MMGenre：跨多种音乐流派的歌声合成基准测试

歌声合成（SVS）发展迅速，但其跨不同音乐流派的泛化能力仍未得到充分探索。现有基准严重偏向流行音乐，限制了对流派相关行为的系统分析。我们引入了 MMGenre，一个用于多流派 SVS 诊断的基准，并辅以自动化的流派对齐乐谱构建流程。MMGenre 涵盖 10 个主要流派和 26 个子流派，能够对流派感知合成进行全面分析。对代表性 SVS 模型的广泛评估揭示了有限的流派区分度：跨流派的合成人声表现出高度相似的声学特性和较弱的可分离性。虽然零样本流派适应仅带来微小的改进，但轻量级的流派特定持续训练带来了显著的提升。MMGenre 为多流派 SVS 评估提供了一个标准化框架，并揭示了实现流派感知歌声合成所面临的关键挑战。