音声処理関連

→画像処理関連

→動画関連

→自然言語処理

一般†

• テキストから音声（ため息・笑い声も可）を生成できるBarkのインストール | ジコログ 2023.4

• Pythonを用いた発話分割【AIボイスチェンジャーの学習で役立つ】 | ジコログ 2023.4

• 【Python】pydub使ったら音声データの解析がめっちゃ簡単だった - Qiita 2022.11

• 【無料のAI作曲ツール】Musikaのインストール | ジコログ 2022.10

• 音楽に関連する計算式まとめ - Qiita 2022.1

• 信号処理とか音楽の分析に大活躍しそうなlibrosa 2021.9
  • python用のライブラリです

• FLACファイルとは？FLACをMP3/OGG/AAC/WAVへ変換するには？ 2015.6
  • https://xiph.org/flac/index.html

• Ogg Vorbis download
• iTunesでoggを再生する
• Audio Library Part I

読み上げ／音声合成／音声言語処理／音声分離†

• Azure : Speech to Text と OpenAI で動画・音声からテキストを生成 - Qiita 2023.6

• 【AIボイスチェンジャー】確実にわかるRVCの使い方 | ジコログ 2023.4

• 無料で自由に使える簡単操作のボーカルリムーバー | ジコログ 2023.4

• 文章から音楽を生成するRiffusionのインストール | ジコログ 2022.12

• 【藤本健のDigital Audio Laboratory】AIでボーカル・ドラムを取り出す、無料音声分離「Demucs」を試す-AV Watch 2022.12

• AIが音楽に変える！「text2music」でツイートから音楽を作ってみよう - Qiita 2022.12
• img2musicで、画像から音楽を生成する 2022.10

• テキストから音楽を作成するMubert-Text-to-Musicのインストール | ジコログ 2022.10

• GitHub - MubertAI/Mubert-Text-to-Music: A simple notebook demonstrating prompt-based music generation via Mubert API 2022.10

• AudioGen: Textually Guided Audio Generation 2022.9

• 【Wav2LipによるAI動画編集】動画の人物を無理やりしゃべらせる | ジコログ 2022.9

• 【Pythonで音声合成（テキスト読み上げ）】gTTSのインストール | ジコログ 2022.9

• AIで音楽をボーカル・ドラム・ベース・その他に分離できる「Demucs」【レビュー】 - 窓の杜 2022.9

• 音声読み上げアプリ作成 PySimpleGUI, gTTS, Python | みやしんのプログラミングスキル通信 2022.8

• How To Transcribe Your Podcast with Python - DEV Community 2022.8

• Python の SpeechRecognizer を用いて音声認識（SpeechRecognizer，Python を使用）（Windows 上） 2022.8

• Creating Your Own Voice Assistant in Python - DEV Community 2022.7

• [M1] 音声認識ツール Voskを動かす [Node] | DevelopersIO 2022.7
• 日本語音声のマイク入力をオフラインでリアルタイム音声認識：「VOSK」を JavaScript（Node.js）で扱う - Qiita 2022.6

• ZOOMの日本語音声を無料で英語に翻訳した字幕をつける。 - Qiita 2022.5
  • AzureのSpeech translationの無料枠を使用

• VOICEPEAKの音声にほぼドンピシャの字幕ファイルを作成するPythonスクリプト - Qiita 2022.3

• 入力文字読み上げソフト『VOICEPEAK』を試してみた | DevelopersIO 2022.3

• 読み上げテキスト

• 青空ろーどく
  • 青空文庫の読み上げ

• http://www35.atwiki.jp/softalk/
  • Softalk テキスト読み上げソフト（ゆっくりしていってね！の声とも言われる）

• ボカロ(作るところから)はじめました 2014.4.20
• 青空文庫や六法のオーディオブックを無料で作る方法
• Microsoft Speech Platform の日本語音声合成エンジン

• Windows10,WSL2でESPNetのVITS学習レシピを実行する【音声合成】 - Qiita 2022.3
• パソコンにしゃべらせてみよう
• AquesTalk
  • Softalkなどで使われているテキスト読み上げ機能のライブラリ

Amazon Polly†

• ChatGPT + Amazon Polly + Android で AI 音声アシスタントを作り、一番おすすめのうどん屋を聞く - Intelligent Technology's Technical Blog 2023.5

• [初心者向け] Amazon Polly を使って ChatGPT を体感してみる | DevelopersIO 2023.3
• Amazon Polly に歌わせて VTuber デビューさせてみた - builders.flash☆ - 変化を求めるデベロッパーを応援するウェブマガジン | AWS 2023.1
• Amazon Pollyを使ってAIに音声を読み上げしてもらおう！ - M&Aクラウド開発者ブログ 2023.1
• AI音声のAmazon Pollyを使ってみた! | DevelopersIO 2022.9

文字起こし／音声認識†

• ChatGPT, Python, Whisper APIを活用し、動画ファイルから議事録を自動生成 - Qiita 2023.4

• Windowsで音声文字起こし　MyWhisper（マイウィスパー） - umiyuki - BOOTH 2023.4
  • umiyuki/MyWhisper: WindowsでWhisper文字起こしできるアプリ

• ChatGPTによる構造化データの音声入力インターフェースが賢すぎる - Qiita 2023.3

• 音声文字起こし技術で業務効率化: Google Text to Speech と OpenAI Whisper の活用 - STORES Product Blog 2023.3

• 超高精度な国産音声認識AI「ReazonSpeech」が無償公開されたので文字起こし機能を使ってみた - GIGAZINE 2023.1

• アマゾンのAWSで音声の文字起こしサービスを無料で試してみた | Ledge.ai 2021.11
  • Amazon Transcribe

• アマゾンのAWSでテキストを解析してみた
  • Amazon Comprehendは、機械学習を使用してテキスト内のインサイトや関係性を検出できる自然言語処理（NLP）サービスです。キーフレーズ抽出、感情分析、実体認識、トピック形成、言語検出 API の利用ができ、アプリケーションへの統合もできます。

Whisper†

• OpenAIのWhisperとChatGPTのAPIでGoogle Colab上で簡易なボイスボットを作る | 株式会社AI Shift 2023.3

• 議事録作成の手間を解消？音声ファイルをChatGPTとWhisperで自動要約 / 開発者向けブログ・イベント | GMO Developers 2023.4

• Whisperで文字起こしをした議事録の発話者の名前を自動的に判定する！ - Qiita 2023.4

• 議事録作成の手間を解消？音声ファイルをChatGPTとWhisperで自動要約 - GMOインターネットグループ グループ研究開発本部（次世代システム研究室） 2023.3

• OpenAIが公開したChatGPTとWhisperのAPIをUnityでサクッと触れるようにした - Synamon’s Engineer blog 2023.3

• 文字起こしAI「Whisper」を誰でも簡単に使えるようにした超高精度文字起こしアプリ「writeout.ai」使い方まとめ、オープンソースでローカルでも動作OK - GIGAZINE 2023.3
  • beyondcode/writeout.ai: Transcribe and translate your audio files - for free 2023.3

• OpenAIのWhisper APIの25MB制限に合うような調整を検討する | DevelopersIO 2023.3

• Whisperを使ったリアルタイム音声認識と字幕描画方法の紹介 | さくらのナレッジ 2023.2

• Whisper + GPT-3 で会議音声からの議事録書き出し&サマリ自動生成をやってみる！ - Qiita 2023.2

• GitHub - ggerganov/whisper.cpp: Port of OpenAI's Whisper model in C/C++ 2022.12

• PCで再生中の音声をWhisperでリアルタイムに文字起こしする - TadaoYamaokaの開発日記 2022.10

• 音声認識モデルwhisperの全モデル文字起こし比較 - 毎日がEveryday、日々 Day by Day 2022

• OpenAIリリースのWhisperをCPUだけで動かすために色々試した話 | DevelopersIO 10

• 【Whisper】Webアプリ（GUIデモ）のインストール | ジコログ 2022.10

• 音声認識モデル”Whisper”をストリーミング処理対応させる方法 | DevelopersIO 2022.10
• 文字起こしAIで誰でも無料でYoutubeの字幕ファイルを作る方法 - ニートの言葉 2022.10
• OpenAIの音声認識Whisperを使って好きな洋画やアニメから英語教材を自作する - Qiita 2022.10

• 高精度な文字起こしAIでYoutubeの字幕を作ってみた - ニートの言葉 2022.9

• 【Python】AI音声認識Whisperを使ったSRT字幕ファイルの自動作成 | ジコログ 2022.9

• 無料でOpenAIの「Whisper」を使って録音ファイルから音声認識で文字おこしする方法まとめ - GIGAZINE 2022.9

• OpenAIがリリースした高精度な音声認識モデル”Whisper”を使って、オンライン会議の音声を書き起こししてみた | DevelopersIO 2022.9

• ほぼ完璧な文字起こしができるAI音声認識Whisperのインストール | ジコログ 2022.9

• OpenAIの音声認識Whisperがすごいので，Youtube用に字幕生成してみた - Qiita 2022.9
• OpenAIの音声認識Whisperがすごいので，Google Colabで試してみた（Webアプリを作ってデモ編） - Qiita 2022.9
• OpenAIの音声認識Whisperがすごいので，Google Colabで試してみた - Qiita 2022.9

Sound/Wav†

• ギターのチューナーを作ってみたい【前編】 - Qiita 2023.5
  • ギターのチューナーを作ってみたい【後編】 - Qiita 2023.5

• 事業撤退するので、Apple MusicのクローンアプリをOSSにします - Qiita 2022.7
• Sound recording and encoding in MP3
• WAVファイルにリアルタイムでエフェクトをかける
  • Ｃ言語によるmmio系処理による

OSC†

• OpenSound Control - Wikipedia 2022.2
  • OpenSound Control（OSC）とは、電子楽器（特にシンセサイザー）やコンピュータなどの機器において音楽演奏データをネットワーク経由でリアルタイムに共有するための通信プロトコルである。カリフォルニア大学バークレー校にある CNMAT（The Center for New Music and Audio Technologies）が開発した。
  • OSC はMIDIの代替となることを意図して設計されている。MIDIは1982年に実装されたもので、最近のマルチメディア用途には適していない部分が多い。通信プロトコルであるため、OSCによって、楽器やMIDIコントローラや各種マルチメディア機器が屋内のネットワーク（TCP/IP、イーサネット）やインターネットを経由して通信することが可能となる。OSCはブロードバンド・ネットワークの通信速度を最大限に活かしてデータ転送を行うため、31.250[kbps]と言う規格上の速度上限があったMIDIでは不可能な新たな利用方法が可能となっている。また、転送データの柔軟性も増しており、より高度なレベルでの通信が可能である。

• TouchDesigner×Pythonで軽率にOSC通信する方法を初心者向けに説明する - Qiita 2021

MIDI†

• YouTubeのピアノ演奏動画の全自動採譜（MIDI化） - Qiita 2022.9
• 【初投稿】Google Magenta でファイナルファンタジーの戦闘曲を学習させて新曲を作る試み - Qiita 2022.6
• WSLでMagentaを使ったピアノ耳コピの自動化 - Qiita 2022.8
• 世界のプログラミング言語(41) 簡単に音楽をプログラミングできる言語MML | TECH+ 2022.5
• C#によるMIDI toolkit

ツール†

• GitHub - facebookresearch/demucs: Code for the paper Hybrid Spectrogram and Waveform Source Separation 2023.5
  • 音源文理

• AI音声解析・分離ソフトDemucsの検証レポート - Qiita 2023.2

• FFmpegによる音声ファイルの分割【ChatGPT活用事例】 | ジコログ 2023.1

• 最強コード解析ツール「chordify」の使い方 2017
  • YouTubeにアップロードされている楽曲コードを自動で分析

• Online tone generator 2021.8

• Windowsユーザにオススメの万能仮想ミキサー「VoiceMeeter Banana」が凄い 2020.6
  • https://vb-audio.com/Cable/index.htm

• Eusing mp3 cutter

• ギター練習用音楽再生プレーヤ
  • 主に楽器の練習用に、音楽ファイルの再生速度を遅くしたり音程を変えたりして再生するソフト

• プロ流CDリッピング

• http://www.mediamonkey.com/
  • mp3のタグ整理機能

• iTunesは今すぐ捨てろ！音楽プレイヤの決定版登場
  • http://teenspirit.artificialspirit.com/

• 手持ちの曲の歌詞を全自動で取ってきてくれるCassini
• http://www.crintsoft.com/minilyrics.htm
• MP3ファイルをロスレス編集することができるフリーソフト「mp3DirectCut」
• Audacity
• Adobe Soundbooth
• Super C
  • あらゆるマルチメディアファイルのコンバート
  • ストリームの保存も可能
• KKKKK.Net 音加工ツールがある

• iOpenerによるM4P->MP3変換
• iTunesのメタデータをクリーンナップするTuneUp
• iTunesによるM4A->MP3の変換方法

最新の50件