S2Cap：歌唱风格描述基准与基线方法

歌声包含比普通语音丰富得多的信息，包括多样的声音和声学特性。然而，当前用于歌声的开源音频-文本数据集仅捕获了狭窄范围的属性，并且缺乏声学特征，导致其对下游任务（如风格描述）的实用性有限。为填补这一空白，我们正式定义了歌唱风格描述任务，并提出了 S2Cap，这是一个包含详细描述的歌声数据集，涵盖了多样的声音、声学和人口统计学特征。利用该数据集，我们开发了一种高效且直接的歌唱风格描述基线算法。该数据集可在 https://zenodo.org/records/15673764 获取。