こんばんは！
プロジェクトの方は現在109万6339円、31％で約1/3を達成する事が出来ました。募集開始が3月9日の昼過ぎで約4日半ほど経過、残り15日半と考えると、おかげさまでなかなか好調なペースで来れていると思います。ただ、まだまだ達成には遠く油断はできないため、引き続きSNS等で応援よろしくお願い致します！
また、要望のあった低額リターンの追加を行いました。高額支援が難しい或いはソフトはいらないけど発売に期待したい！という方おりましたら支援して頂けると嬉しいです。
さて今回はなぜ中の人がいない音声、足立レイの声をAITalk化しようかと思ったかという事をちょっと詳しくご紹介したいと思います。
実は一番最初は、エーアイさんではなく東芝デジタルソリューションズさんに相談しました。この時です。https://twitter.com/missile_39/status/1020180107179175936
何故かというと丁度この頃東芝デジタルソリューションズがコエステーションをリリースした頃で、UTAU界隈では「これを使えばいろんな声の読み上げ合成音声が作れるかもしれないぞ・・！？」って話題になていたんですね。かなり少ない文章量で読み上げ用合成音を作る事ができる。
そこで早速僕もできたばっかりの足立レイのUTAU音源を使って学習用音声を作り、友達のiPhoneを借りてコエステーションをインストールしてコエを作ってみたんですね。
でもなんかよく分からないほにょほにょした音？しかできなかった(´・ω・｀)
そこで直接東芝デジタルソリューションズさんに連絡を取ったところ快く相談に乗って頂けて、横浜の本社（Twitterの写真）まできてみてほしいと言われ、相談に伺いました。
そこでいろいろ技術的にどうであるか等相談に乗って頂いたのですが、コエステーションはここにも説明がある通り、https://coestation.jp/blog/detail.php?id=1002241統計的パラメトリック音声合成、つまり音響モデルを作ってHMMやAI技術で喋らせる、CeVIOと同じ系統に属する音声合成手法です。そこで研究者の方にお話を聞いたところ、
「この声を別の音声合成で使えるようにするなら、感覚的には恐らく統計的パラメトリック音声合成を使うより、波形接続方式を使った方が良いものができるように思う」
とのアドバイスをいただきました。うまく説明するのが難しいのですが、今は自分でもそう思います。恐らく、人間の声入力に最適化されたアルゴリズムやAIを使うより、よりデータに近い感じで入力する事も可能な（実際その手法が功を奏した）波形接続式の方がクオリティを上げる事が可能。だと思います。
そこで自分も良く知っているVOICEROID、そしてその合成エンジンを作っている株式会社エーアイさんの方にコンタクトした次第です。（なんとこの相談した先のエーアイさんにも東芝の技術者さんがいらっしゃったことは驚きました）ここでも快く相談に乗って頂き、動画等で説明している通り、かなり無茶な事にも関わらず試作を行ってくださいました。（通えるなら音素ラベリングをここ（エーアイ本社）でやっていってもいいとまで言ってくださいました）
何回かの試作の後うまくいかせることができる手法を発見し、その後ロボット用API等だけでなく一般販売も考えたい、と思い、ではどうしようか、という流れになったわけです。
実は途中、AHSさんにも企画を持っていくこともありました。これは最初は流れ、その後また呼んでいただいて、前向きにお話を頂きました。AHSさんにもこのプロジェクトはとても理解して頂き、とても嬉しく思いました。音声合成の会社って、なんだか新しい事に対してとても積極的な感じがしますし、同業者間での垣根も低い感じです。ただ、丁度この頃コロナウイルス含めいろいろあったようで数か月音信不通状態になってしまいました。
そこでその間考えたのですが、性質上ある程度自分が技術的にかかわる必要があり、販売した場合の売れ行き具合も相当に不透明、一人でやるよりは大きなお金がかかるし、他の声と技術もコンセプトも違いすぎるし・・という事も考えると、これはもう責任的な意味でも自分で起業して販売すべきなのでは、と考えました。
そこである意味元通り、クラウドファンディングを行い、成功したら自分で起業し、エーアイさんにエンジンの提供をしていただく、という形に戻ったのですが、丁度そのころA.I.VOICEができ、その枠に半分乗る形で今回計画が進んだ、といういきさつです。長かった・・
しかしクラウドファンディングが成功しなければ水の泡です。（専用にロボット用合成音APIを作成依頼する事は一応資金的にできますが）
このロボット音声何か魅力を感じて頂けましたら、ぜひ支援よろしくお願い致します！
