AaronZ345/GTSinger

解决的问题

GTSinger 解决了 AI 歌唱模型缺乏高质量、多语言、多技术歌唱数据集的问题。它提供了一个全面的语料库，使模型不仅能学习旋律和歌词，还能学习特定的歌唱技巧和真实的音乐编排，弥合了合成歌唱与人类表达之间的差距。

如何工作

该项目提供了一个大规模数据集，包含 20 位歌手在九种语言（中文、英文、日文、韩文、俄文、西班牙文、法文、德文、意大利文）中的 80 多小时专业录音室录音。数据按语言和技术分层组织，包含以下特性：

• 受控对比： 同一首歌曲以自然方式演唱（对照组）和以特定技巧演唱（技术组）的音频对。
• 详细标注： 六种技巧（混声、假声、气声、咽音、颤音、滑音）的音素级标注，全局风格标签（情感、节奏、音域），以及手动音素-音频对齐。
• 真实乐谱： 包含规则音符时长的 MusicXML 文件，帮助模型适应现实中的音乐编排。
• 配对语音： 超过 16 小时的语音数据，用于支持语音到歌唱转换任务。

适用对象

从事歌唱语音合成（SVS）、歌唱技巧识别、风格迁移和语音到歌唱转换的研究人员和开发者。

主要亮点

• 超大规模： 拥有 80.59 小时高质量音频的全球最大录音歌唱数据集。
• 多语言支持： 覆盖九种广泛使用的语言和全部四种声区。
• 技术导向： 提供六种不同歌唱技巧的受控对比。
• 全面工具链： 包含数据分割和 JSON 生成的预处理脚本，以及合成、识别和风格迁移的基准测试。