用語集
ニューラル音声
ディープニューラルネットワークで生成する合成音声。従来の波形接続型合成やフォルマント合成より、抑揚や感情を自然に表現できます。
ニューラルTTSモデル（Tacotron、FastSpeech、VITSとその後継）は、テキスト、話者の特徴、話し方の情報をもとに、音声を波形として直接生成します。抑揚や息づかい、感情まで自然で、多くの聴取テストでは人間の朗読と聞き分けるのが難しいほどです。
調整できる主な要素は、声の高さ、話す速さ、言語、アクセント、年齢、感情（穏やか、元気、悲しげ、落ち着いたビジネス調など）です。VlogMeでは、Audio Studioで作った音声をそのままVideo Studioのトーキングアバターに渡せるため、選んだ話し方どおりに口の動きが合います。
VlogMeでできること
最初のアイデアから完成した動画まで。
