つまり、これは90年代後半のものです... http：//www.cs.princeton.edu/~prc/SingingSynth.html
なぜこれが離陸しなかったのですか？（画像のように写実的な合成を行うことはできますが、歌の合成はまだ非常に原始的な段階にあるようです）。
歌の合成を難しくしているのは正確には何ですか？
http://www.interspeech2007.org/Technical/synthesis_of_singing_challenge.php<-まだ原始的なようです。
画像よりも音の方が不気味の谷に入っているような気がします。私たちの脳は、形成不良の画像を比較的よく受け入れますが、自然に聞こえない限り、形成不良の音を受け入れません。完全に不完全に聞こえないものはすべて不気味に聞こえます。これは、実際のアプリケーションに対する非常に強力な障壁になります。アナウンスや電話サービスには適していますが、完全に合成された歌唱からは遠い道のりです。
一方、実際の声の修正は、ライブとスタジオの両方で毎日実行されます。オートチューンがなければ、そこにあるすべての「ギャングスタ」と「レディー・ガガ」は、彼らの実際の才能により適した仕事をするでしょう。