Ultシリーズは、音質と精度を極限まで追求して作り上げたモデルです。 数万ファイルに及ぶデータセットを対象に、手作業による整音と音素レシオの再調整を行い、そのデータセットをもとにした事前学習モデルを使用しています。 発音精度はもちろん、囁き声・笑い声・歌声・咳払いなど、さまざまな声の表現にも対応できるようこだわりました。 いままでのモデル同様、素材となる音声を学習させたそのままのモデルではなく、 様々な声質を細かな調整でブレンドしたモデルです。 ※各モデルそれぞれ詳細なレシピを作っています。 ※ピッチ破綻も最小限に抑えています。