作りたく為ったら直ぐ作れるように

と、スプレッドシートの一部を

前回の記事で考案した部分の改善を施した

その結果

• 台本最終部と映像の誤差約7行(200%以上の改善)
• 音声と映像の累積誤差1000文字につき約1秒～2秒まで改善
• Step2+3の実行回数を7～8回まで低減(300%以上の改善)
• 現在の台本位置で起こっているはずの映像状況をスプレッドシートに表示
• 1文字当たりの時間コストがおよそ0.1307秒という事が発覚
• そもそも動画製作時間が大幅短縮(10時間→4時間位)

等など、1文字当たりのコストを求めた事による影響が計り知れない

これがボトルネックだったんだなって言うか

ブラジルで蝶が羽ばたくとテキサスで竜巻が起こるんだなって思った

まず最初の改善点として
1行当たり2秒のコストで現在の推定動画時間を推測していたのを
1文字当たり0.1307秒のコストで動画時間を推測するようにした

これが思った以上に効果があって
パート1での推定イベント内容と実際の乖離が5行も10行も有ったのに対し
今回は5分時点でも僅か2行という大幅な改善をもたらしたという事

これに拠って今後動画と合成した際
後々の調整に苦しめられる事が激減するだろうと心理的な重荷も降りた気がする

未来の話になるが
まだまだミクさんの声はサンプル数が少ないので
今後は『キャスト＋感情値』の組み合わせ毎の
1文字当たりのコストを算出したデータベースを構築して
より精密な消費時間コストを計算させていこうと思っている

なお、文字コストであるので
1音当たりのコストではなく
短すぎる行ほど、この手法は当てにならない



因みに文字コストの算出は
完全手動で1行当たりの時間を打ち込んでいって
総時間から総文字数を割って計算した





今後は次のイベントまでの調整としてオフセットを与えられるようにしたり
同時発音m=dを指定した時に消費する時間コストを
発音者で最大の長さに成るキャストの物を使用するようにしたり
そういう改善を施していこうと思っている

しかし自動で保存してくれたり
数式計算で色々と統計情報を得られたりと
スプレッドシートは万能で良いね
やろうと思えばGASでマクロも組めるし素晴らしい

そんなお話