作者: tarantella (Arithen Jacks Zhang) 看板: C_Chat
標題: Re: [新聞] 粉絲喊讚！初音不爽被山寨　拳揮大陸波霸
時間: Sat Oct 20 18:39:26 2012

※ 引述《qazieru (=w=)》之銘言：
: 粉絲喊讚！初音不爽被山寨　拳揮大陸波霸「東方梔子」.
: http://www.ettoday.net/news/20121019/116503.htm#ixzz29p9WMhMP
: 記者朱璟柔／綜合報導
: 日本最強的虛擬偶像「初音未來」紅到有「山寨版」，她是中國的虛擬明星「東方梔子」
: （網路誤稱為東方之子），一樣有及地雙馬尾、短裙、膝上靴和「絕對領域」，只是不同
: 的是「山寨初音」全身大紅色，還有初音望塵莫及的豐滿上圍，而最大的不同，是初音的
: 歌全是由軟體製作的「仿真人歌聲」，東方梔子的歌卻是由真人演唱再電音化。

這個我稍微講一下，初音也不是全部由軟體來發人聲，她是研發者先請配音員來念日本五
十音後，再由電腦來分析這五十音的聲音頻率，然後加以數位化，而因為人聲的聲音頻率
實在太多，以現有電腦的技術來全部數位化完全不可能，因此只能抓取主要的聲音頻率，
加以數位化後成為電腦合成音，因此初音未來可以唱出女低音最低的音律（在低音So），
可以唱出女高音最高的音律（在高兩個八度的Do）。

可是大陸這個東方梔子則完全是把歌手演唱一段歌曲，然後再加以電音化而已，因此雖然
成本上比初音還要便宜，但她的音域則會比初音還要少的可憐（以我聽她的聲音，大概在
Do至高音Do而以），如果要她唱女低音最低音及女高音最高音，則會完全變成機械音，比
初音還要更不自然。

大家如果有聽過有位音樂作曲家用Google發音者來唱歌的話，應該可以聽出他能使用的音
域有限，如果太高或太低，都會讓Google發音者的聲音嚴重變質。

所以電腦人聲模擬技術，中國還要走很長的路，絕對不可能速成辦到的。

--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 163.30.65.220
推 aappjj:那洛天依是抓了哪些音?漢語拼音有甚麼基本單位嗎?
也是一樣先抓取漢語三十七個基本拼音，然後再一起數位化。

然而因為漢語拼音有許多拼音會因為拼法不同而有變形現象，外加中文有五種音調，因此
當初日本在研發洛天伊時也是煞費苦心的。
※ 編輯: tarantella      來自: 163.30.65.220        (10/20 18:45)
→ PrinceBamboo:頻率是音調高低 五十音不是頻率
就是是念法也是有頻率差別的，我只是講基本概念而已，至於技術我還是處於摸索狀態。
※ 編輯: tarantella      來自: 163.30.65.220        (10/20 18:46)
推 milkfox:原來洛天衣是用37個基本拼音 ~受教了
→ milkfox:話說37個該不會是ㄅㄆㄇ那37個吧 = =|||
→ PrinceBamboo:說音域會比初音少也不對 他根本就不是歌曲製作軟體
→ milkfox:但是洛天依必須使用中國的漢語輸入 和台灣的差很大~
→ PrinceBamboo:アイウエオ的差異絕對不是頻率 DoReMi才是 別凹了
我可沒凹喔！因為我有向電腦音樂方面老師請教這個問題，而他們也講出電腦人聲軟體的
技術的基本概念。

而且每個人的聲音的頻率確實有差，就算是兩個人念ㄅ（b）的音，也會因為頻率不同而
有不一樣的聲音。

就像同樣都是講漢語，為何台灣人講話聲音跟大陸人講話聲音不一樣，也是這樣的道理。

總之我把我所知道告訴你們，至於你們看法如何就不在我的評論範圍。
※ 編輯: tarantella      來自: 163.30.65.220        (10/20 18:58)
→ PsycoZero:漢語拼音某程度上也是注音符號...某程度上
推 milkfox:不過我之前學認知發展時，ㄅㄆㄇ好像被歸於音節
→ w3160828:日本不可能用注音吧 用對岸的主流才正常
→ PrinceBamboo:還在凹 用機器發出同音高的ㄚ和ㄨ 頻率明明就相同
→ PrinceBamboo:你講兩個人用不同音高發同音 來證明五十音差異是頻率
→ PrinceBamboo:牛頭不對馬嘴
我該講的都已經講了，你要如何反駁我也無濟於事。

反正人聲虛擬軟體技術就是這樣的基礎概念，我講到這邊為止。
※ 編輯: tarantella      來自: 163.30.65.220        (10/20 19:17)
→ PrinceBamboo:"分析這五十音的聲音頻率"就是不合理的 偏要視而不見
很抱歉，我並沒有視而不見，我只是把我知道的基本概念講清楚而已。

如果你比我知道更多，你也可以發一篇專業文章來講，不過請用客氣的方式來講，我會全
盤吸收的。
※ 編輯: tarantella      來自: 163.30.65.220        (10/20 19:22)
推 CP64:一個音是由多個不同頻率音混成的 每個人在個頻率的比例不同
→ CP64:(看向等化器
推 kent0510:口氣好差...
我已經盡量客氣的回答各位了，我並沒有用激動的口語來講，只是把我所知道的盡量講出
來而已。
→ CP64:所以應該要改成"分析這五十音的聲音頻率"組成"" 比較合適:P
這方面我會改進用詞的，謝謝你的提醒。
※ 編輯: tarantella      來自: 163.30.65.220        (10/20 19:29)
→ PrinceBamboo:不是那樣改 五十音 跟頻率完全無關 頻率根本不能出現
推 kent0510:原po誤會了，我指口氣差的不是說你...
推 sdfsonic:                                我是說在座的各位...
推 PrinceBamboo:誰都看得出kent是說我 但原po習慣對號入座也非第一次
推 boni:原po所謂的"分析五十音頻率"應該是指針對"波形",就像是鋼琴
→ boni:黑管或音叉都可以發出"DO~~~~",可是一聽就知道是不同樂器的DO
→ boni:一段話當中的"あいうえお"有可能都是接近的頻率,但因為波形
→ boni:不同,所以人耳分別得出來
→ boni:(接下來是猜想部份)"人聲歌唱"跟"樂器"的差異在光是一個人
→ boni:就會有不同波形,如"あいうえお,ㄅㄆㄇㄈ,ABCD",不像比方鋼琴
→ boni:只有噹噹噹(阿反正就是那個聲音),所以在"合成"這件事情上,
→ boni:要漂亮地呈現特定一首歌,就必須先取樣那首歌所屬語言的文字的
→ boni:"聲"跟"韻"在各個音階的信號"波形",然後在runtime(使用者使用
→ boni:這個軟體的階段)以這個資料庫去做合成
→ boni:可是這個資料庫的生成是大工程,因為音域,還有感情表現的因素
→ boni:都會讓成品顯得不自然
→ boni:(進一步猜想)這樣的不自然有可能會發生"恐怖谷效應"
→ boni:技術者越是想要擬真,卻讓聽者越排斥,除非真的真的很真很真
→ boni:wiki:"恐怖谷理論"
→ boni:以上個人淺見....   _m_ (超土下座)
非常感謝你專業上的講解，我受教許多。
※ 編輯: tarantella      來自: 163.30.65.220        (10/20 20:39)