AaronZ345/GTSinger

解決的問題

GTSinger 解決了 AI 歌唱模型缺乏高品質、多語言、多技術歌唱資料集的問題。它提供一個全面的語料庫，讓模型不僅能學習旋律與歌詞，還能學習特定的歌唱技巧與真實的音樂編排，彌補合成歌唱與人類表達之間的差距。

如何運作

本專案提供一個大規模資料集，包含 20 位歌手在九種語言（中文、英文、日文、韓文、俄文、西班牙文、法文、德文、義大利文）中的 80 多小時專業錄音室錄音。資料按語言與技術分層組織，包含以下特性：

• 受控對比： 同一首歌曲以自然方式演唱（對照組）與以特定技巧演唱（技術組）的音訊對。
• 詳細標註： 六種技巧（混聲、假聲、氣聲、咽音、顫音、滑音）的音素級標註，全局風格標籤（情感、節奏、音域），以及手動音素-音訊對齊。
• 真實樂譜： 包含規則音符時長的 MusicXML 檔案，幫助模型適應現實中的音樂編排。
• 配對語音： 超過 16 小時的語音資料，用於支援語音到歌唱轉換任務。

適用對象

從事歌唱語音合成（SVS）、歌唱技巧辨識、風格轉移與語音到歌唱轉換的研究人員與開發者。

主要亮點

• 超大規模： 擁有 80.59 小時高品質音訊的全球最大錄音歌唱資料集。
• 多語言支援： 覆蓋九種廣泛使用的語言與全部四種聲區。
• 技術導向： 提供六種不同歌唱技巧的受控對比。
• 全面工具鏈： 包含資料分割與 JSON 產生的預處理腳本，以及合成、辨識與風格轉移的基準測試。