W-Okada Voice Changer（VC Client）か音声合成か：どちらが必要？
W-OkadaのVC Clientは人気のオープンソースのリアルタイムボイスチェンジャーで、RVCなどの声質変換モデルを使って話しながら声を変換します。SuperClonicaは別の課題を解決します。テキストを入力すれば、カタログの声や学習させた自分の声が読み上げるので、自分で話す必要はありません。
このガイドでは、VC ClientのREADMEをもとに両者を比べ、適したツールを選んだり両方を使ったりできるようにします。
VC Clientでできること
READMEによると、VC ClientはRVC、MMVC、so-vits-svc、DDSP-SVC、Beatriceといった複数のAIモデルでリアルタイムに声質変換を行います（一部はv1のみ）。Windows、Apple SiliconのMac、Linux、Google Colabで動き、サーバーとクライアントの構成なので、ゲームや配信中に別のPCで変換を動かせます。ビルド済みのファイルはHugging Faceにあり、Windows版v2はそれなりに高性能なCPUやDirectMLで動き、Nvidia GPUならCUDA版がより高速です。
声質変換には自分の声が必要
VC Clientのようなボイスチェンジャーは、言葉、間、感情を保ったまま声色を変えるので、通話、ゲーム、配信でのライブに向いています。その代わり、すべてのセリフを自分で話し、目的の声の変換モデルと、リアルタイムに足る計算力が必要です。音声合成については、作者が別にTTSClientを公開しています。
音声合成に必要なのはテキストだけ
SuperClonicaは入力したテキストを音声にするので、誰も録音する必要がありません。ゲームやアニメのキャラクター、アナウンサー、ナレーター、または自分の声が台本を読みます。各ページで30〜100文字のセリフを入れれば、アカウントなしで無料で試せます。たくさんのセリフなら、python -m pip install superclonica-cpuで無料のエンジンを入れ、superclonica --text-file lines.txt --voice voice.json --lang ja --normalize --output lines.wav を実行します。ふつうのCPUでオフラインに、文字数制限なしで動きます。
どちらを選ぶか
別の声でライブで話したく、そのための機材があるならVC Client。動画、サウンドボード、ゲームの会話、オーディオブック、配信アラートなど用意したセリフや、自分の声を録音できない・したくない場合は音声合成です。どのツールでも、実在の人物の声を本人の同意なくまねたり、誰かをだましたりしないでください。カタログのキャラクター音声はファンメイドで、二次創作、パロディ、個人のプロジェクト向けです。