音声合成に日本語を正しく読んでもらう話 〜高低アクセントからG2Pまで〜 【前編】

"それぞれの高低を並べるだけでは「世界記録」になりません。単語を足しただけなのに、アクセントの位置が変わるのです。[3:4] しかも、こうした変化は単語がつながる度に起こり、規則性がありません"

音声合成いろいろやってた頃は日本語のピッチアクセント問題とはたたかったっけ

声質がいくら自然になってもアクセント結合とか数字の読み分けで台無しになる問題、根が深すぎる

目指すものとは違うかもしれないけど、音声入力などで実際に人間が読み上げた読みや音の高低を反映させる仕組みは難しいのかな？文全体の抑揚や声の大小、速さや間まで反映した上で、声色だけ結月ゆかり、みたいな。

そういえば、1から10まで数えるときと、10から1まで数えるときとで4と7の読みが変わる問題とかあったっけ。Geminiとかはどうしているのかな

関西弁欲しい人もいよう。

VOICEROIDで散々さわってきたやないか。ただあのUIよりもっと良いのはないかと思わなくもないけども

機械音声はこの辺がダメなので人間の出る幕があると思うと、進歩してもらっていいんだか悪いんだかな気持ちになったり。分析だけ進むってこともないだろうし。

アクセントが違うと意味が通じないと言うほど通じなくはない。これもあくまでも東京式の話をしている。どの方言でもそうはならんだろと言うアクセントと語によって揺れるアクセントは区別してほしい。

ドリフのコント思い出す。「名前は？」「知りませんか」「知らないよ。名字は？」「…月光ですか」「月光さん。名前は？」「…仮面ですか」「月↑光↓仮面さん」「いや、月光↑仮面↓です」てやつ

たいていの文章は60年くらい前の標準アクセントで読めるが、人名だけはわからん。▼地元の人が「標準語」と思っている発音の中に必ず混じる方言読みというのもある。

後編既にあるんか。https://zenn.dev/mkj/articles/47127baca9eaa0

ちょっと前に話題になったが『ここ座んなよ』はアクセントで推奨にも拒否にもなる。真逆の意味になるんだからアクセントは重要。

https://x.com/izutorishima/status/2108904045645881814