2025 年歌声转换挑战评估结果详尽分析

我们呈现对最新一次歌声转换挑战（Singing Voice Conversion Challenge）结果的详尽分析，这是一项旨在受控环境下比较和理解不同语音转换系统的科学活动。与以往 iterations 相本次挑战在仅关注转换歌手身份方面不同，今年还聚焦于转换歌手的演唱风格。为构建受控环境和详尽评估，我们开发了新的挑战数据库，引入了两个任务，开源基线模型，并进行大规模众包听觉测试和客观评估。该挑战持续了两个月，总共评估了 33 个不同的系统。大规模众包听觉测试结果显示，顶级系统的歌手身份得分与基准样本相当。然而，建模歌手演唱风格并实现高自然性仍是这一任务中的挑战，主要由于在 modeling 动态信息方面存在困难，尤其是涉及气声、滑音和颤音 singing styles。进一步的分析讨论了传统相似性测试和动态偏好测试在评估歌手风格相似性方面的局限性。此外，计算斯佩尔曼等级相关系数（Spearman's rank correlation coefficient）表明，依赖于色度对齐等依赖性客观指标以及依赖于说话人嵌入的非匹配指标与主观得分最相关，但仍未达到可视为主观得分的真正替代品。