも可能です。
Voice Clone Studio:短い録音から声をクローンする
Voice Clone Studioは、好きな声をクローンして、その声で音声を生成する場所です。
- アプリ内で自分の声を録音するか、使用許可のある声の参照クリップを読み込みます。
- クリアな音声で最高の品質を得るために、参照録音の書き起こしを追加します(任意)。
- 声に話させたい内容を入力し、言語を選びます。
- 生成して聞き、音声を保存するか、サウンドボードに送ります。
お使いのPCに合った音声エンジンを選びましょう。
| エンジン | ダウンロードサイズ | 向いている用途 |
|---|---|---|
| Lite | 約1.2 GB | 軽めのハードウェアで素早く結果を得たいとき |
| Pro | 約2.3 GB | 最終版のレンダリングで最高品質を求めるとき |
処理は自動的にGPUを使い、フォールバックとしてCPUモードもあります。Voice Clone Studioでは、リアルタイムの制約なしにクリップをオフラインで変換して、クローンの品質を比較することもできます。
より良いクローンを作るコツ
- 静かな部屋で、マイクから手のひら1つ分ほど離して録音する。 音楽、反響、環境音のない状態にしてください。
- 自然に話す。 出力で欲しい感情の幅を込めて話しましょう。平坦な参照録音からは、平坦なクローンしかできません。
- 録音がクリアな音声なら、参照録音の書き起こしを使う。
- ライブで使うときは、ノイズ抑制とMic Boostをオンにする。 モデルにクリアで安定した信号が届きます。
- 最終出力にはPro、下書きや処理の遅いPCにはLiteを使う。
音声クローンの使い道
- コンテンツ制作: YouTubeのナレーション、TikTokやショートのボイスオーバー、トレーラーや解説動画を、一貫した声で。
- 配信とVTuber活動: 何時間でも、実在する別人のように聞こえる配信ペルソナ。
- ゲームとロールプレイ: Discordやゲーム内チャットでのキャラクターボイスを、それぞれ別のホットキーで。
- プライバシー: 本当の声を録音されることなく、通話や配信ができます。
- アクセシビリティ: フローティングオーバーレイに入力すると、そのテキストが自分のクローン音声でライブに読み上げられます。
- 試作: オーディオブック、ポッドキャスト、ゲームのセリフ、広告を、本番の声優を手配する前に試せます。
ローカルとクラウドの音声クローンの違い
| VoxBooster(ローカル) | 一般的なクラウド音声サービス | |
|---|---|---|
| 声が処理される場所 | お使いのPC上 | サービス提供者のサーバー上 |
| あらゆるアプリでのリアルタイム変換 | 可 | たいていは不可、またはウェブアプリ経由 |
| レイテンシ | 約250〜500 ms | ネットワークとサーバーの負荷しだい |
| オフライン動作 | 可(エンジンのダウンロード後) | 不可 |
| 利用制限 | なし | クレジット、文字数、分数の制限 |
| 料金 | 定額プランまたは買い切りのライフタイム | サブスクリプション階層と従量課金 |
クラウドサービスは膨大な音声ライブラリを提供でき、一部のワークフローでは役立ちますが、参照クリップも生成するセリフも、すべて先方のサーバーを通り、先方の規約のもとで扱われます。VoxBoosterなら、パイプライン全体があなたのマシン上で動きます。
音声クローン以外にも
同じアプリには、次の機能も入っています。
- 20種類以上のボイスエフェクトと、カスタムエフェクトの仕組み
- グローバルホットキーと内蔵のサウンド検索に対応したサウンドボード
- テキストのプロンプトから1曲まるごと生成するMusic Studio AI
- ライブ翻訳もオプションで使えるオフラインのWhisper音声入力
- ボーカル分離、エディター、書き起こし、コンバーターを備えたAudio Studio
- ノイズ抑制と、Auto Level付きのMic Boost
ハードウェア要件
- OS: Windows 10または11(64ビット)。
- GPU: 推奨。NVIDIA、AMD、IntelのDirectML対応GPUなら、どれでもレイテンシが下がり、生成が速くなります。
- CPU: 最近のクアッドコアプロセッサなら、CPUだけで音声クローンを動かせます。
- RAM: 動作中に約4 GBの空きが必要です。
- ディスク: インストーラーは約85 MB、これに音声エンジン(Liteは約1.2 GB、Proは約2.3 GB)が加わります。
- マイク: Windowsが認識するものならどれでも。
プライバシーと責任ある利用
音声クローンのパイプライン全体がお使いのPC上で動作します。録音や参照クリップが当社のサーバーにアップロードされることはなく、あなたの声でモデルを学習させることもありません。
クローンするのは、自分の声、内蔵音声、または持ち主の許可を得た声だけにしてください。クローン音声を使って、誰かになりすましたり、詐欺を働いたり、誰が話しているかについて人を誤解させたりしてはいけません。また、AI生成コンテンツに関する各プラットフォームのルールに従ってください。基本は他人の声を合法的にクローンする方法のガイドで解説しています。
FAQ
音声クローンソフトとは何ですか?
音声クローンソフトは、ニューラルモデルを使って、対象の声の音色を再現します。あなたの話し声をリアルタイムでその声に変換することも、入力したテキストからその声で新しい音声を生成することもできます。VoxBoosterはWindowsでその両方に対応しています。
VoxBoosterでリアルタイムに声をクローンできますか?
はい。Voice Cloneをオンにして音声を選び、話すだけです。PC上のニューラルモデルがあなたの発話をその声でライブに再合成し、マイクを使うすべてのアプリにその声が届きます。
声をクローンするには、どのくらいの音声が必要ですか?
Voice Clone Studioなら、短くてクリアな参照録音があれば、その声で音声を生成できます。音楽や環境音のないクリアな録音ほど、結果が良くなります。参照録音の書き起こしを加えると、品質がさらに上がります。
音声クローンは合法ですか?
自分の声や、持ち主の許可を得た声をクローンすることは、一般に問題ありません。クローン音声を使って誰かになりすましたり、詐欺を働いたり、誰が話しているかについて人を誤解させるコンテンツを公開したりすることは、違法になる可能性があり、ほとんどのプラットフォームのルールにも反します。
音声クローンはオフラインで動作しますか?
はい。音声エンジンをダウンロードしたあとは、リアルタイムクローンもVoice Clone Studioも、インターネット接続なしでローカルに動作します。録音がPCの外に出ることはありません。
音声クローンにGPUは必要ですか?
GPUを推奨しており、自動的に使われます。レイテンシが下がり、生成も速くなります。音声クローンはCPUだけでも動かせ、Liteエンジンは軽めのハードウェア向けに作られています。
ボイスエフェクトと音声クローンの違いは何ですか?
ボイスエフェクトは声にフィルターをかけてピッチやトーンを変えるため、フィルターを通したあなたの声のままです。音声クローンは、あなたの発話を別の人間の音色で再合成するので、タイミングと感情はそのままに、別人のように聞こえます。
無料トライアルはありますか?
はい。完全版アプリを3日間、クレジットカードなしで無料で使えます。リアルタイムクローン、Voice Clone Studio、その他すべてのツールが含まれます。トライアル終了後は、月額・3か月・年額、または買い切りのライフタイムライセンスから選べます。
音声クローンを3日間無料で試そう
全音声ライブラリ、Voice Clone Studio、すべてのツールをクレジットカードなしで。VoxBoosterをダウンロードして、数分で最初のクローン音声を聞いてみましょう。プランは料金ページでご覧いただけます。
関連記事: Windows向けAI音声クローンのチュートリアル · AIで自分の声をクローンする方法 · AI音声クローンソフトの比較 · 無料AI音声ジェネレーター · Voicemodの代替