音声クローニング (Voice Cloning)
高品質なカスタム音声を生成するには、入力音声（学習データ）が極めてクリアである必要があります。
- 録画場所 (Recording Location):
- 部屋の反響や残響を抑えましょう。防音ブースやクローゼットを使ったり、毛布で「要塞」のような空間を作ったりして、部屋の音を吸音してください。
- 機器 (Equipment):
- マイク：プロ仕様のXLRマイク（Audio-Technica AT2020やRode NT1など、150〜300ドル程度のもの）の使用が推奨されます。
- オーディオインターフェース： USBインターフェース（Focusriteなど）を使用してください。
- ポップフィルター（Pop-Filter）：破裂音（空気がマイクに当たることによる音）を防ぐために不可欠です。
- ソフトウェア (Software/DAW):
- REAPERやAudacityのようなソフトウェアを使用してください。
- 設定： WAVファイルをサンプリングレート44.1kHzまたは48kHz、ビット深度24-bitで録音してください。
- レベル：音声のピーク（Peaks）を-6 dB～-3 dBの範囲に、平均音量を-18 dBに設定することを目指してください。
- ポジショニング (Positioning):
- マイクから約20cm（こぶし2つ分に相当）の距離を保ってください。
- マイクに直接息がかからないよう、斜めの角度から話してください。
- パフォーマンス (Performance):
- 一貫性：常に同じエネルギーやトーンを維持してください。学習用データ内で、ささやき声と叫び声を混在させないようにしましょう。
AIは、息遣い、言葉のつかえ、ためらいの音（「えーっと」など）を含め、すべてを再現します。そのパフォーマンスが、まさに再現したいものであることを確認してください。
خ