ミクの学園ラブソング

vocasim 0.0.4 を使っていただいたnobitan さんのオリジナル曲を紹介します。あのスクリプトからこの作品を作り上げるまでは大変だったと思います。

nobitanさんには、ブログに vocasim の改良点の示唆もいただいておりますので、以下に検討いたします。

http://vocaloid.cocolog-nifty.com/blog/

課題１　音量調節ができない
ボーカロイドを人間らしく歌わせるには、何より抑揚をきっちりつける必要があります。特に音量のバラツキの多いリンレンでは、必要不可欠な作業です。しかしながら、vocasim は人間歌唱のシミュレートとして、音符の並びからフレーズを自動解析し、フレーズごとに盛り上がる箇所を決定しています。つまり、一つ一つの音符に対しては自動で音量が決まってしまい、ユーザーが演出することができません。じゃあ、vocasim 通した後で修正すれば？という考え方もありますが、ここで問題となるのはvocasimの微細振動データ。人間音声の不安定感を出すために、微妙なPIT やDYN変化が続くため、音量調整などをしてしまうと、この微細振動のデータが消えてしまうのです。

課題１の解決方法は、「事前に調教済みのデータの場合にはフレーズ自動解析を止めて、調教済みのDYN/PITを目標値としてPID制御する」ことです。これによりユーザが調教済みのデータを生かし、なおかつvocasim固有の微細振動を加えることが可能となります。

課題2　はっきりと発音しすぎてしまう
vocasimは、「ぼかりす」や「ぼかんないんです」の技術を参考に開発されており、特に音の立ち上がりのPIT変化やDYN変化に、通常の調教では考えられないほどの振幅を描きます。プレパレーションとかオーバーシュート、とかいう部分です。ところがこいつがクセモノで、全ての音符に一律に掛かってしまうため、ここはレガートにしたいなーという箇所全てが明瞭な発音となってしまいます。全体的にスタッカートな感じになってしまうのです。

この解決方法は、現在検討中です。なにか簡単な手段があるような気がします。

課題3　ある程度調教済みのデータを通すと悲惨なことに。
調教をしていると、音符を分割するケースが割と頻繁に発生します。あたりまえですがvocasimは、こうした音符分割のデータを普通に分かれていると判断し、それぞれに立ち上がりの極端なカーブを作ってしまうので、結果調教が進んでいるデータであればあるほど妙なことになってしまいます。

この解決方法は、音符分割のパターンを内部に記憶して、それらを１つの音符として扱うことです。例えば「ぼおかろいど」をそのまま vocasim に通すと「ぼ・お・か・ろ・い・ど」に分割して発音しますが、母音が共通する部分の「ぼお」は１つの音符として一連称呼した方が自然になるかと思います。

課題4　ビブラートの設定ができない。
基本的にvocasimのビブラートの掛かり具合は、フレーズ解析により決定されているようで、フレーズの一番後ろで延ばしている音に対して深くかかります。ところが、歌い手は常にそういった歌い方をしているわけではなく、むしろここはビブラートかけたくないなぁとか、そういった箇所もあるわけです。これらをどうやってコントロールするのか・・・という点も課題の一つでした。

この解決方法は「ビブラートなしのオプションを設けて、Vocaloid editor 側でビブラートを掛けることです。現在の vocasim 0.0.8 に搭載されていますのでご利用ください。

余談ですが、nobitanさんのブログのタイトルを見て、「目指せP」というプロデューサー名称が付与されるに違いないと思ったのは自分だけでしょうか。