「人間っぽく歌うなら人間でいいじゃん」とは行かないという話

いるんですよ。AIシンガーに対して「人間っぽく歌うなら人間でいいじゃん」って言う人。「音楽を聴く」分には確かに別にいいんですけど、そうじゃないなら全然違うのだよ。

人間が歌ってるって、当たり前なので「すごい！　人間が歌ってる！」なんて感動はしない。「この曲人間が歌ってるんだよ！」っておすすめしても「え？　うん。え？」ってなる。それだけで感動できるのは人間離れした歌を歌っている場合に限る。

その点、AIシンガーはそれだけで十分エモい。それだけで聴く理由になれる。常に機械離れした歌を歌ってるわけだし。これに関してはAIじゃなくてもエモい。歌声合成ソフトの良さって、そこにもあるでしょ。

音楽を聴く分には別にいい、というのは、結局音が良ければいいということ。同じ音がするなら、そして音だけ聞くなら、中身が人間かどうかは別に関係ない（理論上）。

楽譜を渡してから歌声が帰ってくるまでの時間が圧倒的に早い。5分の曲の楽譜を渡せば5分以内に帰ってくる。フルコーラス調声しても2時間くらいで完成する（自分の場合）。

プロが楽譜を渡してどのくらいでMIXまで持ち込めるかは知らない。多分、最速なのは「レコーディング当日に楽譜を渡してすぐ初見収録。その場で補正まで済ませちゃう」だけど、2時間でできるんだろうか。普通に考えてボーカリストがブチキレそう。

事前に楽譜を渡して練習してきてもらい、収録して補正するという手順なら当然数日かかる。

深夜2時に楽譜渡しても文句言わない。5分で歌い返してくれる。何百回楽譜を修正しても何百回リテイクしても文句言わない。そんなに修正しないけど。

AIは風邪引かないし、同じ楽譜を渡せば同じように歌ってくれる。

日本のトップボーカリストが私の曲を歌うことはまずないが、トップボーカリストのAIは私の曲を歌ってくれる。少なくともAIの方が安い。

人間の方がいいこと

あんまりAIだけ褒めてもアレなので、人間も褒める。

単調じゃない。1曲の中で何種類もの声を使い分けられる。歌詞の文脈を読んで表現できる。曲調に合わせて歌い方を変えられる。

AIはあんまり言うことを訊かないので、めちゃくちゃ伝え方を考えないといけない。「滑らかに歌ってほしい」って伝えたいだけなのに「二重母音の後半は短くしてほしい（そうすると君は滑らかに歌ってくれるから）」とかいう指示を出さないといけなかったりする。

人間は「もっと元気に」とかいう超絶ふんわりした指示でも対応できる。

人間は歌うたびにちょっとずつ違う出力になるので、楽譜が同じでもリテイクを重ねてブラッシュアップできるし、偶然とてもいいテイクが録れることもある。

AIは楽譜を変えればリテイクもできるがブレがほとんど無いので、2回修正してダメならほぼ確実に絶対どうにもならない。

アナログなので。AIはまだばれる。