es un editor de partituras para bancos de voz japonés creado por . Este programa es similar al software Vocaloid, con la diferencia de que es shareware en lugar de estar bajo una licencia de terceros.
Descripción general En marzo de 2008, Ameya/Ayame lanzó Utau, un software shareware gratuito de soporte avanzado que se podía descargar desde su sitio web principal. Utau (), que literalmente significa 'cantar' en japonés, tiene su origen en la actividad de , donde las personas editan una pista vocal existente, extraen fonemas, ajustan el tono y los vuelven a ensamblar para crear una voz de canto al estilo Vocaloid. Utau se creó originalmente para ayudar en este proceso mediante síntesis concatenativa. Utau puede utilizar archivos WAV proporcionados por el usuario, de modo que se puede sintetizar una voz cantada introduciendo la letra y la melodía de la canción. Utau venía con el sintetizador de voz de AQUEST "AquesTalk" para sintetizar las muestras de voz del banco de voz predeterminado, Utane Uta (también apodado , que significa 'Chica predeterminada' en japonés) en su lanzamiento inicial, después de lo cual el generador se elimina a sí mismo. Las voces creadas para el programa Utau también se denominan oficialmente "Utau", aunque coloquialmente se las conoce como "Utauloids", en referencia a VOCALOID. En Japón también se les conoce como "bancos de voz" (término más común en zonas de habla inglesa) y "bibliotecas (de voz)". Usuarios independientes han desarrollado una infinidad de bancos de voz. Estos bancos de voz normalmente se distribuyen directamente desde sus creadores mediante descarga por internet, pero algunos se venden como parte de proyectos comerciales.
Utau es principalmente un programa japonés, por lo que muchas de sus voces están creadas específicamente para el idioma japonés. Sin embargo, dado que los usuarios pueden crear sus propios bancos de voz, la comunidad de usuarios ha ideado métodos para permitir que estos bancos de voz canten en idiomas distintos del japonés. El formato X-SAMPA se usa a menudo para bancos de voz italianos u otros idiomas distintos del japonés; sin embargo, a veces se utilizan otros sistemas fonéticos, como ARPABET y diversos sistemas fonéticos personalizados.
Los archivos de proyecto de Utau se guardan con la extensión (Utau Sequence Text). Estos archivos pueden distribuirse libremente, lo que permite que diferentes Utau canten la misma pieza. Los productores han desarrollado varios métodos para producir sus bancos de sonido y los resultados de los bancos de voz varían debido a esto. Utau no admite el formato MIDI ni el formato .
Según las capturas de pantalla publicadas en Twitter, Ameya/Ayame añadió compatibilidad con Unicode en una versión más reciente de Utau que aún no se ha publicado. Ya se ha publicado la compatibilidad con la región fija de la cola del backend correspondiente, así como con varias otras codificaciones de audio, mientras que la compatibilidad con el frontend aún no se ha publicado a fecha de septiembre de 2022. Ameya también actualizó Utau para que fuera compatible con sistemas de 64 bits.
Configuración El editor es capaz de colocar notas, introducir fonemas y cambiar el tono y el volumen en un rollo de piano. En Utau solo se puede crear una pista, y las notas no se pueden superponer. Dado que un ser humano no puede decir dos cosas diferentes al mismo tiempo, esto también es cierto para un Utauloide. Por defecto, solo se muestran las notas en el editor de piano, pero se pueden cambiar los ajustes de visualización para mostrar la curva de tono, la intensidad del volumen, la envolvente y los indicadores. Utau utiliza indicadores para modificar aspectos de la voz, como filtros de paso bajo y paso alto, y para reducir o aumentar la respiración. Estas banderas varían según el remuestreador utilizado. La información y los datos de la partitura en el banco de voz se procesan con un remuestreador y una herramienta de audio (wavtool) basándose en la partitura creada con el editor. Solo se puede utilizar un remuestreador en un único archivo .ust . Se utiliza un filtro de formantes para controlar los cambios en la calidad de la voz, el cual puede desactivarse.
El archivo de audio que se va a cargar se encuentra haciendo coincidir los símbolos de la nota con el nombre del archivo de audio en la biblioteca de voces. Sin embargo, un archivo puede cambiar la subcarpeta de la que se toma la muestra. El tono de la voz sintetizada se ajusta según la diferencia entre el archivo de sonido original y el tono de la nota en el editor. Utau utiliza filtros de formantes para evitar cambios extremos en la calidad de la voz, los cuales pueden desactivarse. El procesamiento por lotes se utiliza para generar varias notas a la vez. Durante este proceso se crean archivos de caché. Dependiendo del remuestreador, la cantidad de archivos de caché puede aumentar. En el menú hay opciones para eliminar los archivos de caché cuando se cierra el programa o después de un cierto período de tiempo.
Existen complementos integrados que pueden fusionar automáticamente las vocales, y la configuración "Omakase/A la carta" que puede agregar tono y vibrato automáticos a un archivo completo. También se pueden añadir al software otros complementos creados por los usuarios. Los colores del editor también se pueden cambiar en el archivo .
Voces Como se mencionó anteriormente, los archivos WAV se pueden importar a Utau. Un solo banco de voces puede contener cientos, o en algunos casos miles, de estos archivos. Las voces se instalan colocándolas en la carpeta "voces" o arrastrándolas y soltándolas sobre el icono de Utau. Estas bibliotecas también incluyen un archivo que determina la temporización y la configuración de cada muestra. Al generar audio a partir de los datos de la partitura en el editor, el programa utiliza el para configurar la sincronización y la pronunciación. Los archivos se pueden crear utilizando la interfaz gráfica de usuario de Utau o con software de terceros creado por los usuarios, siendo SetParam el más destacado de estos programas de terceros. Las tablas de frecuencia (archivos ) se utilizan para procesar la forma de onda al cambiar el tono en el editor. Algunos remuestreadores utilizan otros tipos de archivo en lugar de . Las voces también pueden venir acompañadas de archivos de imagen, generalmente en formato , y diálogos de voz independientes, como ocurre con algunos Vocaloids. También suelen incluir archivos readme que contienen información sobre el software y las condiciones de uso. También se suelen incluir archivos de información de personajes, comúnmente llamados , que contienen información que se puede ver en la sección "Vista previa de voz" de la interfaz gráfica de usuario, donde se indica el autor del banco de voz, el nombre, un archivo de muestra que se reproducirá al hacer clic en el botón "muestra" y la imagen del banco de voz. También puede contener otros parámetros especificados por el creador, como el "género".
Algunos bancos de voz son monosilábicos, denominados colectivamente "CV" (consonante-vocal), mientras que otros utilizan trifonos para producir un sonido más suave. Estos bancos de voces trifonéticas se conocen colectivamente como "VCV" (vocal-consonante-vocal). Su creación requiere mucho más tiempo y esfuerzo (ya que ocupan aproximadamente siete veces el tamaño de un banco de voces CV, en términos de líneas en el archivo oto.ini ), pero producen un resultado más natural.
Posteriormente, las voces de Utau incluirían fonemas compuestos de vocales y consonantes (VC) para adaptarse a idiomas distintos del japonés. Entre los métodos que emplean esto se incluyen "CVVC" (en el que un fonema VC se coloca entre dos fonemas CV), o un método similar, "VCCV", que se basa en CVVC, pero contiene algunas diferencias (diferenciación entre VC aspirados y no aspirados, soporte para grupos consonánticos, etc.). "VCCV" se llama así para diferenciarse de las listas CVVC anteriores de su creador. Dos métodos de grabación de voz menos comunes son CVC, donde un fonema consta de una consonante-vocal-consonante y se divide en el programa mediante el uso del oto.ini, y un método llamado , en la que se graba una serie de sílabas CV en varios archivos wav para crear un resultado más suave sin recurrir al VCV completo.
Dado que los archivos de audio son independientes, pueden utilizarse en otros programas, como por ejemplo un DAW (estación de trabajo de audio digital).
Desarrollo El desarrollo de Utau comenzó cuando Ameya empezó a usar Audacity para recombinar muestras de otros cantantes y Melodyne para corregir el tono de las muestras y ponerles música. A este acto se le denominaba "VOCALOID impulsado por energía humana". LOLI. COM, un músico que publicó su propia música rap en Nico Nico Douga, utilizó su propia voz para crear un Vocaloid impulsado por humanos y lanzó un software de edición de audio que podría ayudar a los usuarios a hacer lo mismo. Dado que el proceso de crear "VOCALOID de forma manual" requería una cantidad considerable de tiempo y esfuerzo, Ameya comenzó a desarrollar una nueva herramienta que facilitaría el proceso.
La herramienta fue anunciada en Nico Nico Douga el 11 de enero de 2008. En aquel entonces, era posible ajustar la duración del sonido, cambiar la envolvente de una nota y generar archivos por lotes. El 5 de febrero de 2008 se publicó un vídeo que mostraba la interfaz gráfica de usuario (GUI). Aquí era posible estirar el tiempo de las muestras, crear archivos oto.ini y ajustar las inflexiones de tono de las notas. El 5 de marzo de 2008, se publicó en Nico Nico Douga un vídeo que explicaba las especificaciones del programa, y el 15 de marzo de 2008, la herramienta pasó a llamarse Utau.
El creador era programador de profesión y no especialista en síntesis vocal, pero utilizó sus conocimientos previos para crear Utau. Tras su lanzamiento, Ameya continuó mejorando Utau y comenzó a desarrollarlo en colaboración con otros desarrolladores de conversión de texto a voz.
En junio de 2008, Ameya rechazó la etiqueta de para Utau, llamándolo software de síntesis de voz para cantar.
En 2011 se lanzó una versión para Mac llamada Utau-Synth.
Archivos de audio y derechos de autor Dado que Utau puede crear una voz cantada a partir de cualquier archivo WAV, es posible tomar la voz de una persona existente y usarla como datos. Con frecuencia, se reutilizan fragmentos de las voces de actores, cantantes y celebridades para su uso en Utau. El creador, Ameya, creó en una ocasión una voz utilizando datos del CD de un actor de doblaje.
En mayo de 2008, Ameya decidió dejar de usar datos de audio sin permiso por el momento, a menos que el actor de voz lo autorizara.
Impacto cultural miniaturadeimagen| Vídeo musical de "Dance Delightful" de Jamie Paige, que muestra el banco de voces Utau Adachi Rei, creado mediante la combinación de ondas sinusoidales a través de síntesis aditiva. Aunque el software es muy popular en Japón, sus orígenes e impacto cultural se deben a la popularidad ya consolidada del software Vocaloid. Utau se hizo famoso por primera vez cuando el creador de Kasane Teto lanzó el personaje, haciéndose pasar por un Vocaloid real como parte de una broma del Día de los Inocentes en 2008. La influencia del software Vocaloid también propició que ambos programas se utilizaran habitualmente de forma conjunta. Con frecuencia, las mascotas populares de Utau, como Kasane Teto, aparecen en medios basados en VOCALOID, como Maker Hikōshiki Hatsune Mix o Hatsune Miku: Project DIVA.