F0もモーフィング対称にした方が良い？

[Hiroshiba]

質問の内容

モーフィング機能があります。
今はspectrogramのみがモーフィングしていますが、F0もモーフィングさせることが可能です。

ただF0をモーフィングさせるのは利点と欠点があり、どうすべきか悩んでいます。

• 利点
  • 話者がだんだん変わっていくのがわかりやすくなる
• 欠点
  • 音の高さが勝手に変わってしまう

欠点の方が目立ちそうで、例えばアクセントが２者で異なるときに途中で変になる気がします。

音高の平均だけをずらすという手もありそうです。

その他

実際、いろいろ試してみないと何が最高なのかわからない気がしています。
コメントお待ちしています。

ref

• ENH: モーフィングUIの実装 voicevox#1030

[github-actions]

本 Issue は直近 30 日間で活動がありません。今後の方針について VOICEVOX チームによる再検討がおこなわれる予定です。

[Hiroshiba]

面白いとは思うけど、重要度は高くないかなという認識です。

そもそもモーフィングの需要として、「話者Aと話者Bを配分した新しい話者を作りたい」というより、単に「新しいそこそこオリジナルな声を作りたい」が多い気がしています。
人が話者の個人差を感じるのはイントネーションより声質の配分が大きいと思うので、声質のモーフィングができている現状で十分かなと。

ただ、F0つまりイントネーションもモーフィングしたほうがよりオリジナリティが増しそうではあるので、実装を募集したい気持ちもあります。
というところでfeature（future？）一覧に書くのも良さそうに思っています。

「このままclose」：「featureに書く」が７：３くらいの気持ちです。

[tarepan]

声質のモーフィングができている現状で十分

👍️
同意です。現時点では十分に感じます。
モーフィングがより広く利用され、更なるオリジナリティが求められる時代になって初めて本 issue の意義が生まれると考えます。
まだその段階に無い & その未来はまだ見えていないので、「このままclose」に賛成です。

[Hiroshiba]

十分魅力的な機能だと思うのでcloseします！
一方で検証や実装があれば採用したい気持ちもあります。ご興味あればコメントいただければ！