本ページはプロモーションを含みます（掲載基準）
JSUT / JVS (日本語音声合成コーパス)の定義
JSUT / JVSとは、日本語の音声合成や話者研究に使われる、無料公開の音声コーパス（収録音声と書き起こしのデータセット）のこと。
JSUT / JVS (日本語音声合成コーパス)とは（詳しく解説）
JSUTは単一の女性話者による約10時間の読み上げ音声、JVSは100名の話者を収めた多話者コーパスで、いずれも東京大学の研究グループが公開した日本語音声合成の代表的な研究用データセットとされる。JSUTは高品質な単話者TTSの学習に、JVSは話者適応やマルチスピーカー学習、声質変換の評価に広く採用されている。2026年の実運用で注意したいのは、ライセンスと量の限界だ。サブセットごとに利用条件が異なるとされ、商用サービスに組み込む前に配布元の規約確認が欠かせない。また読み上げ中心のため、会話調や感情表現は弱く、これだけで商用品質の声を作るのは難しい。現場では、事前学習済みモデルをJSUT/JVSで微調整して試作し、本番用には自社で許諾を得た収録データを数時間から数十時間ほど追加する構成が現実的で、収録とラベリングのコストが主な費用になる。
JSUT / JVS (日本語音声合成コーパス)を調べた人に
声を
ナレーションづくりや、曲からボーカルだけを抜き出す作業をブラウザでできます。
Audible（オーディブル）プロの声優・俳優の朗読を聴き比べられる。30日間無料で試せる
オーディオブック ／ 30日間無料体験・以後プレミアム月1,500円
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「JSUT / JVS (日本語音声合成コーパス)とは」 https://aipicks.jp/glossary/jsut-jvs-corpus
JSUT / JVS (日本語音声合成コーパス)の使用例
- JSUTの単一話者データで日本語TTSを学習し、読み上げ品質を確かめる基礎実験に使う。
- JVSの100名分で多話者モデルを作り、少量の自社音声で話者適応の効果を比べる。
JSUT / JVS (日本語音声合成コーパス)に関連するAIツール
JSUT / JVS (日本語音声合成コーパス)の関連用語
12カテゴリ・1874語以上を体系的に整理しています