无乐谱与歌词的歌唱声音生成

歌唱声音的生成模型大多关注“歌唱声音合成”任务，即给定乐谱与文本歌词来生成歌唱声音波形。在本工作中，我们探索一种新颖且具挑战性的替代方案：在训练与推理时均无预先指定的乐谱与歌词的歌唱声音生成。具体而言，我们概述了三种此类生成方案，并提出了应对这些新任务的流程。此外，我们使用生成对抗网络（GAN）实现了此类模型，并从客观与主观两方面对其进行了评估。