RVC 学習済みモデルの選び方｜買う前に確認する5つのポイント
結論を3行で
1. サンプルは「笑い声・咳・ささやき・歌」が入っているものを聴く。トークだけのサンプルでは弱点が分からない
2. 「学習時間◯◯時間」は データ時間 × エポック で読む。多いほど良いわけではない
3. 誰の声を学習したか、商用・クレジット・ゾーニングの条件を買う前に確認する
RVC の学習済みモデルは BOOTH などで数多く売られていますが、「声の好み」だけで選ぶと、買ってから「笑うと壊れる」「歌えない」「配信で使えない規約だった」ということが起きがちです。この記事では、買う前に確認したい 5 つのポイントをまとめます。
1. サンプルで「笑い声・咳・ささやき」を聴く
ボイチェンがいちばん苦手なのは、声帯が振動しない音です。笑い声・咳・くしゃみ・ささやき・吐息は「声の高さ」が取れないため、学習データに入っていないモデルではそこだけ別の音に化けます。
ところが、サンプルがきれいなトークだけだと、その弱点は分かりません。確認するのは次の 3 つです。
- 笑い声・咳・くしゃみの章があるか
- ささやき（ASMR）の章があるか
- 歌唱の章があるか
当ショップのサンプル動画は、全モデルで「多言語変換 → 変換前後の聴き比べ → 無声音（笑い・くしゃみ・咳） → フリートーク → 歌唱」の章立てで公開しています。苦手になりやすい音を隠していないので、弱点ごと確認できます。
2. 1 モデルで「トーク・ささやき・歌」をカバーしているか
学習データの比率が偏っていると、「トークは良いのに歌うと崩れる」「ささやき専用モデルを別に買う」ということになります。場面ごとにモデルを切り替えるのは、配信中には現実的ではありません。
商品説明に「トーク・ささやき・歌唱をどの比率で学習したか」が書いてあるかを見てください。書いていない場合は、サンプルの歌唱とささやきで判断します。
3. 「学習時間◯◯時間」の読み方
よく見る「学習時間 1,000 時間超え」という表記は、ほとんどの場合、次の計算です。
延べ学習音声 = 学習データの合計時間 × エポック数
たとえば 1 時間の音声を 300 エポック学習すれば、延べ 300 時間。3.5 時間を 300 エポックなら 1,050 時間です。つまり、この数字は「どれだけ長く聴かせたか」であって、「どれだけ多様な声を聴かせたか」ではありません。
見るべきなのは次の 3 つです。
| 項目 | なぜ見るか |
|---|---|
| 学習データの合計時間 | 声の多様さの上限。短すぎると発声のバリエーションが足りない |
| エポック数 | 多すぎると過学習。学習にない発声で破綻しやすくなる |
| クリップ数と内訳 | 笑い・咳・ささやき・歌が入っているか |
当ショップは 300 エポックで止めています。「似すぎて崩れる手前」で止めることで、学習にない発声でも破綻しにくくなるからです。各モデルの詳細ページに、クリップ数・データ時間・エポック・ステップ数を TRAINING LOG として公開しています。
4. 権利：誰の声か、どこまで使えるか
ここがいちばん後から効いてきます。
- 実在の人物・声優・VTuber の声を学習したモデルは、配信の削除や収益化停止、権利者からの申し立てのリスクを抱えたままになります
- 商用利用できるか、クレジット表記が要るか、事前申請が要るか
- ゾーニング：全年齢のみか、アダルト作品でも使えるか
当ショップのモデルは、すべて特定の声優を持たない 100% 人工のオリジナルで、商用利用 OK・クレジット表記不要・事前申請不要・作品の年齢区分を問わず使えます（各国の法令と各プラットフォームの規約には従ってください）。
5. 中身と形式：何が入っているか
- RVC v2 の .pth と .index が入っているか（.index が無いと Index rate の調整ができません）
- 学習時間の違う 複数の仕上げ（当ショップは標準版と heavy 版の 2 つ）があるか。地声との相性で選べます
- 使い方ガイドが付いているか。設定値が書いていないモデルは、動かすまでに時間がかかります
- 改良版の扱い。作り直したときに購入者へ無償で配布されるか
- 手持ちのツール（VCClient（w-okada 版）・RVC WebUI・Applio・公式 VST など）で使えるか。RVC v2 形式（.pth + .index）なら、どの RVC 対応ツールでも読み込めます。専用ツールが無くても使えるのが普通です
買う前のチェックリスト
| 確認すること | OK の目安 |
|---|---|
| 笑い声・咳・ささやき・歌のサンプルがある | 章立てで公開されている |
| トーク・ささやき・歌唱の学習比率 | 偏りなく学習、と明記 |
| 学習時間の内訳 | データ時間・エポック・クリップ数が公開 |
| 誰の声か | 実在の人物の声ではない |
| 商用・クレジット・ゾーニング・申請 | すべて不要／OK |
| 同梱物 | .pth + .index、ガイド、改良版の無償配布 |
当ショップで試すなら
声の高さ・年齢・元気さ・甘さ・色気の 5 つの指標から近いモデルを並べ替える「声さがし」で、まず候補を絞ってください。各モデルの詳細では、サンプルの章ごとに頭出しして試し聞きできます。
めろ ─ このモデルで試す 
魅織 ─ このモデルで試す 
える ─ このモデルで試す
よくある質問
Q. 1 モデル 1 万円は高い？
A. 買い切りで追加料金はありません。モデルを作り直したときは、購入済みの方にそのままお渡ししています。
Q. Beatrice や ONNX も同梱されているのはなぜ？
A. おまけです。基本は RVC v2 で、サンプルもすべて RVC で変換しています。CPU だけで動かしたいときや低遅延が最優先のときの選択肢として入れています。
Q. 自分の声と性別が違うモデルでも使える？
A. 使えます。男性の声から女声モデルはピッチ +12 前後、女性の声から男声モデルは −12 前後から始めて、耳で聴きながら調整してください。裏声は不要です。
関連する言葉
RVC の学習済みモデルは「RVC モデル」「ボイチェンモデル」「AI ボイスモデル」「.pth」など、いろいろな呼び方をされます。使われ方は、VTuber の配信、バ美肉（男性が女性キャラの声で活動すること）、両声類、歌ってみた・AI カバー、ASMR や同人音声の制作、VRChat・Discord での通話が中心です。多くは BOOTH で配布・販売されていて、当ショップも BOOTH です。この記事のチェックリストは、ギャルボイス・ショタボ・イケボ・ママボイスなど、どの声質のモデルを探すときにも同じように使えます。