歌声数据规模扩展：ACE-Opencpop 与 ACE-KiSing 简介
声音
2024-06-14 v3 音频与语音处理
摘要
在歌声合成（SVS）中，由于数据可用性有限，从乐谱生成歌声面临挑战。本研究提出了一种独特的策略来解决 SVS 中的数据稀缺问题。我们采用现有的歌声合成器进行数据增强，并辅以细致的手动调校——这是一种在数据整理中未曾探索过的方法，旨在减少不自然语音合成的实例。这种创新方法促成了两个大规模歌声数据集 ACE-Opencpop 和 ACE-KiSing 的创建，它们对于大规模、多歌手语音合成具有重要作用。通过全面的实验，我们证明这些数据集不仅可作为 SVS 的新基准，而且在作为补充资源使用时，还能提升在其他歌声数据集上的 SVS 性能。语料库、预训练模型及其相关的训练方案已在 ESPnet-Muskits (\url{https://github.com/espnet/espnet}) 公开提供。
引用
@article{arxiv.2401.17619,
title = {Singing Voice Data Scaling-up: An Introduction to ACE-Opencpop and ACE-KiSing},
author = {Jiatong Shi and Yueqian Lin and Xinyi Bai and Keyi Zhang and Yuning Wu and Yuxun Tang and Yifeng Yu and Qin Jin and Shinji Watanabe},
journal= {arXiv preprint arXiv:2401.17619},
year = {2024}
}
备注
Accepted by Interspeech2024