UTAUを使ってみた

さて合成音声ツールがVOCALOIDだけではないことを鮮明に教えてくれたCeVIOですが、実はVOCALOID以外で合成音声を扱うツールは一般公開・非公開（限定公開）ふくめると結構多数に及ぶようです。100種類と化のレベルアであるらしいですね。

たまたま職場にあった東芝の古いマシーン（起動できなくなったため廃棄相当としたが偶然修復できて放置してある）に「LaLaVoice」というツールがあり、しゃべらせることができるようだ。まあた「LaLaSong」で謳わせることもできる。
しかし実際に入力したもののリズムがCeVIO以上に酷く、daw側でかなりいじらないと修正はむりだろう。
サンプル音源がいくらか公開されているけれども、ベタうちでは不可能なくらいリズムがそろっているので、全く別の（LaLaSongとは異なる）方法で作られたとみてよい。
くわえて音質だが、Vocaloidを味わってしまった以上、あのクリアな音質よりも劣る音には耐えられない。あえてこの機械的な音を意図的に使う場合は別であるが。

まあ、ここまでは前置きだが、Vocaloidの次に注目されている、「UTAU」を、この土日で実際使ってみました。UTAUそのものはサブ亜臣にインストールしていてSONARと一緒に使うつもりでしたがSONARが余りにも難しすぎて挫折してしまいUTAUも触っていませんでした。
メインマシンにインストールして既成オリジナル曲をワンフレーズ打ってみましたが、まず、
おきたい場所に音符を置くことができないところが不便。
できないのではなく、休符を入れないといけないだけなので、ちゃんと譜面を作っていれば別に何ともないこと。尤も、Macのシェアウエアである、Melody Assistantは、実際に譜面を作る手順で音を置いていくので基本的には同じ。さいきんのDTMは譜面を作らずピアノロールだけで出来てしまうのがほとんどだから、もともと譜面を書いていた私は閉口していたのに、私もずいぶん横着になってしまったもんだと痛感します。

要するに、ちゃんと譜面を書いておればUTAUの入力は全く問題なく進められるということです。

しかし、UTAUで音を入力しても、なんというか、歌になっていない。音程の違う音が鳴っているだけにしか聞こえない。歌うように発音するにはなんらかの手当てが必要なようである。しかし今の私の知識は皆無だからこれからだ。

Vocaloid2のデータがUTAUで使える音をきいていたので、当面は使いやすいVocaloid2を使って入力し、UTAUへ持ってって際限という方法でいくしああさそうだ。
しかーし！
私はもともとVocaloid3から始めたクチなので、Vocaloid2を使うことは一切と言っていいほどないのである。V2のライブラリはすべてV3にインポートしてるのでそっちで使っている。わざわざV2を使う必要がない。

ここへきてUTAUと連携するにあたり、V2を見直さなければならない。しかしV3を運用している限り作成データがVSQXとなるためVSQしか扱えないUTAUには使えない。既存のVSQXを、V2で再現しなければならない。さてどうしようか。
V3で入力した音符データを、V2も立ち上げてコピペを試みた。結果はだめ。不可能。貼り付けできない。V2の音符はV2とは異なるパラメータを持っているから互換性をなくしているようだが、V2で使える範囲の情報を保ってV2にペーストできないものか。いまさらV2のバージョンアップはあり得ないから無理なんだろうなあ。新しくV2のライブラリが出るとも思えないし。

こういうときに役に立つのがネットである。V3使用者が、作ったV3をV2で再現する需要は絶対にあるはずだ。調べてみると、V3エンジンのジョブプラグインにV2のデータに変換できるものがあるらしい。早速ダウンロードし使って見た。いくらか失敗を経て、結果として一応、V3で作ったヴォーカルトラックをV2データにすることができた。プラグイン作者の方に感謝である。このツールはV3使用者がUTAUを簡単に使うには必携のツールではないかと思う。また、MusicMakerではV2をVSTプラグインとして使えるがV3が対応していない。そのためせっかくV3で作ったデータを（まあWAVで普通につかえるが）VSTで使うユーザーの場合はうれしいツールだろう。

ただし、V3のデータをV2にできるのはパート単位である。トラック1曲丸ごとをV2データにするには、パートを結合させて1曲を1パートで作らなければならない。パート結合はできるが何かの原因で結合できないパートがあるともはやWAV素材ベースでしか一緒にできない羽目になる。

で、つくってみたのは、セリフが入っている曲なのだが、そのセリフは当然SofTalkで作る。UTAUとSofTalkが登場すればもうおわかりだろう。あの「ゆっくり」に似たことが再現できる、というわけだ。UTAUに最初に組み込まれている音声と、Softalkの「女性1」は同一音源だから歌とセリフの音源を合わせることが簡単だ。正し厳密にはUTAUの付属音源「デフォ子」と「ゆっくり」は異なるので、極めるには別途「ゆっくり」の音源を入手する必要があるだろう。

しっかしSoftalkでしゃべらせてみると、みんな「ゆっくり」に聞こえてしまうのは独遠くのイントネーションだからかな。
いつかはUTAUとVocaloidを混ぜて楽曲を作ろう。例によって全く曲が作れないでいるのだが。。。