お久しぶりです。こんにちわ。
 |
| 大体デカいし重たいです(500g前後~600g前後) |
②外部マイク(有線)を利用する
③外部マイク(無線)を利用する
まず、①に関してですが、オーディオインターフェースに搭載されているASIOという機能が使えない為、ボイチェン後の声をモニタリング使用するとWindowsのオーディオドライバーを経由する事になり、400ms(0.4秒)程の遅延が発生してしまい、まともに聞きながら話すのが非常に困難です。
自分の声を聞かずにボイチェンを利用する事はあまりおすすめしません。
【おすすめのマイクについて】
・AKG C520 (https://www.soundhouse.co.jp/products/detail/item/99372/)
価格:2万円前後
タイプ:バックエレクトットコンデンサータイプ
指向性:単一指向性
ケーブルの長さ:3mくらい⇐これくらいは最低限欲しい
ケーブルの接続:XLR
 |
| AKG C520 |
ネットのレビューを検索すると低音が強いだの耳が痛いだの価格の割にどうなのと酷評されまくってます。
 |
| ローカットをきつめにかけてます |
・JTS CM-808UL (https://www.soundhouse.co.jp/products/detail/item/258143/)
価格:8千円前後(本体のみ)
タイプ:バックエレクトットコンデンサータイプ
指向性:単一指向性
ケーブルの長さ:1.5mくらい⇐ちょっと短い
ケーブルの接続:XLR(別途JTS MA500という変換アダプタ利用)
 |
| JTS CM-808UL |
・TOMOCA EM-700 (https://www.soundhouse.co.jp/products/detail/item/227199/)
価格:4千円前後
タイプ:ラベリア型コンデンサータイプ
指向性:無指向性⇐と記載はあるけど使ってみたら単一指向性に近いです
ケーブルの長さ:4mくらい⇐十分な長さ
ケーブルの接続:XLR
 |
| TOMOCA EM-700 |
また、こちらのマイクはクリップ部にねじ止めされている台座を外し、Boothなどで販売されているHMDにマイクを固定するための台座とブーム部分を購入する事で、HMD付属マイクのように扱うことが可能になります。
・SONY ECM-PC60 (https://www.sony.jp/microphone/products/ECM-PC60/)
価格:3千円未満
タイプ:プラグインパワータイプ
指向性:無指向性
ケーブルの長さ:1.5m程度(ステレオミニ接続のケーブルを用いる事で延長する事が可能)
ケーブルの接続:ステレオミニ
 |
| SONY ECM-PC60 |
加えまして、ケーブルのタッチノイズにも比較的弱いので、HMDより生えているケーブルとまとめておくことを推奨します。 付属の延長ケーブルのみではVR用途として実用に耐えない長さだと思うので、音質も比較的クリアで3mまで延長できるAudio-Technica AT8345を使うといいです。
※オーディオインターフェースによってはプラグインパワー供給可能なステレオミニ入力がない場合もありますので、その際は写真左に写ってるAudio-Technica AT-MA2というプラグインパワー電源を供給可能なマイクプリアンプを別途使用する必要があります。
おすすめのマイクをいくつか挙げさせてもらいましたが、VR環境で外部マイクを利用する際に覚えておいて欲しいことがいくつかあります。
①口元に対してマイクの位置や向きがほぼ同じであるように出来る環境である事
②マイク入力の段階でゲイン(入力音量)を大きくとってしまう事により入ったノイズ対策は非常に面倒くさい
③VRCは音声ビットレートがかなり低く、自分がモニタリングしてる音声と違いが生じやすい
①に関してですが、先ほど挙げたマイクに関しては近接効果が非常に発生しやすいです。
そのため、今日は低音がなんか強めだな？と感じる時は位置や向きが以前と変わっている可能性が非常に高いです。なので、ある程度固定がきっちりできるようなものを買うことが音質云々よりまず大事です。
※AKG C520やJTS CM-808ULなどのマイクブームは比較的自由に動かしやすいので、気になる場合は模型用の針金やハンガーなどを加工し、添え木みたいな形で固定して上げるとよいです
ノイズリダクションプラグインやバ美声などのノイズリダクションを使うという対応法もありますが、基本的に声が丸くモコモコとしていき洞窟内で話してるような聞き取りづらい音声になってしまいます。(特に高ピッチ設定だと影響を受けやすいです)
ノイズゲートで声を出してない際は無音に出来ていても、話している声にサーというホワイトノイズやファーというノイズが乗っていては非常にもったいないです。
③に関しては、皆さんご存じだと思います。
【おすすめのボイチェンソフトやVSTプラグインについて】
・バ美声 製品版 (https://booth.pm/ja/items/3432497)
価格:2000円
・SoundToys Little Alter Boy (https://www.soundtoys.com/product/little-alterboy/)
価格:1万5千円前後 (セール時半額以下)
・POLYVERSER Manipulator (https://dirigent.jp/polyverse/manipulator/)
価格:1万8千円前後 (セールが稀にあり)
Manipulator使ってからVSTの遅延うんたんは物申した方がいいと思います pic.twitter.com/OElmlT1Aji
— あくえり© (@AQUAR1ON) March 7, 2020
【オーディオインターフェースについて】
・RME Babyface Pro (https://synthax.jp/babyface-pro.html)
価格:11万弱
 |
| RME Babyface Pro (FSじゃない方) |
現在はBabyface Pro FSというクロックジェネレーターを更新したものが販売されています。
また、工場の火災や半導体の不足による部品単価の高騰もあり、新品で11万弱で購入できたものが2万円ほど値上がりしております。中古価格もそれに釣られている傾向にあるため、急ぎでない方はしばらく様子見する事をおすすめします。
こちらはマグ〇ナ先生が紹介したことによりボイチェンユーザーに広く浸透した製品(?)です。
私自身が所属していたコミュニティではそれより早く情報が共有されていたので、彼より一足先に使っていましたが、オーディオインターフェースとしての信頼性は太鼓判を押せるので、お金を出せるのならおすすめできます。
 |
| ※Babyface Pro/Pro FSのTotalMix FXにはダイナミクス系が非搭載 |
オーディオインターフェースは価格帯によって、入れ音や出音の分解能や解像度が大きく変わりますが、大体10万円近辺からそういったクラスになると言われています。
私もRME Babyface ProかUniversal Audio Apollo XかAntelope Discrete 4 SCかMOTU Ultralight Mk4かApogee Duetで悩みましたが、店舗で実際によく聞く音楽とヘッドホン・マイクを持って行き視聴した上でこちらに決めました。
10万クラスのオーディオインターフェースであれば、大体どれもルーティングの自由度は高いため必ずRME製品でなければいけないという事もないと考えているので、イケベ楽器やRockONなどの試聴可能な店舗がお近くにある場合は、実際に試されてから購入する事を強くおすすめします。(安い製品ではない為)
また、ミキサーソフトのコンソール画面のUIは各社の色が出ているので、触れたことがなかったり慣れてない方は何が何だかわからないと思います
 |
| RME Babyface ProのTotalMix FXの場合 |
※家電販売員やPCショップ店員等と同様ですが、楽器店の店員さんも今売りたいものを売る傾向が強いそうです。ある程度の知識がある方と一緒にお店まで足を運ぶのもよいと思われます
・RME Fireface UCX (https://synthax.jp/fireface-ucx.html)
 |
| RME Fireface UCX (熱対策ヒートシンク載せ) |
 |
| 個人使用だと十分な入出力 |
ソフトウェア的な違いで言えば、Babyface ProのTotalMix FXでは扱えなかったダイナミクス(エキスパンダー/コンプレッサー/オートレベラー)が使えるようになっている点です。
バ美声は多少音が丸くなる適応型ノイズフィルターで環境/ホワイトノイズにある程度対処できるけど(完全に消すのは難しい)、エキスパンダーで無音時のノイズを全てカットしつつ音質を変えずに入力したいであったり、囁き声と平時の声の音量を均一化させたいであったり(オートレベラー)、音割れしないようにコンプレッサーを入れたいという方はBabyfaceシリーズよりUCXシリーズの方がいいです。
(↑もちろんバ美声からPlaybackされる音をルーティングした後にDAWに入れ、そこで後処理をかけるとかもBabyface Proでできますが、自分は面倒なので避けたいです！)
VRCプレイ時にクーラーと扇風機の風量を強くしないときつい時がある時用に下記の手法を試してます
①エキスパンダーなしの状態で声質が変わらない10秒未満程度ノイズサンプルを採取する
②適応型ノイズ除去を無効にし、無発声時に環境ノイズが入らない程度にエキスパンダーのスレッショルドを弄る(アタックとリリースは早めがいいかもです)
③適応型ノイズ除去フィルタを有効にする(無発声時は何も音がせず、話してる時の声の裏の環境ノイズも薄まってる)
上位機種にあたるFireface UFX/UFX+/UFX IIは前面のXLRコンボジャック入力が4つに増えていますが、多分普通の人はそこまで必要としない点と、前面コンボジャック入力部の割り当て番号が9/10/11/12になっており、バ美声で使用する場合は物理的に背面の出力から背面の入力1/2にケーブルを繋ぐか、TotalMixでルーティングが必要になります(↓のFireface UFX II参考)
 |
| RME Fireface UFX II |
 |
| RME Fireface UCX II |
2022.08.13時点でFireface UCX IIの国内正規品を購入する場合は、転売価格か稀に入荷したものの取り合いをしている状態です。海外ストアより個人輸入の場合はサポートが購入店次第になりますので、購入する場合はきちんと問い合わせ等した方がよいと思います。
※これまでの場合ですと、輸入したRME製品の故障時は国内代理店のシンタックスはサポートしてくれない可能性が非常に高いです。
 |
| 最初見た時ナニコレってなるやつ |
 |
| Matrix Viewも初見だとナニコレってなるやつ |
 |
| ①～④の手順後 |
 |
| 青枠と緑枠が交わる橙丸部分をダブルクリック |
https://myuxeno.fanbox.cc/posts/556146
Babyface Pro FSでボイチェン環境を作ったメモ
https://note.com/citron_vr/n/n5313e0eb0143
【備忘録】Babyface Pro FS(TotalMix)のボイチェン設定
https://yaguramoya.fanbox.cc/posts/2032221
①
— あくえり©VRC (@BRA1NPOWERD) July 29, 2022
・Output AN 1/2をステレオモードにし、ループバック有効
・InputのAN 1のPAN0にする(センター)
②
・Input AN 1/2をステレオモード
・Input AN 1→2を有効(Outputは触らない)
③(?)
・AN 1/AN2の分離状態からステレオAN 1+2状態へ(この状態では片側のみ聞こえる)
・↑の後、再度ステレオを解除 pic.twitter.com/TxOeNQKJXl
・Focusrite Scarlett 18i20 (https://focusrite.com/ja/usb-audio-interface/scarlett/scarlett-18i20)
価格:中古だと2万円前後 (第3世代の新品は5~6万)
 | |
| Focusrite Scarlett 18i20 gen.1 (前面) |
 |
| Focusrite Scarlett 18i20 gen.1 (背面) |
第1世代から第3世代まであり、第2世代までは内臓ミキサーによるループバックは出来ませんが、本体背面のSPDIF OUT→SPDIF INと物理的に配線することにより ループバック環境を構築する事が可能です。
音質や解像度に関してはRME Babyface Proには及びませんが、設置場所があってマイク以外にもゲーム機などを繋ぎたいけどお金はかけられない方にはおすすめです。
(↑2022.08.21時点でFireface UCXをメイン、何かあった時用にRevelator io 24利用環境へ移行したため売り飛ばしました)
・Presonus Revelator io24 (https://www.mi7.co.jp/products/presonus/revelatorio24/)
価格:3万円弱
 |
| Presonus Revelator io 24 |
Windowsサウンド設定(録音タブ)にMic/Inst 1/2以外にループバックにて利用可能な仮想デバイス(画像ではStream Mix A L/R・Stream Mix B L/R)が2つ追加されます。
Revelator io 24のコンソール画面よりミキサー画面が現れます。
下図の赤/青/黄の枠あたりを押下することにより、各デバイス出力に反映させたいInput/Playback(PC内再生音)をフェーダー(つまみ)を上下させることにより設定することが可能になっています。(ループバック用にMain/Stream Mix A/Stream Mix Bの独立したデバイスレイヤーが3つあるイメージ)
 |
| Revelator io 24コンソール画面を開いた直後 |
また、橙色の丸枠部分を押下することにより、背面ヘッドホン端子より出力する音源を選択可能になっています(ヘッドホンアイコンが黄色く点灯しているレイヤーが出力されます。画像ではStream Mix Aが出力されている状態です。)
仮想デバイス2つによる柔軟なループバック機能ともう1つの目玉はDSP機能によるハイパスフィルター(ローカット)/エキスパンダー(ノイズゲート)/EQ/Compressor/Limitter/各種ボイスエフェクトです。
 |
| 右上Fatボタンを押下後設定画面に遷移 |
※これらの各種機能は入力した音声のみに適用可能で、出力する音声には変更を加えることが出来ないので、例えばスピーカーの低音が物足りない為イコライザーで低音部分を強調した設定にして出力音声に反映させるといった利用は出来ませんのでご注意くださいませ(Babyface Pro/Fireface UCXは可能)
また、これらのエフェクトは右上の設定ボタンより、前面コンボジャック入力の1番または2番のどちらに適用するか適宜切り替える必要がある場合もあるのでご注意ください(下図参照)
 |
| マイクを2本接続し、両方ともエフェクトをかけることはできません |
小さいですが見た目以上に視認性の高いInputボリュームの確認可能なカラー液晶ディスプレイもついてます。また、ユーザー毎に設定したプリセットを保存可能な点に加え、これを前面ボタンより簡単に切り替え可能となっています。
 |
| 意外と見やすいディスプレイ |
※レビューを見てると内部的にUSB 2.0動作だからとUSB 2.0ポートに繋ぐと起動時に見失っていたり、(2021年ロットに多いそうですが)環境的にヘッドホンアウト(メインアウト)にホワイトノイズが薄っすら乗るなどの報告がされているので、届き次第確認してみようと思います。
↑に関してですが、2022年製造ロットにて付属ケーブルのUSB Type C接続で確認してみたところ無音時のノイズはヘッドホン/モニターアウトともに確認できませんでした。
(対策方法としては後述の)起動時に見失ってる問題ですが、バスパワー接続時に当方の環境でも確認できています。(内部的にはUSB 2.0動作みたいですが)USB 3.0接続で電源を別にとってるUSBハブに繋いだところ症状が見られなくなったようです。
【バ美声利用の場合の設定例】
手順の紹介前に、まず簡易的にミキサー画面を操作するための必要な知識を羅列しておきます
 |
| マイク入力部のフェーダーを下げモニタリングに流れてないから安心じゃないです |
・Muteボタンは完全にデバイス側も含め音が入力されてない状態になります(ボイチェン時に地声を入力しないので必ずこちら利用)
<手順>
①Stream Mix Aのレイヤーを選択します
②(本体前面マイク入力1にマイクを繋ぐ場合)上図のChannel 1をMuteします
↑こちら忘れると、地声が配信等に乗ります
 |
| 手順①～②までの操作で↑のようになっているか確認願います |
③バ美声を起動し、IFチャンネルを1Lにする
④ループバックにチェックを入れる
⑤高度な設定より、ASIO入力デバイスをRevelator ASIOにする
 |
| 手順③~⑤までのバ美声側の設定 |
⑥バ美声のStartを押下し、ゲイン等を調整した上でマイクに向かって何か話してみると多分何も聞こえないと思います(それで大丈夫です)
続いてPlaybackのフェーダーを上げてみると、ボイチェンとして変換された声のみが聞こえると思います(下図参照)←地声も聞こえてる場合は②の操作を確認してください
 |
| ⑥までの操作でこのような画面構成になります |
⑦最後にOBSやDiscord等のサウンド設定にて、入力デバイスをStream Mix A L/R (Revelator IO 24)に指定する
※ボイチェンの音声をミュートする場合は、先ほど説明したようにPlaybackフェーダーを下げるだけではモニター音声から聞こえなくなるだけで、デバイス側には入力されていますので、必ずPlaybackのMuteボタンを押下してください。
<Tips>ボイチェン声以外にPCの再生音もループバックとして載せたい場合
サウンドコントロールパネルよりVirtual Output A L/R (Revelator IO 24)かVirtual Output B L/R (Revelator IO 24)を既定の再生デバイスとし、上図の規定再生デバイスとして指定したフェーダーを上げると相手にも聞こえるようになります。
・ESI U22 XT (https://dirigent.jp/esi/u22-xt)
価格:1万5千円前後
 |
| ESI U22 XT |
Presonus Revelator io24が出るまでは、低価格帯でルーティング可能なオーディオインターフェースはこちらのみでした。
ループバック可能な仮想デバイスがメインアウトとは別で2つあり、これらをDirectWireを使うことで自由にルーティング可能なようです。
Revelator io24と比較すると、XLRマイク入力が1系統しかない為、Discord用とVR用で分けたい方はRevelator io24の方がいいかも知れません。
また、環境によっては仮想デバイスにルーティングさせたボイチェン音声に遅延が出る事もあるようなので要注意です。
コストを抑えVoicemeeterやSyncRoomなしで環境構築してみたい方におすすめできます。
・EDIROL(Roland) VT-4 (https://www.roland.com/jp/products/vt-4/)
価格:2万5千円前後
 |
| EDIROL(Roland) VT-4 |
オーディオインターフェースじゃなくてボコーダーだろってツッコミはお受けします。
Roland製品が好きな方は読み飛ばした方がいいかも知れませんが、こちらは絶対に買わないでください。
実際にAmazonのレビューにも載ってた気がしますが、これくらい文句書くくらいには人にはおすすめできません。
よくYAMAHA AG03をコンプ代わりにマイク-AG03-PCと繋いでる方を見ましたが、こちらの背面フォンアウトは通すだけでめちゃくちゃ音が悪くなる(ピッチ・フォルマントシフトの音質もお笑いレベル)ので、もしどうしても使うのであればハードウェア部分の最も最後尾にルーティングするようにした方が無難です。
例)マイク-別の機材-【VT-4 】-PC
マイク入力もしてない状態なのに、なぜかサーっとホワイトノイズみたいな音を聞くこともできるので、どうしても眠らないといけない時はこちらを使ってみるのもいいかも知れません。本体のボタンを押下しノイズゲートの強度を上げることでノイズを薄めることは可能ですが、完全には消える事はありません。明らかに欠陥商品ではないかと2回目の購入で再確認できました。
Razer製品のお供(黒と緑の配色)にすごくよさそうという事でお部屋のインテリアとして2回目の購入をしたのですが、いつもと同じピッチ125%くらいでVRCに入ってみたら声が全然違う(詳細に感想を聞くとボヤけて聞き取りづらい傾向)と複数人の方から挨拶しただけですぐ言われるレベルです。
よほどの修行僧じゃない限りボイチェン目的では絶対に買わないでください。
これとほぼ同額のPresonus Revelator io 24/44でバ美声やその他VST使う方が1万2千倍マシな音質です。
ちなみにRazer製品と合わせるとめちゃデスク周りがかっこよくなります。
 |
| 1分間でスリープモード(点灯状態)になるようにしてます |
インテリア目的での購入に関してはおすすめします。高いですが...
※オーディオI/F入出力にノイズが乗ったり、起動時認識などが安定しない場合
①接続先のポートを変えてみる
②ACアダプタより電源供給可能なUSBハブに繋いでみる
 |
| AC電源より供給している図 |
③フェライトコアをケーブルに取り付ける
 |
| 付属ケーブルにフェライトコアはついてなかったので... |
④Renesas製のコントローラーが搭載されているPCIeインターフェースカードに繋いでみる
・玄人志向 USB3.0RA-P4-PCIE (https://www.amazon.co.jp/dp/B07KTYMRZS)
・StarTech PEXUSB3S44V (https://www.amazon.co.jp/dp/B00HJZEA2S)
⑤Windowsの電源管理設定のUSB関連設定よりセレクティブサスペンドを無効化する
⑥デバイスマネージャのユニバーサルシリアルバスコントローラーより各デバイスの電源の管理設定を無効化する
【VSTプラグインについて】
これらはDAW導入環境でしか利用できない上に、VRCを通して比較視聴してもらっても違いが分からないと言われるレベルのものになってしまいますが、一応メモ書きとして残しておきます。
<プリアンプ系VST>
・Arturia 1973-Pre (https://arturia.jp/products/item/3preamps/)
価格:単品だと1万円ほど
Neve系マイクプリアンプVSTは10種類ほど試してみましたが、聞こえ方的にも波形的にも倍音が最も強く、声に輪郭を与えはっきり聞こえさせてくれるプラグインになります。
すごいわかりやすく言うなら、勝手にイケボになるようなプラグインです。
単品でも1万円ほどとお高いですが、セットで含まれる他のプリアンプ系プラグインも非常に使い勝手のいいものになっているので、ぜひお試しいただきたいです
<コンプ系VST>
・Arturia Comp TUBE-STA (https://arturia.jp/products/item/3-compressors-youll-actually-use/)
価格:忘れました
こちらも先ほどのArturiaより販売されているプラグインですが、通すだけで声に温かみが付与されます。
こちらも1973-Pre同様に難しい設定などせず効果が実感できるので一度試していただきたいです！
ただ、プリアンプやコンプレッサー系の音のウォーム感(温かみ)やエッジの際立ちはVRCの音声ビットレートでは違いを認識する事が非常に難しいと思われるため、これらのVSTプラグインの導入順序としては後回しにしてもらって構わないと考えております。
<ディエッサー系VST>
・Fabfilter Pro-DS (https://dirigent.jp/fabfilter/pro-ds)
価格:バンドルセットで買ったので忘れました
さしすせその音がきつく刺さって聞こえるのを抑制するプラグインです
初めてディエッサーを触る方でもとりあえず入れるだけで使え、視覚的にわかりやすい波形よりリアルタイムで確認できるため非常におすすめしやすいです
特に「し」の音が強めに出やすい人が多いと思うので、何も考えずとりあえず入れとこくらいで大丈夫です
<EQ系VST>
・SONIC WIRE Gullfoss (https://sonicwire.com/product/A9347)
価格:セール時で1万5千円くらい
イコライザのプラグインは様々ありますが、こちらで弄るパラメータは5つのみで非常に触りやすいと思います
イコライザを反映する前にAIが頑張って数百回試行した中でいいものを反映してくれるみたいです
どちらかというとエンハンサやディエッサーみたいな使い方をしていますが、どちらに使っても間違いなく使えるプラグインだと思いました
ただ、声がすごい近い位置で話してる感じ(音が前に出てる感じ)に聞こえるので、距離感をつけたい人にはちょっと微妙かも知れません
・ A.O.M. tranQuilizr (https://aom-factory.jp/ja/products/tranquilizr/)
価格:無期限ライセンスで15kくらい
Fab filterのイコライザが多分有名どころ(?)と思いますが、こちらの方が出音がすごいパキッとしてわかりやすく好みなので紹介させてもらいます
ただ、出音以外に関しては他のEqプラグインと何も変わらないので特に書くこともないです()
<ノイズリダクション系VST>
・iZotope Voice De-noise (https://s3.amazonaws.com/izotopedownloads/docs/rx700/ja/voice-de-noise/index.html)
価格:年に数回、無料でバラまいてます
ノイズゲートやエキスパンダーを貫通し、声に多少乗ってるノイズを消すのに使うといいと思います
自動的にかけてくれるAdaptive modeと声を出さない状態で入るノイズを学習させ抑制する2つのモードがあります
プラグイン自体の遅延も0で大げさにかけると声がぼやっとしてしまいますが、浅くかける分には気兼ねなく利用しやすいと思います
・Waves NS1 Noise Suppressor (https://wavesjapan.jp/plugins/ns1-noise-suppressor)
価格:4千円くらい
こちらは↑のiZotopeのVoice De-noiseよりも更にわかりやすい1フェーダー製品です
自分の耳だと5以上かけると声が丸くなってボヤッとした感じになってるので、それ以上にならないようにして使っています
Voice De-noiseで十分かと思われますが、他の奴使ってみたいという方にはいいかも知れません
<レベラー系VST>
・Waves MaxxVolume (https://wavesjapan.jp/plugins/maxxvolume)
価格:4千円くらい
コンプレッサーが閾値を超えた音声を圧縮する挙動に対し、こちらは小さい音を増幅し、大きい音を小さくするという挙動でラウドネス効果のようなものが得られます
これをVRCに用いると、囁き声でもある程度綺麗に入れることが可能になります
<エンハンサ系VST>
こちらにまとめてあります
上記の記事でもわけのわからん事を書いてるので、気になる方は合わせてご覧いただけますと幸いです
これ使ってダメなら自分がダメというものを列挙させて頂きました(何かあればTwitterやコメント欄までお願いいたします)
(220711追記)
【声の調声手法について】
長々書いてきましたが、恐らくここからが一番大事かも知れません。
まずボイスチェンジャーについてですが、ピッチやフォルマントを変換する仕組みについては頭のいい方が色々書いてる記事がググると見つかるのですが、20年前とほぼ手法は変わってないようです。
以下は自分が録音した音声を確認したりして経験的にそれっぽいと認識してるものなので、話半分のオカルト情報として念頭に置いた上、ご自身で試されるとよいかも知れません。
※〇〇さんがこうするといいと書いてたからこうするのがいいんだ！みたいな考えは捨ててください。この考えは高いオーディオインターフェースやヘッドホンやマイクの音を比較する際も頭の片隅にあるといいかも知れません。
これらの文章を書いていくうえで、挙がっている言葉の意味の違いに齟齬があってはいけない為、前もっていくつか書いておきます。
ガビる:喉鳴り声を入れたことにより音声がガビガビして聞こえる事
ケロる:設定したフォルマントが高めに取られているため、普段話してる時はいい感じでもテンションが上がって気持ち入力音声のフォルマントが上がった時にカエルっぽい(犯罪者っぽい)声になる事。
ループバック:オーディオインターフェースの音の流れとしてはInput(物理的入力)→Playback(PC内部再生)→Output(物理的出力)となっており、通常PCで動作するDiscordなどの通話アプリケーションにはInputの音声しか指定できません。
Playbackで再生されたボイチェンや音楽などの音声がOutputされた後、仮想的にInputに音を返す機能の事(モニタリングではありません)
モニタリング:InputされてPlaybackした後ヘッドホン出力端子などからOutputされている音声の事。
Roland(ローランド)病:Roland VT-4を使用時、地声でも裏声でもいいので200Hz付近の状態から400Hz付近の音声を入力した後、いきなり200Hzまで落とした声を入れるとガビる感じとは別で声がロボ声になる現象の事。実はVT-4以外のボイチェンでも大体再現可能です。
↑を踏まえた上で記述していきます。何か不明点あれば、コメントやTwitterの方にDM・リプライ頂ければお力になれるかも知れません(音響エンジニアでも何でもないのでアテにしない方がよいです)
①ピッチとフォルマントの関係について
声を調声する順序は人によって違うと思いますが、ピッチを先に決めるのかフォルマントを先に決めるのかは好みによって分かれると思います。
ピッチを先に決め打ち→ピッチ0で出したい声の高さまで出しづらい人向け(?)
フォルマントを先に決め打ち→裏声やチェストまたはミックスボイスなどで出したい声の高さが出るので声色だけ変えたい人向け(?)
長々と書いてはみましたが、自分としては正直どちらでもいいです。
ただ、ピッチとフォルマントの値は同じにしてください。微々たる差ではあると思いますが、どのボイスチェンジャーでもピッチの値=フォルマントの値とすると解像度が低くなり辛い傾向が見られます(体感には個人差があります)
そうした場合にピッチ:フォルマントとして取れる値としては、(1~12の範囲がある場合)1:1/2:2/3:3/4:4の4択になると思います。
VT-4であれば0~6、Little Alter Boyであれば0~12と割合が違う場合は100÷6とか100÷12とかして、その範囲のパーセンテージを出せばよいです(前者は16.6666...%/後者は8.3333...%)
自分としては最終的に常時2:2まで持って行ければ十分だと思ってます(妥協感)
②入力する音声について
下記は必ずこうしろという正解はないので、個人の好みや妥協点なども鑑みた上でご判断いただけましたら幸いです。
・ほぼ地声の高さで発声
自分も最初はこちらでやってみてましたが、最も難易度が高いです。
ボイスチェンジャーは基本的に喉鳴り声に弱い点と変換後の声の抑揚が一本調子になりやすいので、男性の抑揚が少なく喉鳴り気味な話し方と相性が劇悪なためです。
また、ボイスチェンジャーで変換するピッチやフォルマント量が大きくなればなるほど実声部分は失われて行き、合成音声成分が聞いてる感じでは増えていきます。
その仕組みはきちんと理解できてないですが、波形とかを見てるとピッチの変化幅を大きくした際、通常150Hz前後が基音になっている声の基音が250Hzになってる場合、249Hz以下の部分に存在しない周波数帯域が生まれてしまっているのが原因かなと考えています。
ですので、余程発声にエッジがなく喉鳴りとか全くさせずに抑揚つけて話すことが可能な方以外はおすすめしづらいです。
・地声(6~7割)+裏声(2~3割)くらいの割合で発声
長時間利用していく場合はこちらが楽だし採用している方も多いのではないでしょうか(?)
単純に裏声の割合を増やしてしまうと声の抑揚が自分の場合はなくなるので、こちらでやっています。
先ほどのVR環境で外部マイクを利用する際に覚えておいて欲しい事で記載した、可能な限り近接効果が発生しづらい距離までマイクを近づけて、入力ゲインを下げた上で発声しようという事をしようとした場合、声のボリュームの大小もつけやすく音の高さとしての抑揚も綺麗に入れやすいと思います。
また、ボイチェンには地声高い人が有利？と言われるのもこれが所以に思います。
・裏声(9~10割)の割合で発声
イメージ的には↑の気持ち裏声を入れた声が甲高い声のグーフィー(プーさん)みたいな声とした場合、こちらは鬼ミッキーっていう感じでしょうか(?)
裏声で声量も稼ぎつつ、声の高さとしての抑揚もきっちりつけられるよという方であればいいと思いますが、すごい難しいしすごい疲れるだろうからおすすめしません。
また、裏声の割合が高い声を入力してる方のボイチェン声は、ボイチェン声に聞きなれてない方でも裏声でしゃべってるのが何となくわかるようです。(自身の声を聞いてもらった感じ)
※声楽家でもボイトレコーチでもなんでもないので、詳しく書くことも教える事も出来ないですが、興味ある方はロジャー式または弓場式で検索してみるといいかも知れません。
一般的にロジャー式は地声アプローチと言われるもので、弓場式は裏声アプローチと言われる高い音域での発声法のトレーニングになります。
③マイクやインターフェースなどの機材との関係について
これはすごくありがちな事なのですが、いいマイクやいいオーディオインターフェースを買えば、声が全ての領域においてクオリティがよくなるとお考えの方がすごく多いです。
いい機材は基本的にいいところも悪いところもはっきりさせてくれる虫眼鏡みたいなものとして捉えて頂けましたら幸いです。
入れてしまった喉鳴りはきちんと拾ってくれるし、裏声主体の声はきっちり裏声主体として入れてくれます。
私としては、プロも使ってるような機材を導入する最大のメリットとしては性能や使い勝手もさることながら、プロも使ってる機材でダメなら自分のやり方が悪いと判断できる基準になるからと考えています。
では、逆にすごくショボい機材でもいいのか(?)という案に関しては、ある程度使える最低レベルはあると思うので、勘違いなさらぬようお気をつけ頂けましたら幸いです。
④ハードウェア構成？ソフトウェア構成？
音響機材が身の回りにあるとテンションが上がるタイプのバ美肉お兄さんやおじさんいると思います。
私もそのタイプなので最初はハードウェア主体の構成でやっていましたが、やはり機器由来のノイズやケーブルを何本も連結する事による音痩せや解像度の低下は絶対に避けられません。
声のキャラクターを大きく変えるマイクプリアンプやコンプレッサーは、名機と言われる実機のような挙動をするプラグインも出ていますが、実機じゃないと出せない音というのもあると考えているので、実際に構成を組んでみて録音→視聴をし、ずっと聞き続けてると脳がおかしくなるので一旦休憩した後に再度録音→視聴という形で自身の求める環境を構築する方がいいのかなと考えています。(自身の経験上ではハードウェアで組んでもソフトウェアで組んでもVRCの低ビットレート音声ではほぼほぼ違いが分かりづらいです)
※Roland VT-4についてですが、背面フォンアウトより音出しされた音声については、前面のステレオミニ出力端子よりなぜか解像度がぐんっと下がってしまいます。そういったこともあるので構成を変えて録音後確認をおすすめします。
⑤イコライジングやエンハンサーなどでの調声について
特定の発声をしているときはこの調整はいいけど、普通に話してる時に叫んだりテンションが上がったりして、そうじゃない話し方とかもすると思います。
なので、素人がわけもわからずやった特定の発声のみに効果があるかも知れないこだわりのイコライジングに時間をかけるくらいなら、実際に声出しして人と話したりする時間を取った方がいいと思います。
私としては発声もそうですが、話し方がすごく大事だと考えているためです。
よく言われたのが男性の一本調子な話し方から、頭出しと語尾を上げ気味にし、溜息を出すくらいの音域から電話口くらいで話す声の高さをぐわんぐわん大げさに使いつつ、なるべく短い言葉で言いきらないようにした方がいいというアドバイスでした。
でありますので、これらをやった場合は普段と話し方も選択する単語も全然違うと思います。
女声やボイチェンで可愛らしい方を見ていると、抑揚のつけ方や間の置き方もそうですが、笑い方とか叫び方がすごくうまいです。観察して気が向いた時に真似するようにしています。
⑥ノイズリダクションやディエッサーの取り扱いについて
VR環境で使用するマイクの性質上、子音が強めに入りやすくディエッサーで抑えたくなったり、周囲の環境によっては声に空調音などが乗ってしまっておりノイズリダクションを使いたくなったりすると思います。
ただ、こういった元の音声に加工を加える処理を重ねたり強くかけてしまうと、音が籠って抜けが悪くなったり、不自然に特定周波数が強調されラジオみたいな音声になってしまったりするはずです。
何事も程ほどが肝心なので、あまりこだわってやらない方が精神的にも優しいと考えています。
⑦第4基音について
まずはこちらの画像をご覧くださいませ。
こちらはボイチェンで変換後のあーという声を出しているときの波形になりまして、よくわかってないですが男性と女性の声を聞き比べて女性の声が明るめに聞こえるのは声の高さもそうですがF4あたりの周波数が高めに出ている事が大きな要因みたいです。
波形ばかり見て練習したいと思った事はないですが、参考までにこういう情報もあるよくらいに思っていてもいいかも知れません。
一般ボイチェンおじさんの声ですが、通常時と意図的にF4あたりの周波数帯域をイコライザで持ち上げてる比較動画を録っている動画も貼り付けておきます
一般かわいくないボイチェンおじさんの声って感じだ... pic.twitter.com/J0FA2XiyFv
— あくえり©VRC (@BRA1NPOWERD) July 10, 2022
⑧声について
声はその人のキャラクター(個性)であると自身は考えています。
いくらボイチェンを使って声を変えてるとは言え、元の声がなければその声は出せません。延長線上みたいなものとして捉えています。
つまり、その人の変換前や変換後の声に対して何かしら点数やランク付けをつける発言をしたり、ダメ出しをするという行為を求めてもいないのにする事は非常に危険だと想定されます。加えて、他人を貶めても自身の声がよくなったり悪くなったりするわけでもないです。
知識を得て実践したり、練習などによって自身が出来るようになったことを相手に伝えたり教えたりする事は非常に素晴らしい事だと思いますが、くれぐれも相手を傷つけるような言葉遣いや行動はとらない方がよろしいかと考えています。
(220720) 追記
【VSTプラグインの順序について】
①マイク
②プリアンプ
③ノイズゲート/エキスパンダー
(必要あればノイズリダクション)
(必要あればイコライザーやエンハンサー/エキサイター)
⑤ボイチェン(ピッチシフトプラグイン)
(必要あれば後処理用イコライザーやエンハンサー/エキサイター)
⑥コンプレッサー/レベラー
自分は大体上からこの順番でかけています
VRCの音質では、大きく声の聞こえ方が変わるプリアンプとコンプレッサーをこだわっても相手に伝わりづらいですが、モニタリングの方には反映されるので好きなプラグインを使ってもいいと思います
重ね重ねではありますが、入力ゲインを大きめにとったことにより声に乗ってしまった環境ノイズを処理する事は大変面倒くさいので、プリアンプ部分ではあまり盛らず、⑤のピッチシフト後のコンプレッサーやレベラーで最終的な音量調整をした方がいいと思います
コンプレッサーとレベラーのざっくりな違いですが、前者のコンプレッサーは閾値より大きな音を圧縮するものに対し、後者のレベラーは小さな音を大きくし大きな音を小さくするラウドネス効果のあるものとして考えてもらえれば大丈夫です
なので、囁き声を綺麗に入れたい方はどちらかというとレベラーの方がいいと思います
参考になるかはわかりませんが、VRCより多少マシに聞こえるTwitter音質()でこれくらいのエアコンの音であれば、VRCを通すとほぼ聞こえないようです(動画の方はバ美声のオリジナル音声出力で適応型ノイズ除去フィルタなしの状態です)
ｔｓｔ pic.twitter.com/SoHw2tvk7N
— あくえり©VRC (@BRA1NPOWERD) July 20, 2022
(2022.08.13時点)VRC Open Beta環境でノイズゲートのかけ具合を調整する設定項目が追加され、より小さな音でも容易に入力可能になっています。
ただ、レベラーなしだと話し声に比べて小さい音は小さく相手に聞こえるので、ある程度均一に相手に届けたいのであれば、今でもレベラーの重要性は高いと考えています。
サードパーティ製のソフトでループバックさせるVoice Meeter BananaとかSyncRoomとかについて一切の記載がないですが、当方Babyface ProのTotalMix FXでループバックさせてるので今回は省かせてもらいます。
ここまでご覧いただきありがとうございました！
