VoiceDatasetMaker — 動画から「声だけ」を自動で切り出すツール(TTS学習データセット作成等)

VoiceDatasetMaker — 動画から「声だけ」を自動で切り出すツール(TTS学習データセット作成等)

動画・音声ファイルをドラッグ&ドロップするだけで、

**BGM・エコー・ノイズをAIで除去し、無音で区切った小分けWAV**を書き出すWindowsアプリです。

音声合成(TTS)の学習用データセット作成を想定して設計しています。

### こんな方に

- 自分の配信アーカイブや録音から、TTS学習用の音声データを作りたい

- BGM付きの動画しか手元にないが、声だけのクリーンな音声がほしい

- 大量の動画を放り込んで自動で処理したい

### 主な機能

- **BGM・伴奏除去** — Mel-Band RoFormerによる高品質なボーカル抽出

- **エコー/リバーブ除去・ノイズ除去** — 素材に合わせて個別ON/OFF可能

- **無音で自動分割** — AI発話検出(VAD)で発話区間を検出し、指定した長さ

(既定2〜12秒)に収まるよう自動で結合・分割

- **話者フィルタ** — 参照音声を登録すると「その人の声」だけを採用し、

BGMの歌声や読み上げソフトの声などを自動で除外(除外分も別フォルダに保存)

- フォルダごとのドラッグ&ドロップ、複数ファイルのキュー処理に対応

- 出力: WAV(モノラル16bit、サンプルレート選択可)

### 動作環境(購入前に必ずご確認ください)

- **Windows 10 / 11 (64bit)**

- **NVIDIA製GPU(実質必須)** — CPUのみでも動作しますが処理が数十倍遅くなり、

実用的ではありません

- 空きディスク約6GB

- ffmpeg(無料。導入手順は同梱READMEに記載、コマンド1行です)

- インターネット接続(初回セットアップとAIモデルの自動ダウンロードに必要)

- **Pythonのインストールは不要です**(実行環境同梱)

### セットアップ(3ステップ)

1. zipを展開

2. `setup.bat` をダブルクリック(必要なライブラリを自動インストール、10分程度)

3. `VoiceDatasetMaker.bat` で起動

### 内容物

- アプリ本体(Python実行環境同梱)

- セットアップスクリプト

- README(導入・使い方・トラブルシューティング)

- 利用規約(EULA)

### 重要な注意事項

- 本ソフトウェアで処理する音声は、**ご自身の音声、または権利者から許諾を得た音声のみ**

にご利用ください。第三者の声の無断収集・学習は、権利侵害や各プラットフォームの

規約違反となるおそれがあります。

- AIモデルは第三者の配布物を初回に自動ダウンロードして利用します。配布元の都合により

将来利用できなくなる可能性があります。

- デジタル商品の性質上、**購入後の返金は原則お受けできません**。動作環境を必ずご確認の上

お求めください。

- 詳細は同梱の利用規約(EULA.txt)をご確認ください。

### クレジット

本アプリは以下のオープンソースソフトウェア・モデルを利用しています。

Ultimate Vocal Remover (UVR)とその開発者の皆さま / python-audio-separator /

Mel-Band RoFormer Vocals by becruily / UVR-DeEcho-DeReverb, UVR-DeNoise by FoxJoy /

Silero VAD / SpeechBrain / CustomTkinter / PyTorch

### 更新履歴

- v1.0.0 (2026-07-18) 初回リリース