歌声合成¶
音声・オーディオ
オープンソース¶
-
FM-Singer AIが発見
2026
条件付き変分オートエンコーダー（cVAE）における潜在的なミスマッチを緩和し、合成された歌声の表現力豊かなディテールを向上させるフローマッチングベースの歌声合成モデル。
cvaeflow-matchingsvs -
SoulX-Singer AIが発見
2026
短い参照オーディオクリップから歌声をクローンおよび合成するために設計された、最先端のゼロショット歌声合成モデル。正確なピッチ制御と表現力豊かなスタイル転送により、高品質なボーカル生成を実現します。
svsvoice-cloningzero-shot -
VocalRender AIが発見
2026
事前に定義された音素レベルの音長や時間整合された音響ガイドを必要とせず、歌詞、MIDIピッチ、音符の値、テンポから表現力豊かな歌声を直接生成する、楽譜ネイティブな歌声合成システム。
diffusionscore-nativesinging-synthesissvs -
YingMusic-Singer AIが発見
2026
アノテーション不要のメロディガイダンスと柔軟な歌詞操作を特徴とする、完全拡散ベースのゼロショット歌唱音声合成・編集モデル。メロディの一貫性を保ちながら歌詞を変更した歌声を生成することができます。
diffusionsvszero-shot -
DiTSinger AIが発見
2025
500時間以上の高品質な中国語歌唱データからなる大規模コーパスを用いて、歌声合成（SVS）のスケールアップを図るDiffusion Transformer（DiT）ベースのモデル。Rotary Position Embedding（RoPE）と暗黙的アライメントを組み込み、表現力豊かなボーカル生成を実現します。
diffusion-transformerditscalingsvs -
TCSinger 2 AIが発見
2025
自然言語、音声、または歌唱プロンプトに基づくスタイル転送とスタイル制御をサポートする、マルチタスク・多言語ゼロショット歌唱音声合成（SVS）モデル。FlowベースのカスタムトランスフォーマーとMixture of Experts（MoE）アーキテクチャを採用し、高品質でカスタマイズ可能な歌唱音声を生成します。
multilingualstyle-transferzero-shot -
TechSinger AIが発見
2025
5つの言語と7つの歌唱テクニックをサポートする高度な多言語歌声合成システム。フローマッチングベースの生成モデルを採用し、表現力豊かで制御可能な歌声を生成。
flow-matchingmultilingualsinging-voicesvs -
VersBand AIが発見
2025
プロンプトベースの制御により、歌詞生成、旋律生成、歌声合成、および伴奏生成を統合するマルチタスク楽曲生成フレームワーク。
music-generationsinging-voice-synthesissong-generation -
YingMusic-Singer AIが発見
2025
Diffusion Transformer (DiT) アーキテクチャに基づき、音素レベルのアライメントや手動のメロディ注釈を必要としない、メロディ駆動型のゼロショット歌声合成および編集フレームワーク。
diffusionsinging-voicesvszero-shot -
GTSinger AIが発見
2024
6つの歌唱テクニックの音素レベルのアノテーションとリアルな楽譜を備えた、多様な歌声合成および変換タスクをサポートするグローバルなマルチテクニック歌唱コーパス。
datasetsinging-corpussinging-voice-synthesis -
Prompt-Singer AIが発見
2024
自然言語のプロンプトを使用して、ボーカルの特徴、感情、スタイルを制御できる歌声合成システム。テキストベースの記述と音響特徴量を結びつけ、直感的なボーカル制作を可能にします。
prompt-controlsvstext-to-singing -
StyleSinger AIが発見
2024
ドメイン外のスタイル転送向けに設計された歌声合成フレームワーク。限られた参照データからターゲットスタイルの表現力豊かなボーカルを生成可能にし、微細なスタイルの属性をモデル化して歌声のニュアンスを捉えます。
style-transfersvszero-shot -
TCSinger AIが発見
2024
オーディオおよびテキストプロンプトから、未知の音色やスタイル（歌唱法、感情、リズムなど）を持つ高品質な歌声を生成するために設計された、マルチレベルスタイル制御対応のゼロショット歌声合成フレームワーク。
style-controlstyle-transfersvszero-shot -
CoMoSpeech AIが発見
2023
整合性モデル（Consistency Model）に基づく音声および歌声合成システム。多段階の拡散教師モデルを1ステップの生徒モデルに蒸留することで、極めて高速な推論速度で高忠実度なオーディオ生成を実現します。
consistency-modelreal-timesvstts -
Fish Diffusion AIが発見
2023
拡散モデル（Diffusion Models）をベースにした、テキスト読み上げ（TTS）、歌声合成（SVS）、および歌声音声変換（SVC）のための使いやすいオープンソースフレームワーク。
diffusionsvcsvs -
So-VITS-SVC AIが発見
2023
SoftVCとVITSをベースにした非常に人気の高いオープンソースの歌声音声変換（SVC）フレームワーク。ボーカルの高精度なボイスクローニングや音色変換を可能にします。
svcvitsvoice-cloning -
StyleSinger AIが発見
2023
参照オーディオから表現力豊かな歌唱スタイルをキャプチャして転送するために、残差スタイル抽出器とスタイルに敏感なピッチ予測器を利用する、ドメイン外歌声合成（SVS）用のスタイル転送フレームワーク。
singing-voicestyle-transfersvszero-shot -
NNSVS AIが発見
2022
研究向けに設計されたオープンソースのニューラルネットワーク歌声合成ライブラリ。マルチストリームモデル、自己回帰型F0モデル、ニューラルボコーダーなどをサポートしています。
deep-learningnnsvssvs -
VISinger 2 AIが発見
2022
敵対的学習を伴う変分推論フレームワークにデジタル信号処理（DSP）シンセサイザーを統合した、エンドツーエンドの歌声合成システム。中間的な音響特徴量の変換を経ることなく、楽譜から高品質な音声波形を直接生成します。
dspend-to-endsvs -
DiffSinger AIが発見
2021
楽譜に連動した音響特徴量をモデル化する浅い拡散機構（Shallow Diffusion）に基づいたオープンソースの歌声合成（SVS）システム。従来の音響モデルにおける過度な平滑化問題を解決し、高精度でリアルな歌声を生成します。
diffusionsinging-voicesvs -
OpenUtau AIが発見
2020
UTAUの後継として開発されたオープンソースの歌声合成プラットフォーム。高度にカスタマイズ可能な編集環境、複数の音源フォーマットへの対応、先進的なフォネマイザー（音素変換器）を備えています。
svsutauvocal-synthesis
商用・業界ツール¶
-
ACE Studio AIが発見
2023
MIDIと歌詞からスタジオ品質のAIボーカルを生成する商用の歌声合成ワークステーション。ピッチ、ビブラート、感情表現などを精密にコントロール可能です。
ai-vocalscommercialsvs -
VoiSona AIが発見
2022
テクノスピーチ社が開発したAI歌声合成ソフトウェア。DAWと連携可能なVSTiプラグインに対応し、極めてリアルで高品質なボーカル生成を提供します。
commercialsvsvst -
CeVIO AI AIが発見
2021
ディープラーニング技術を用いて、人間の歌声や話し声を感情豊かにリアルに再現する次世代の音声・歌声合成プラットフォーム。
commercialdeep-learningsvs -
NEUTRINO AIが発見
2020
MusicXML形式の楽譜ファイルから極めて自然な歌声を生成する、ニューラルネットワークベースのフリーウェア歌声合成エンジン。東北きりたんなどの人気音声ライブラリを擁し、アニメやインディーズ音楽制作で広く利用されています。
freewareneural-networkneutrino -
Synthesizer V Studio AIが発見
2020
Dreamtonics社が開発したプロフェッショナル向けの歌声合成ソフトウェア。ディープニューラルネットワークベースの合成エンジンとサンプルベースのハイブリッドアプローチを組み合わせ、極めてリアルな歌声、多言語合成、直感的なエディタインターフェースを提供します。
commercialdreamtonicseditorsvs -
Emvoice AIが発見
2019
歌詞とメロディの音符をDAW内で直接入力することで、リアルな歌声を生成できる次世代のボーカル合成プラグイン（VST/AU/AAX）。
daw-integrationvocal-pluginvst -
VOCALOID AIが発見
2003
ヤマハが開発した業界標準の歌声合成ソフトウェア。最新バージョンでは先進的なAIエンジンを採用し、自然で表現力豊かなボーカルパフォーマンスを実現しています。
commercialsvsvocaloid -
表現を細かく制御できる商用の歌声合成ソフト。アニメ調のボーカルや楽曲制作の主要ツール。
commercialsinging-synthesis
